сгенерирована bookings db

README.md

@@ -2,7 +2,7 @@
 
 Учебный стенд: ETL из Postgres в Greenplum с оркестрацией в Airflow.
 
-Добро пожаловать в учебный стенд для изучения основ Data Engineering! Этот проект поможет вам освоить ключевые инструменты современных data pipeline: **Airflow** для оркестрации, **pandas/CSV** для подготовки данных и **Greenplum** как аналитическую базу данных.
+Добро пожаловать в учебный стенд для изучения основ Data Engineering! Этот проект поможет вам освоить ключевые инструменты современных data pipeline: **Airflow** для оркестрации, **pandas/CSV** для подготовки данных, **Postgres** с демобазой **bookings** как источник и **Greenplum** как аналитическую базу данных.
 
 ## 🎯 Что вы узнаете
 
@@ -12,6 +12,7 @@
 - Как загружать данные в Greenplum пакетами и избегать дублей
 - Как проверять качество данных в автоматизированных pipeline
 - Основы проектирования ETL/ELT процессов
+ - Как работать с демо-БД bookings в Postgres как источником для будущего DWH
 
 ## 👩‍🎓 Для студентов (10‑минутный чек‑лист)
 
@@ -161,6 +162,7 @@ uv run black --check airflow tests
 - **Greenplum** — аналитическая база данных для хранения и анализа данных
 - **Airflow** — оркестратор workflow и задач
 - **Postgres** — база метаданных для Airflow
+- **Postgres (bookings)** — отдельная демо-БД bookings (источник данных для будущего DWH в Greenplum)
 - **pandas** — библиотека для генерации и анализа данных в формате CSV
 
 ### Готовые DAG (workflow)
@@ -175,6 +177,9 @@ make down               # Остановить и удалить данные
 make airflow-init       # Инициализировать Airflow
 make ddl-gp             # Применить DDL к Greenplum
 make gp-psql            # Подключиться к Greenplum через psql
+make bookings-init      # Установить демобазу bookings в Postgres
+make bookings-generate-day  # Добавить ещё один день данных в bookings
+make bookings-psql      # Подключиться к демобазе bookings (БД demo)
 
 # Проверка данных
 make logs               # Следить за логами Airflow
@@ -192,6 +197,13 @@ make logs               # Следить за логами Airflow
 - `GP_DB` — база данных (по умолчанию: gpadmin)
 - `GP_PORT` — порт (по умолчанию: 5432)
 
+### Демо-БД bookings (Postgres)
+- `BOOKINGS_DB_USER` — пользователь Postgres для демобазы (по умолчанию: bookings)
+- `BOOKINGS_DB_PASSWORD` — пароль пользователя (по умолчанию: bookings)
+- `BOOKINGS_DB_NAME` — база данных, из которой запускается установка генератора (по умолчанию: bookings)
+- `BOOKINGS_DB_PORT` — внешний порт для подключения к контейнеру bookings-db (по умолчанию: 5434)
+- `BOOKINGS_START_DATE` — начальная дата модельного времени для первой генерации данных (по умолчанию: 2017-01-01)
+
 ### CSV pipeline
 - `CSV_DIR` — путь к каталогу с CSV внутри контейнеров Airflow (по умолчанию: `/opt/airflow/data`)
 - `CSV_ROWS` — количество строк, генерируемых DAG (по умолчанию: 1000)
@@ -246,13 +258,14 @@ make logs               # Следить за логами Airflow
 ```
 ├── docker-compose.yml     # Описание всех сервисов
 ├── .env.example           # Шаблон настроек
-├── Makefile              # Удобные команды для работы
+├── Makefile               # Удобные команды для работы
 ├── airflow/
-│   └── dags/             # Файлы workflow (DAG)
+│   └── dags/              # Файлы workflow (DAG)
 │       ├── csv_to_greenplum.py
 │       └── data_quality_greenplum.py
+├── bookings/              # Скрипты и вспомогательные файлы для демобазы bookings в Postgres
 └── sql/
-    └── ddl_gp.sql        # Создание таблицы в Greenplum
+    └── ddl_gp.sql         # Создание таблицы в Greenplum
 ```
 
 ---