需求策略 rename

core/src/main/java/com/tzld/videoVector/job/ChannelDemandMatchJob.java

@@ -76,18 +76,18 @@ public class ChannelDemandMatchJob {
     private static final int MATCH_THREAD_POOL_SIZE = 5;
 
     /**
-     * 先验需求-场景 数据源策略标识
+     * 人群需求-场景 数据源策略标识
      */
-    private static final String DIMENSION_STAT_STRATEGY = "先验需求-场景";
+    private static final String DIMENSION_STAT_STRATEGY = "人群需求-场景";
 
     /**
-     * 先验需求-场景 数据源的ROV阈值 (默认3%)
+     * 人群需求-场景 数据源的ROV阈值 (默认3%)
      */
     @Value("${channel.demand.dimension-stat.min-rov:0.03}")
     private double dimensionStatMinRov;
 
     /**
-     * 先验需求-场景 数据源的UV占比阈值 (默认0.2%)
+     * 人群需求-场景 数据源的UV占比阈值 (默认0.2%)
      */
     @Value("${channel.demand.dimension-stat.min-uv-ratio:0.002}")
     private double dimensionStatMinUvRatio;
@@ -179,7 +179,7 @@ public class ChannelDemandMatchJob {
         // 1. 先清理该渠道+日期的历史数据（支持重跑）
         deleteExistingResults(config.getId(), dt);
 
-        // 如果是先验需求-场景数据源，走独立的处理逻辑（不需要向量召回）
+        // 如果是人群需求-场景数据源，走独立的处理逻辑（不需要向量召回）
         if (DIMENSION_STAT_STRATEGY.equals(config.getDemandStrategy())) {
             processDimensionStatSource(config, dt, totalDemands, totalMatched, totalFailed);
             return;
@@ -521,14 +521,14 @@ public class ChannelDemandMatchJob {
     }
 
     /**
-     * 处理先验需求-场景数据源：从dwd_channel_element_dimension_stat查询，直接入库（不需向量召回）
+     * 处理人群需求-场景数据源：从dwd_channel_element_dimension_stat查询，直接入库（不需向量召回）
      */
     private void processDimensionStatSource(ChannelDemandMatchConfig config, String dt,
                                             AtomicInteger totalDemands, AtomicInteger totalMatched, AtomicInteger totalFailed) {
-        log.info("开始处理先验需求-场景数据源, configId={}, dt={}", config.getId(), dt);
+        log.info("开始处理人群需求-场景数据源, configId={}, dt={}", config.getId(), dt);
 
         String sql = buildDimensionStatSql(config, dt);
-        log.info("先验需求-场景ODPS SQL长度: {}", sql.length());
+        log.info("人群需求-场景ODPS SQL长度: {}", sql.length());
 
         List<ChannelDemandMatchResult> results = new ArrayList<>();
 
@@ -566,7 +566,7 @@ public class ChannelDemandMatchJob {
                     try {
                         result.setMatchVideoId(Long.parseLong(videoIdStr.trim()));
                     } catch (NumberFormatException e) {
-                        log.warn("先验需求-场景 videoid解析失败: {}", videoIdStr);
+                        log.warn("人群需求-场景 videoid解析失败: {}", videoIdStr);
                         return;
                     }
                 } else {
@@ -588,11 +588,11 @@ public class ChannelDemandMatchJob {
                     results.add(result);
                 }
             } catch (Exception e) {
-                log.error("解析先验需求-场景ODPS记录失败: {}", e.getMessage());
+                log.error("解析人群需求-场景ODPS记录失败: {}", e.getMessage());
             }
         });
 
-        log.info("先验需求-场景数据源查询到 {} 条记录", results.size());
+        log.info("人群需求-场景数据源查询到 {} 条记录", results.size());
         totalDemands.addAndGet(results.size());
 
         if (results.isEmpty()) {
@@ -604,11 +604,11 @@ public class ChannelDemandMatchJob {
             resultMapperExt.batchInsert(partition);
         }
         totalMatched.addAndGet(results.size());
-        log.info("先验需求-场景数据源写入完成, 共 {} 条", results.size());
+        log.info("人群需求-场景数据源写入完成, 共 {} 条", results.size());
     }
 
     /**
-     * 构造先验需求-场景数据源的ODPS SQL
+     * 构造人群需求-场景数据源的ODPS SQL
      * 查询loghubods.dwd_channel_element_dimension_stat，过滤rov>3%且uv占比>0.2%
      */
     private String buildDimensionStatSql(ChannelDemandMatchConfig config, String dt) {