fix: 缺货补货监控「待发订单」改为聚水潭打单拣货/发货中快照口径
- loadPendingOrderMap 改用两步 querySlow（先取该仓最新快照日，再按日汇总 status='发货中'）， 替换会 60s 超时的 CTE+CROSS JOIN 写法（副本库实测 ~12s 返回 697 SKU/1598 件） - 待发口径对齐用户在聚水潭「打单拣货 → 简尚崔桥工厂仓」看到的发货中单据（每日 07:00 快照） - 仅聚水潭线上店铺渠道，不含全民(qmcust) B2B 客户单（属预期收窄，前端已注明） - 前端口径说明补充渠道范围与「不含全民」提示
This commit is contained in:
parent
d74b4b649a
commit
5b0c44c9e2
@ -14,25 +14,24 @@
|
||||
*
|
||||
* ── 数据源 ───────────────────────────────────────────────────────────
|
||||
* 库存：rpt.jst_packInventoryInfo（按 wms_co_id + sku_id 聚合，按前缀切拣货/存储）
|
||||
* 订单：rpt.jst_Orders × jst_OrderItem（线上店铺）
|
||||
* + rpt.jst_qmcust_orderlist × jst_qmcust_orderlist_item（全民客户 B2B）
|
||||
* + 组合装（sku_type='combine'）→ jst_comboProductItem 展开为子件
|
||||
* 订单：rpt.op_OrderNotDispatched（聚水潭「打单拣货/未发货」每日快照，SKU 级、组合装已展开）
|
||||
* —— 直接对齐用户在聚水潭「打单拣货 → 简尚崔桥工厂仓」看到的单据。
|
||||
* ⚠️ 仓库维度必须用 **wms_co_id**：wh_id 是货主（简尚=1），
|
||||
* 按 wh_id 会把多仓混成一个桶。
|
||||
*
|
||||
* ── 待发口径（用户 2026-10-22 二次明确）──────────────────────────────
|
||||
* 补货需求只来自「还没发的订单（待发）」，**已发货（Sent）的订单不参与计算** ——
|
||||
* 已发订单的货已经拣走发出，不再消耗拣货位库存，不该驱动补货。
|
||||
* 判定方式：排除掉「已发 / 取消 / 删除 / 拆单 / 合单」这几类非待发状态，
|
||||
* 其余（WaitConfirm 待确认 / Question 异常挂起 / Delivering 发货中 / 任何新增待发状态）
|
||||
* 一律按「待发」计入。如此新增的待发状态也会自动落入统计，无需改代码。
|
||||
* 待发订单不限日期：含历史未发积压，最贴近「需要补货去拣的货」。
|
||||
* ── 待发口径（用户 2026-10-22 三次明确：「取打单拣货里的数据」）──────────
|
||||
* 补货需求只来自「聚水潭打单拣货 / 发货中」的单据，**已发（Sent）不参与**。
|
||||
* 数据源 rpt.op_OrderNotDispatched 是**每日快照**（一天一批，local_updated≈07:00）：
|
||||
* 取该仓 **最新快照日** 且 status='发货中'（历史标签曾为「发货中（打单拣货）」）的行，
|
||||
* 按 sku_id 汇总 qty —— 即当前待拣/待发的订单量（组合装已展开为子件，带 src_combine_sku_id）。
|
||||
* **不含**：已发(Sent)/取消/删除/拆单/合单、异常(Question/异常)、已付款待审核、待付款。
|
||||
* （异常挂起单不保证近期发货，不计入补货需求；如需要可再把「异常」并入。）
|
||||
*
|
||||
* ── 判断逻辑（核心）──────────────────────────────────────────────────
|
||||
* 对每一个 SKU（在拣货/存储位上有库存）：
|
||||
* 拣货位库存 pickQty = 该 SKU 在 XA/XD/XE 货位上的 qty 合计
|
||||
* 存储位库存 storageQty = 该 SKU 在 XX/X9/X5/X4 货位上的 qty 合计
|
||||
* 待发订单 orderQty = 该 SKU 的「待发」订单量（含组合装展开，不限日期）
|
||||
* 待发订单 orderQty = 该 SKU 的「打单拣货/发货中」快照待发量（组合装已展开）
|
||||
* 超出订单数 excess = max(0, orderQty − pickQty)
|
||||
* —— 拣货位不够待发订单拣，超出的这部分要从存储位补到拣货位
|
||||
* 建议补货量 suggestQty = min(excess, storageQty) （不能超过存储位现有量）
|
||||
@ -45,7 +44,7 @@
|
||||
* no_order 无待发单（orderQty = 0）
|
||||
* （pickQty = 0 且 orderQty > 0 归入 need/short，并标记 pickEmpty 强调）
|
||||
*
|
||||
* ⚠️ 性能：库存视图聚合 + 待发订单 4 分支 union 各自都要 30s~1min，
|
||||
* ⚠️ 性能：库存视图聚合 30s~1min；待发快照表（op_OrderNotDispatched）查询较快；
|
||||
* 必须缓存（默认 10 分钟）+ 启动预热，不要每次请求都回源。
|
||||
*/
|
||||
|
||||
@ -81,13 +80,13 @@ const STORE_PREFIXES = Object.freeze(['XX', 'X9', 'X5', 'X4']);
|
||||
const PICK_PREFIX_IN = PICK_PREFIXES.map((p) => `'${p}'`).join(',');
|
||||
const STORE_PREFIX_IN = STORE_PREFIXES.map((p) => `'${p}'`).join(',');
|
||||
|
||||
// ── 待发口径：排除掉「非待发」状态，其余一律算待发 ──────────────────────
|
||||
// Sent=已发（唯一 100% 带 send_date 的状态）、Cancelled=已取消、Delete=删除、
|
||||
// Split=拆单父单（子单另计）、Merged=合单（合后单另计）。
|
||||
// 白名单式排除比「只认某几个待发状态」更稳：新增的待发状态会自动落入统计。
|
||||
const PENDING_EXCLUDE_STATUS = Object.freeze(['Sent', 'Cancelled', 'Delete', 'Split', 'Merged']);
|
||||
const PENDING_EXCLUDE_IN = PENDING_EXCLUDE_STATUS.map((s) => `'${s}'`).join(',');
|
||||
const PENDING_ORDER_SCOPE = '待发订单（不含已发/取消/拆单/合单），不限日期';
|
||||
// ── 待发口径：聚水潭「打单拣货/发货中」快照（rpt.op_OrderNotDispatched）────────
|
||||
// 该表是每日快照；取该仓「最新快照日」且 status='发货中' 的行。
|
||||
// 历史标签在 2026-03 之前叫「发货中（打单拣货）」，两个都认，避免换名漏数。
|
||||
// 不含：已发/取消/删除/拆单/合单、异常、已付款待审核、待付款。
|
||||
const PENDING_STATUS_LIST = Object.freeze(['发货中', '发货中（打单拣货）']);
|
||||
const PENDING_STATUS_IN = PENDING_STATUS_LIST.map((s) => `'${s}'`).join(',');
|
||||
const PENDING_ORDER_SCOPE = '待发订单 = 聚水潭「打单拣货」发货中快照（不含已发/异常/待审核）';
|
||||
|
||||
const STATUS = Object.freeze({
|
||||
SHORT: 'short',
|
||||
@ -163,63 +162,42 @@ async function loadReplicaInventory(warehouse) {
|
||||
}
|
||||
|
||||
/**
|
||||
* 各 SKU 的「待发」订单量：4 个来源分支，组合装展开为子件。
|
||||
* 不再按 send_date 窗口（那是「已发」），改为排除非待发状态、不限日期。
|
||||
* 各 SKU 的「待发」订单量：直接取聚水潭打单拣货快照表 rpt.op_OrderNotDispatched。
|
||||
* 该表 SKU 级、组合装已展开为子件（src_combine_sku_id），qty 即该子件待发件数。
|
||||
* 取「该仓最新快照日」+ status IN ('发货中','发货中（打单拣货）')，按 sku_id 汇总。
|
||||
*
|
||||
* ⚠️ 性能红线：副本库 mssql 池默认 60s requestTimeout，CTE+CROSS JOIN 写法实测 60s
|
||||
* 超时失败。改成**两步 querySlow**（先取最新快照日，再按日范围汇总），实测 ~12s，
|
||||
* 走独立连接 + 池级 requestTimeout（5 分钟），必须用它。
|
||||
*/
|
||||
async function loadPendingOrderMap(warehouse) {
|
||||
const sql = `
|
||||
WITH ship AS (
|
||||
-- 1) 线上店铺订单：普通商品行（仅统计待发：排除 已发/取消/删除/拆单/合单）
|
||||
SELECT oi.sku_id AS skuId,
|
||||
SUM(CAST(ISNULL(oi.qty, 0) AS DECIMAL(18,2))) AS orderQty
|
||||
FROM rpt.jst_OrderItem oi
|
||||
JOIN rpt.jst_Orders o ON o.o_id = oi.o_id
|
||||
WHERE o.wms_co_id = @wmsCoId
|
||||
AND ISNULL(o.status, '') NOT IN (${PENDING_EXCLUDE_IN})
|
||||
AND ISNULL(oi.sku_type, 'normal') <> 'combine'
|
||||
GROUP BY oi.sku_id
|
||||
UNION ALL
|
||||
-- 2) 线上店铺订单：组合装行 → 展开为子件
|
||||
SELECT ci.src_sku_id AS skuId,
|
||||
SUM(CAST(ISNULL(oi.qty, 0) * ISNULL(ci.qty, 0) AS DECIMAL(18,2))) AS orderQty
|
||||
FROM rpt.jst_OrderItem oi
|
||||
JOIN rpt.jst_Orders o ON o.o_id = oi.o_id
|
||||
JOIN rpt.jst_comboProductItem ci ON ci.combine_sku_id = oi.sku_id
|
||||
WHERE o.wms_co_id = @wmsCoId
|
||||
AND ISNULL(o.status, '') NOT IN (${PENDING_EXCLUDE_IN})
|
||||
AND oi.sku_type = 'combine'
|
||||
GROUP BY ci.src_sku_id
|
||||
UNION ALL
|
||||
-- 3) 全民客户（B2B 分销）订单：普通商品行（排除 已发/取消/删除/拆单/合单）
|
||||
SELECT oi.sku_id AS skuId,
|
||||
SUM(CAST(ISNULL(oi.qty, 0) AS DECIMAL(18,2))) AS orderQty
|
||||
FROM rpt.jst_qmcust_orderlist_item oi
|
||||
JOIN rpt.jst_qmcust_orderlist o ON o.o_id = oi.o_id
|
||||
WHERE o.wms_co_id = @wmsCoId
|
||||
AND ISNULL(o.status, '') NOT IN (${PENDING_EXCLUDE_IN})
|
||||
AND ISNULL(oi.sku_type, 'normal') <> 'combine'
|
||||
GROUP BY oi.sku_id
|
||||
UNION ALL
|
||||
-- 4) 全民客户订单：组合装行 → 展开为子件
|
||||
SELECT ci.src_sku_id AS skuId,
|
||||
SUM(CAST(ISNULL(oi.qty, 0) * ISNULL(ci.qty, 0) AS DECIMAL(18,2))) AS orderQty
|
||||
FROM rpt.jst_qmcust_orderlist_item oi
|
||||
JOIN rpt.jst_qmcust_orderlist o ON o.o_id = oi.o_id
|
||||
JOIN rpt.jst_comboProductItem ci ON ci.combine_sku_id = oi.sku_id
|
||||
WHERE o.wms_co_id = @wmsCoId
|
||||
AND ISNULL(o.status, '') NOT IN (${PENDING_EXCLUDE_IN})
|
||||
AND oi.sku_type = 'combine'
|
||||
GROUP BY ci.src_sku_id
|
||||
)
|
||||
SELECT skuId, SUM(orderQty) AS orderQty
|
||||
FROM ship
|
||||
GROUP BY skuId`;
|
||||
|
||||
const runQuery = typeof cloudDb.querySlow === 'function' ? cloudDb.querySlow : cloudDb.query;
|
||||
const rows = await runQuery(
|
||||
sql,
|
||||
const slowOpts = { requestTimeout: 300000, connectRequestTimeoutMs: 300000 };
|
||||
|
||||
// step1：该仓最新快照日（local_updated≈每日 07:00 一批，MAX 落在最新那批）
|
||||
const snapRows = await runQuery(
|
||||
`SELECT CAST(MAX(local_updated) AS date) AS snapDate
|
||||
FROM rpt.op_OrderNotDispatched
|
||||
WHERE wms_co_id = @wmsCoId`,
|
||||
{ wmsCoId: warehouse.wmsCoId },
|
||||
{ requestTimeout: 300000 }
|
||||
slowOpts
|
||||
);
|
||||
const snapDate = snapRows && snapRows[0] && snapRows[0].snapDate;
|
||||
if (!snapDate) return new Map();
|
||||
|
||||
// step2：最新快照日当天的「发货中」待发量，按 sku_id 汇总（组合装已展开）
|
||||
const rows = await runQuery(
|
||||
`SELECT o.sku_id AS skuId,
|
||||
SUM(CAST(ISNULL(o.qty, 0) AS DECIMAL(18,2))) AS orderQty
|
||||
FROM rpt.op_OrderNotDispatched o
|
||||
WHERE o.wms_co_id = @wmsCoId
|
||||
AND o.status IN (${PENDING_STATUS_IN})
|
||||
AND o.local_updated >= @snapDate
|
||||
AND o.local_updated < DATEADD(day, 1, @snapDate)
|
||||
AND ISNULL(o.sku_id, '') <> ''
|
||||
GROUP BY o.sku_id`,
|
||||
{ wmsCoId: warehouse.wmsCoId, snapDate },
|
||||
slowOpts
|
||||
);
|
||||
const map = new Map();
|
||||
(rows || []).forEach((row) => {
|
||||
@ -318,7 +296,7 @@ function buildSummary(rows, orderSkuCount) {
|
||||
}
|
||||
|
||||
async function loadDataset(warehouse, { refresh = false } = {}) {
|
||||
// 待发口径不再依赖日期，缓存键只用仓库；跨天靠 TTL 失效即可。
|
||||
// 缓存键只用仓库（内部仍取「最新快照日」，不固定某天）；跨天靠 TTL 失效即可。
|
||||
const cacheKey = warehouse.key;
|
||||
const cached = cacheStore.get(cacheKey);
|
||||
const ttl = resolveCacheTtlMs();
|
||||
|
||||
@ -132,7 +132,7 @@ const BinReplenishMonitor = () => {
|
||||
value: summary.orderSkuCount || 0,
|
||||
unit: '个',
|
||||
foot: `待发订单量 ${num(summary.orderQtyTotal)} 件`,
|
||||
tip: '有待发订单的商品种类数（含线上店铺 + 全民客户，组合装已展开为子件；不含已发/取消/拆单/合单）',
|
||||
tip: '有待发订单的商品种类数（取聚水潭「打单拣货/发货中」快照，组合装已展开为子件；不含已发/异常/待审核）',
|
||||
},
|
||||
]), [summary, needCount]);
|
||||
|
||||
@ -247,7 +247,7 @@ const BinReplenishMonitor = () => {
|
||||
仓库：<b>{(data.warehouse || {}).name || '简尚-崔桥工厂仓'}</b>
|
||||
</div>
|
||||
<div>
|
||||
统计口径：<b>{data.orderScope || '待发订单（不含已发/取消/拆单/合单），不限日期'}</b>
|
||||
统计口径：<b>{data.orderScope || '待发订单 = 聚水潭「打单拣货」发货中快照（不含已发/异常/待审核）'}</b>
|
||||
</div>
|
||||
<div>
|
||||
取数时间：<b>{data.updatedAt ? new Date(data.updatedAt).toLocaleString('zh-CN') : '--'}</b>
|
||||
@ -394,21 +394,22 @@ const BinReplenishMonitor = () => {
|
||||
「拣货位库存」= 货位号以 XA/XD/XE 开头的库存合计；「存储位库存」= 货位号以 XX/X9/X5/X4 开头的库存合计。
|
||||
</li>
|
||||
<li>
|
||||
<b>订单</b>：只统计<b>待发</b>订单 = rpt.jst_Orders（线上店铺）+ rpt.jst_qmcust_orderlist（全民客户 B2B），
|
||||
排除 已发(Sent) / 取消(Cancelled) / 删除(Delete) / 拆单(Split) / 合单(Merged)；组合装（sku_type=combine）已按 jst_comboProductItem 展开为子件。
|
||||
<b>已发货的订单不计入</b>——货已发出、不再消耗拣货位，不该驱动补货。
|
||||
<b>订单</b>：直接取聚水潭「<b>打单拣货 → 发货中</b>」快照 = rpt.op_OrderNotDispatched（该仓<b>最新快照日</b>、status=发货中），
|
||||
SKU 级、组合装已展开为子件。这就是你在聚水潭「打单拣货 · 简尚崔桥工厂仓」看到的待发单据。
|
||||
<b>已发货(Sent)、异常挂起、已付款待审核、待付款均不计入</b>——货已发出或短期不会拣，不该驱动补货。
|
||||
口径仅覆盖<b>聚水潭线上店铺渠道</b>（运营中心 / 分销等），<b>不含全民(qmcust) B2B 客户单</b>——与旧「按 send_date 窗口统计当日订单」口径不同，属预期收窄。
|
||||
</li>
|
||||
<li>
|
||||
<b>判断规则</b>：对每个 SKU，若 <b>待发订单量 > 拣货位库存</b>，超出的订单数即「需要从存储位补到拣货位」的量；
|
||||
「建议补货量」= min(超出订单数, 存储位库存)。存储位也不够时标记「存储不足」，缺口需采购 / 紧急调拨。
|
||||
</li>
|
||||
<li>
|
||||
<b>统计范围</b>：待发订单<b>不限日期</b>，含历史未发积压。这样最贴近「需要补货去拣的货」；
|
||||
已发/取消/拆单/合单一律排除，任何新增的待发状态也会自动落入统计。
|
||||
<b>统计范围</b>：取该仓<b>最新一天的「打单拣货」快照</b>（ETL 约每日 07:00 刷新），即当前待拣/待发订单；
|
||||
已发/异常/待审核一律排除。
|
||||
</li>
|
||||
<li>
|
||||
<b>时效</b>：仓位库存视图聚合 + 待发订单 4 分支 union 各需 30s~1min，服务端缓存 10 分钟（启动时已预热）；
|
||||
点「刷新数据」会强制回源，需要等 1 分钟左右。
|
||||
<b>时效</b>：仓位库存视图聚合需 30s~1min，待发快照表较快；服务端缓存 10 分钟（启动时已预热）；
|
||||
点「刷新数据」会强制回源，需要等约 1 分钟。
|
||||
</li>
|
||||
</ul>
|
||||
</div>
|
||||
|
||||
Loading…
x
Reference in New Issue
Block a user