perf(spider): 优化购买记录采集间隔及预售状态处理

- 将快车时段全站在售发现间隔由20秒改为10秒，加快新上架车辆发现速度
- 将单商品购买记录最大采集间隔由600秒改为30秒，杜绝大间隔漏采情况
- 统一空闲及首次探测间隔为10秒，预售未开卖探测间隔调整为60秒，减少无效请求
- 采集间隔计算逻辑优化，爆发时统一顶格密采，空闲与预售状态分别稀探与密探
- 新增is_presale函数判断商品是否处于预售未开卖期
- 购买记录为空时，根据预售状态分别返回不同span标记，以区别处理采集间隔

deca_spider/buy_record_analysis/buy_record_spider.py

@@ -85,12 +85,13 @@ ONSALE_INGEST_SEC = 60             # 全站在售落库 + 刷新监控队列间
 # 从没进过 deca_onsale_product_record → 从没纳入监控 → deca_buy_record 0 条 → 战报「0 人参与拆卡」）。
 # 故该时段把「全站在售落库 + 刷新监控队列」的节奏压到 FAST_WINDOW_INGEST_SEC 密探，给快车 6~9 次被发现的机会；
 # 时段外恢复 ONSALE_INGEST_SEC，不额外增加白天的全站请求量。全站 home/search 免 token 走直连，加密只抬直连请求量、不涉登录态。
-FAST_WINDOW_INGEST_SEC = 20        # 快车时段全站在售发现间隔（20s，与快车轮询上限 FAST_LANE_MAX_INTERVAL_SEC 对称）
+FAST_WINDOW_INGEST_SEC = 10        # 快车时段全站在售发现间隔（2026/08/28 由 20s 改 10s）：更早发现新上架车，缩短上架→纳入监控→追首条的延迟
 FAST_WINDOW_START = dtime(20, 0)   # 快车高发时段开始：20:00
 FAST_WINDOW_END = dtime(6, 0)      # 快车高发时段结束：次日 06:00（窗口跨午夜）
 SHOP_DISCOVER_SEC = 600            # 商家发现 + 今日新增补详情间隔（10 分钟，变化慢无需每分钟）
 MIN_INTERVAL_SEC = 0               # 单商品购买记录最小采集间隔（测试期设 0：让实测数据决定是否要抬）
-MAX_INTERVAL_SEC = 600             # 单商品购买记录最大采集间隔（10 分钟）
+MAX_INTERVAL_SEC = 30              # 单商品购买记录最大采集间隔（2026/08/27 由 600s 改 30s）：
+                                   # 任何车卖再慢也 ≤30s 采一次，杜绝慢档 600s 上限在两次采集间隙的漏采窗口
 # 快车(小批量拼团)专用：份数小的商品售罄极快(实测最快 10 份滑窗约 64s)，需比 MAX_INTERVAL_SEC 更小的上限密采，
 # 否则「刚上架 span=0 → 排 600s」会让 3~8 分钟售罄的拼团在两次采集间隙整场漏采(2026/08/10 修复)
 FAST_LANE_MAX_COUNT = 100          # 份数<=此值视为「快车」（本商家快车=30份、大车=313+），涵盖未来 20/40/50 份的小批量快车
@@ -100,11 +101,15 @@ FAST_LANE_MAX_INTERVAL_SEC = 20    # 快车最大采集间隔（实测最快 10
 # 这对任意尺寸都成立，故所有车 span==0 时统一压到 HOT_INTERVAL_SEC 顶格密采(贴单车物理上限 ≈10条/RTT≈6.7份/秒)。
 # 背景：原箱大车(上万份)开售头几分钟 15~35 份/秒秒空(实测 9786 份 24s 卖 830)、31 份快车 ~60s 秒空，旧逻辑对
 # 非快车 span<=0 返回 600s、快车返回 20s，都追不上爆发翻窗(大车覆盖率仅 40%、部分 31 份快车 58~74%)。
-# 大车额外单列「空闲探测」：预售/未开卖(无购买记录 span<0)时每 BIG_TEAM_IDLE_INTERVAL_SEC 探一次，保证开售爆发
-# 一起即在 ~10s 内切到密采；快车空闲沿用其 20s、普通车沿用 600s。售卖转慢(span>0)一律按 span//3 回退。
+# 空闲探测（span<0，无购买记录/刚纳入）：密探尽快追首条，开售爆发一起即在 ~10s 内切密采。
+# 【2026/08/27~28：空闲探测已统一 IDLE_PROBE_SEC(10s)、预售 PRESALE_IDLE_SEC(60s)，不再分档；慢档上限 MAX_INTERVAL_SEC(30s)】
 HOT_INTERVAL_SEC = 1               # 爆发(任意尺寸,最近10条同桶 span==0)采集间隔（1s，实际受 RTT≈1.5s 自然限流，逼近单车采集上限）
-BIG_TEAM_MIN_COUNT = 1000          # 份数>=此值视为「大车」（原箱类，如 9786/10697 份）：额外走空闲探测，开售即密采
-BIG_TEAM_IDLE_INTERVAL_SEC = 10    # 大车空闲/预售(本轮无购买记录)采集间隔（10s 中频探测，爆发一起即在 ~10s 内追上）
+# 空闲/首次探测间隔（大中小车统一，2026/08/27）：刚纳入 / 首次接口延迟响应0条 / 预售时，还不知道车卖多快，
+# 一律 10s 密探尽快追上首条购买记录——尤其中等份数车常 6 分钟售罄、每~20s 卖>10 份，20s 采一次会翻窗漏采，故 10s。
+# 采到首条后即转 span 自适应（卖快密采、卖慢自动稀采），不再密探。
+IDLE_PROBE_SEC = 10                # 空闲/首次探测间隔（所有档统一 10s，宁密勿漏）
+PRESALE_IDLE_SEC = 60              # 预售未开卖(saleStartAt 在未来)探测间隔（60s 稀探，2026/08/28）：预售期没人能买、
+                                   # 购买记录必空，10s 密探纯浪费；到开卖时间 poll 自动转 IDLE_PROBE_SEC 密探
 GLOBAL_MIN_GAP_SEC = 0.2           # 全局相邻两次详情请求最小间隔（≈每秒 5 次上限，防封的硬速率天花板）
 # 并发采集（2026/08/24）：实测单条详情请求 ~1~2.7s（含长尾），串行吞吐仅 0.4~0.9 次/秒，
 # 远低于 GLOBAL_MIN_GAP_SEC 允许的 5 次/秒——瓶颈是请求延迟(latency-bound)而非节流。多商家(21+ 在售)后，
@@ -262,6 +267,29 @@ def is_sale_ended(data: dict, now_ts: int) -> tuple[bool, str]:
     return False, ""
 
 
+def is_presale(data: dict, now_ts: int) -> bool:
+    """判断商品是否处于「预售未开卖」（saleStartAt 在未来）。
+
+    预售期没人能买、购买记录必空，无需 10s 密探，60s 稀探即可省请求；到开卖时间自动转密探。
+    saleStartAt 缺失/解析失败按「已开卖」处理（保守走密探，不漏）。
+
+    Args:
+        data (dict): 详情接口 data 层。
+        now_ts (int): 当前秒级时间戳。
+
+    Returns:
+        bool: True=预售未开卖；False=已开卖或无法判断。
+    """
+    start_text = data.get("saleStartAt")
+    if not start_text:
+        return False
+    try:
+        start_ts = time.mktime(time.strptime(start_text, "%Y-%m-%d %H:%M:%S"))
+        return now_ts < start_ts
+    except (ValueError, OverflowError):
+        return False
+
+
 def throttled_do_request(log, path: str, body: dict, need_auth: bool = False) -> dict | None:
     """核心签名 POST 请求 + 全局令牌桶限速（多线程安全）。
 
@@ -292,16 +320,17 @@ def throttled_do_request(log, path: str, body: dict, need_auth: bool = False) ->
 
 
 def compute_next_interval(span_sec: int, card_count: int | None = None) -> int:
-    """按 10 条时间跨度算下次采集间隔，按商品规模分三档（大车 / 快车 / 普通）。
+    """按 10 条时间跨度算下次采集间隔：空闲/预售探测、爆发顶格、卖着按跨度自适应。
 
     span_sec 三态：>0=有真实跨度（按 span//3 自适应）；==0=最近 10 条同分钟桶（超热爆发）；
-    <0=本轮无购买记录（空闲/预售，由 poll_product 以 -1 标记）。
+    ==-1=已开卖但本轮无购买记录（接口延迟/暂无人买）；<=-2=预售未开卖（均由 poll_product 标记）。
 
     统一「爆发密采」（2026/08/25 优化 A）：span==0 对任意尺寸都表示「上一分钟卖了≥10份=正在热卖」，
     故所有车 span==0 时一律返回 HOT_INTERVAL_SEC 顶格密采，不再按尺寸区分（修掉旧逻辑「快车 span==0→20s、
     普通/大车→600s」追不上爆发翻窗、31 份快车 58~74%、大车 40% 的漏采）。尺寸只影响另两态：
-      - 空闲(span<0，本轮无购买记录/预售)：大车用 BIG_TEAM_IDLE_INTERVAL_SEC(开售即密采)、快车用 FAST_LANE 档、
-        普通用 MAX_INTERVAL_SEC；决定「多快发现它开卖」。
+      - 空闲(span<0，本轮无购买记录/预售)：预售未开卖(span=-2)用 PRESALE_IDLE_SEC(60s)稀探省请求；已开卖但暂无记录(span=-1)
+        大中小车统一 IDLE_PROBE_SEC(10s)密探追首条（2026/08/27~28，不再分档）；
+        决定「多快发现它开卖 / 追上首条购买记录」。采到首条后即转 span 自适应，不影响真慢车稀采。
       - 转慢(span>0，有跨度)：一律 span//3，硬夹进 [MIN, 对应档上限 cap]，售卖变慢自动回退。
 
     Args:
@@ -312,20 +341,16 @@ def compute_next_interval(span_sec: int, card_count: int | None = None) -> int:
         int: 下次采集间隔（秒）。
     """
     cc = card_count or 0
-    is_big = cc >= BIG_TEAM_MIN_COUNT
-    is_fast = 0 < cc <= FAST_LANE_MAX_COUNT
-    if is_big:
-        cap, idle = MAX_INTERVAL_SEC, BIG_TEAM_IDLE_INTERVAL_SEC
-    elif is_fast:
-        cap, idle = FAST_LANE_MAX_INTERVAL_SEC, FAST_LANE_MAX_INTERVAL_SEC
-    else:
-        cap, idle = MAX_INTERVAL_SEC, MAX_INTERVAL_SEC
-    if span_sec < 0:      # 本轮无购买记录：空闲/预售 → 按尺寸的 idle 探测
-        return idle
+    if span_sec <= -2:    # 预售未开卖：没人能买、购买记录必空 → 稀探省请求；到点开卖 poll 会改给 -1 转密探
+        return PRESALE_IDLE_SEC
+    if span_sec < 0:      # 已开卖但本轮无购买记录（刚纳入/接口延迟响应0条）：所有档统一 10s 密探，尽快追上首条
+        return IDLE_PROBE_SEC
     if span_sec == 0:     # 最近 10 条同桶：爆发(任意尺寸) → 统一顶格密采
         return HOT_INTERVAL_SEC
-    interval = span_sec // 3
-    return max(MIN_INTERVAL_SEC, min(cap, interval))
+    # 有跨度：span//3 自适应（3x 余量防翻窗），夹进 [MIN, 慢档上限 cap]。
+    # cap 只按「快车 vs 其余」分：快车份数小、卖极快，用更小上限；其余（含原大车）统一 MAX_INTERVAL_SEC。
+    cap = FAST_LANE_MAX_INTERVAL_SEC if 0 < cc <= FAST_LANE_MAX_COUNT else MAX_INTERVAL_SEC
+    return max(MIN_INTERVAL_SEC, min(cap, span_sec // 3))
 
 
 # ==================== 订单判重 ====================
@@ -579,7 +604,8 @@ def poll_product(log, pool, code: str, meta: dict) -> tuple:
 
     recs = data.get("purchaseRecords") or []
     if not recs:
-        return -1, 0, ended, end_reason        # 无购买记录：空闲/预售，标记 span=-1（区别于同桶超热的 span=0）
+        # 无购买记录：预售未开卖→-2(稀探省请求)；已开卖但接口延迟/暂无人买→-1(密探追首条)。均区别于同桶超热 span=0
+        return (-2 if is_presale(data, now_ts) else -1), 0, ended, end_reason
 
     now_dt = time.strftime("%Y-%m-%d %H:%M:%S", time.localtime(now_ts))
     rows = [r for r in (build_row(x, code, now_ts, now_dt, meta) for x in recs) if r]