feat(dags): add ddl dag for gp and rename csv dq

README.md

@@ -24,7 +24,7 @@
 - Откройте UI: http://localhost:8080 (admin/admin).
 - Включите и запустите DAG `csv_to_greenplum`. Дождитесь Success.
 - Проверьте данные: `make gp-psql` → `SELECT COUNT(*) FROM public.orders;`.
-- Дополнительно: запустите `greenplum_data_quality` — все проверки должны быть зелёные.
+- Дополнительно: запустите `csv_to_greenplum_dq` — все проверки должны быть зелёные.
 
 Если что‑то не работает — смотрите «Типичные проблемы» и «Быстрый reset» ниже.
 
@@ -170,8 +170,13 @@ uv run black --check airflow tests
 - **pandas** — библиотека для генерации и анализа данных в формате CSV
 
 ### Готовые DAG (workflow)
+- **orders_base_ddl** — создаёт базовую таблицу `public.orders` для CSV‑пайплайна
+- **bookings_stg_ddl** — готовит схему `stg` и таблицы `stg.bookings_ext` / `stg.bookings`
 - **csv_to_greenplum** — базовый pipeline: pandas → CSV → Greenplum
-- **greenplum_data_quality** — проверки качества данных (наличие таблицы, схема, дубликаты)
+- **bookings_to_gp_stage** — пример загрузки из демо‑БД bookings в слой STG
+- **csv_to_greenplum_dq** — проверки качества данных (наличие таблицы, схема, дубликаты)
+
+> Учебный путь — триггернуть DDL‑DAG: для CSV `orders_base_ddl`, для bookings `bookings_stg_ddl`. Технический шорткат для быстрой инициализации — `make ddl-gp` (он не вызывается автоматически при старте контейнеров).
 
 ### Полезные команды
 ```bash
@@ -179,7 +184,7 @@ uv run black --check airflow tests
 make up                 # Запустить весь стенд
 make down               # Остановить и удалить данные
 make airflow-init       # Инициализировать Airflow
-make ddl-gp             # Применить DDL к Greenplum
+make ddl-gp             # Применить DDL к Greenplum вручную
 make gp-psql            # Подключиться к Greenplum через psql
 make bookings-init      # Установить демобазу bookings в Postgres (по умолчанию генерирует 1 день)
 make bookings-generate-day  # Добавить ещё один день данных в bookings (можно вызвать несколько раз)
@@ -250,7 +255,7 @@ docker compose -f docker-compose.yml exec bookings-db bash -lc 'PGPASSWORD="$POS
 
 ### Проверка качества данных
 
-Запустите DAG `greenplum_data_quality` для автоматической проверки:
+Запустите DAG `csv_to_greenplum_dq` для автоматической проверки:
 - Наличие таблицы в базе
 - Соответствие схемы ожидаемой структуре
 - Объем загруженных данных
@@ -366,7 +371,7 @@ load_bookings_to_stg = PostgresOperator(
 ├── airflow/
 │   └── dags/               # Файлы workflow (DAG)
 │       ├── csv_to_greenplum.py
-│       ├── data_quality_greenplum.py
+│       ├── csv_to_greenplum_dq.py
 │       └── bookings_to_gp_stage.py
 ├── bookings/               # Скрипты и файлы для демобазы bookings в Postgres
 ├── sql/
@@ -381,7 +386,7 @@ load_bookings_to_stg = PostgresOperator(
 ## 💡 Советы для дальнейшего обучения
 
 1. **Поэкспериментируйте с DAG** — измените параметры генерации данных или размер батча
-2. **Добавьте свои проверки** — расширьте DAG `data_quality_greenplum.py`
+2. **Добавьте свои проверки** — расширьте DAG `csv_to_greenplum_dq.py`
 3. **Попробуйте другие источники** — замените генератор данных на чтение из файла или API
 4. **Изучите Airflow deeper** — добавьте зависимости между задачами, настройте расписания