# Plan: Перенос STG в эталон, ODS airplanes+seats — студенту > Версия: 4 (после третьего ревью ChatGPT 5.4) > Дата: 2026-03-11 ## Контекст и мотивация ### Обнаруженная проблема При подготовке к Этапу 4 (раскладка по веткам main / solution) обнаружен **конфликт между текущим дизайном БД** (`docs/design/db_schema.md`, `docs/design/bookings_dds_design.md`) **и планом курсового задания** (`docs/design/assignment_design.md`). Суть конфликта: эталонный пайплайн (который должен работать «из коробки» на main-ветке для студента) **неработоспособен**, если студент ещё не реализовал ни одного задания. Три DDS-измерения (`dim_routes`, `dim_passengers`, `dim_airplanes`) отнесены к заданию студента, но эталонная фактовая таблица `fact_flight_sales` зависит от них через цепочку LEFT JOIN. Без этих измерений факт загружается с массовыми NULL в ключевых FK, а DQ-проверки блокируют pipeline. Эталонные витрины (`sales_report`, `airport_traffic`) становятся бесполезными. Проблема усугубляется архитектурой batch resolver ODS DAG и тестовыми контрактами, которые требуют данных во **всех** snapshot-таблицах STG. Ниже — детальный разбор и выбранное решение. ### Фактовая таблица: зависимость от студенческих измерений `fact_flight_sales` зависит от **всех 7 измерений** DDS, включая 3 студенческих: `dim_routes`, `dim_passengers`, `dim_airplanes`. Критическая цепочка: аэропорты в факте разрешаются **через `dim_routes`**: ``` flt.route_no → dim_routes.route_bk → rte.departure_airport → dim_airports.airport_bk → airport_sk ``` Если `dim_routes` пуст (студент ещё не реализовал), то **NULL** получают не только `route_sk`, но и оба `airport_sk` и `airplane_sk`. Эталонная витрина `sales_report` становится бесполезной. Причина: `ods.flights` содержит только `route_no`, но не `departure_airport` / `arrival_airport` / `aircraft_code`. Эти поля доступны только через таблицу `routes`. ### Почему нельзя просто использовать DDL-заглушки Если `dim_routes` — пустая заглушка, все LEFT JOIN через неё возвращают NULL. Факт загружается, но: - `departure_airport_sk = NULL` → `sales_report` не может группировать по аэропортам - `arrival_airport_sk = NULL` → `airport_traffic` не может считать трафик - UPDATE факта **не перезаписывает SK** (by design, строка 4-5 load-скрипта) → NULL-и остаются навсегда до TRUNCATE + перезагрузки ### Дополнительные архитектурные ограничения (из ревью) 1. **Fact DQ блокирует загрузку** (`fact_flight_sales_dq.sql`): - Строка 71: `passenger_sk IS NULL` → **hard fail** (100% NULL → exception) - Строка 98: `route_sk / airplane_sk IS NULL` → при >1% строк → **exception** - На main с пустыми студенческими dims — 100% NULL → pipeline падает 2. **Batch resolver ODS DAG** (`bookings_to_gp_ods.py:59-77`): - `INTERSECT` по `stg.airports`, `stg.airplanes`, `stg.routes`, `stg.seats` - Если **любая** STG-таблица пуста — общего batch нет → весь ODS pipeline падает - Контракт зафиксирован тестом `test_ods_sql_contract.py:30` ### Выбранное решение **Весь STG-слой — эталонный** (все 9 таблиц загружаются reference-кодом). Это гарантирует: - Batch resolver всегда находит согласованный batch (все 4 snapshot-таблицы заполнены) - DAG-зависимости и smoke-тесты STG не требуют изменений - Никакого расхождения batch-контракта между main и solution **ODS: `airplanes` + `seats` остаются заданием студента** (TRUNCATE+INSERT практика). **DDS: `dim_airplanes`, `dim_passengers`, `dim_routes`** — задание студента (DDL-заглушки). **Fact lookup**: аэропорты через `ods.routes` (эталон); `airplane_sk` остаётся point-in-time через `dim_routes` (NULL на main — допустимо). **Fact DQ**: на main ослабить проверки студенческих SK. ### Что теряет студент (и почему это приемлемо) | Потеря | Компенсация | |--------|-------------| | STG-практика (PXF external tables) | Изучает эталонный STG-код; отдельный PXF-практикум в бэклоге (`assignment_design.md`, раздел 6) | | `ods.routes` (TRUNCATE+INSERT) | Остаются `ods.airplanes` + `ods.seats` — тот же паттерн | Ключевые элементы задания **сохранены**: - ODS: 2 таблицы (airplanes, seats) — практика TRUNCATE+INSERT - DDS: `dim_airplanes` (SCD1), `dim_passengers` (SCD1), **`dim_routes` (SCD2)** — ключевой вызов - DM: 4 витрины разной сложности (от простой к сложной) ### Пересчёт факта после реализации студентом После реализации всех измерений студенту нужно: 1. Запустить загрузку DDS-измерений (dim_airplanes, dim_passengers, dim_routes) 2. `TRUNCATE dds.fact_flight_sales;` 3. Перезапустить загрузку факта → теперь все SK заполнены 4. Перезапустить DM-витрины Это стандартная практика при late-arriving dimensions и хорошая обучающая точка. ### airport_traffic — студенческое задание `airport_traffic` архитектурно не зависит от студенческих dims (использует только `calendar_sk`, `departure_airport_sk`, `arrival_airport_sk`). Но это **не значит**, что витрина готова: SQL витрины пишет студент. Данные в факте есть (эталон), студент пишет агрегирующий SQL. Статус: **задание студента** (как и остальные 3 DM). --- ## Матрица зависимостей DM-витрин | DM витрина | calendar | airports | tariffs | routes | passengers | airplanes | Работает без студ. dims? | |---|---|---|---|---|---|---|---| | `sales_report` (эталон) | + | + | + | — | — | — | **ДА** | | `airport_traffic` (студент) | + | + | — | — | — | — | Данные есть, SQL пишет студент | | `route_performance` (студент) | + | — | — | **+** | — | — | Нет | | `monthly_overview` (студент) | + | — | — | **+** | **+** | **+** | Нет | | `passenger_loyalty` (студент) | + | — | + | **+** | **+** | — | Нет | --- ## Изменения (код) ### 1. `sql/dds/fact_flight_sales_load.sql` — lookup аэропортов через ods.routes **Ветка:** chore/bookings-etl (сейчас) + main (Этап 4) **Текущее состояние** (строки 51-62): ```sql LEFT JOIN dds.dim_routes AS rte ON rte.route_bk = flt.route_no AND flt.scheduled_departure::DATE >= rte.valid_from AND (rte.valid_to IS NULL OR flt.scheduled_departure::DATE < rte.valid_to) ... LEFT JOIN dds.dim_airports AS dep ON dep.airport_bk = rte.departure_airport -- через dim_routes! LEFT JOIN dds.dim_airports AS arr ON arr.airport_bk = rte.arrival_airport -- через dim_routes! LEFT JOIN dds.dim_airplanes AS ap ON ap.airplane_bk = rte.airplane_code -- через dim_routes! ``` **После изменения:** ```sql -- Учебный комментарий: Airport lookup через ods.routes (эталонный справочник), -- а не через dds.dim_routes (студенческое задание SCD2). -- Это архитектурное решение: эталонный пайплайн работает независимо от студенческого кода. -- ROW_NUMBER по validity DESC: выбираем актуальную версию расписания маршрута. -- Аэропорты вылета/прилёта одинаковы во всех версиях одного route_no. LEFT JOIN ( SELECT route_no, departure_airport, arrival_airport FROM ( SELECT route_no, departure_airport, arrival_airport, ROW_NUMBER() OVER (PARTITION BY route_no ORDER BY validity DESC) AS rn FROM ods.routes ) ranked WHERE rn = 1 ) AS ods_rte ON ods_rte.route_no = flt.route_no LEFT JOIN dds.dim_routes AS rte ON rte.route_bk = flt.route_no AND flt.scheduled_departure::DATE >= rte.valid_from AND (rte.valid_to IS NULL OR flt.scheduled_departure::DATE < rte.valid_to) ... LEFT JOIN dds.dim_airports AS dep ON dep.airport_bk = ods_rte.departure_airport -- через ods.routes (эталон) LEFT JOIN dds.dim_airports AS arr ON arr.airport_bk = ods_rte.arrival_airport -- через ods.routes (эталон) LEFT JOIN dds.dim_airplanes AS ap ON ap.airplane_bk = rte.airplane_code -- через dim_routes (point-in-time, как прежде) ``` **Почему аэропорты через ods.routes, а airplane через dim_routes:** - **Аэропорты**: `departure_airport` и `arrival_airport` одинаковы во всех версиях одного `route_no` (маршрут SVO→LED всегда SVO→LED). Безопасно брать из ODS. Это даёт эталонным витринам (`sales_report`, `airport_traffic`) корректные `airport_sk` даже без студенческого `dim_routes`. - **Самолёт**: `airplane_code` теоретически может отличаться между версиями маршрута. Текущий контракт DDS (`bookings_dds_design.md:499`) фиксирует, что `airplane_sk` приходит из **той же point-in-time версии** маршрута, что и `route_sk`. Менять эту семантику — изменение модели данных, а не стабилизация. На main `airplane_sk` будет NULL (dim_routes — заглушка). Это допустимо: ни `sales_report`, ни `airport_traffic` не используют `airplane_sk`. ### 2. `sql/dds/fact_flight_sales_dq.sql` — ослабить проверки студенческих SK (только main) **Ветка:** только main (Этап 4). На solution-ветке полные проверки сохраняются. Изменения: - **Строки 65-75** (`passenger_sk IS NULL`): заменить `RAISE EXCEPTION` на `RAISE NOTICE`. На main `dim_passengers` — заглушка, 100% строк будут с `passenger_sk IS NULL`. Любой порог (даже >1%) даст exception. **Только логирование, без блокировки.** - **Строки 89-108** (route-related FK): разделить на два блока: **Блок A — эталонные FK (проверка с порогом 1%, как calendar_sk):** ```sql -- departure_airport_sk и arrival_airport_sk заполняются через ods.routes (эталон). -- NULL здесь — аномалия данных (пропущен маршрут в ODS), а не отсутствие студенческого кода. -- Порог 1% — защита от единичных аномалий источника (аналогично calendar_sk). SELECT COUNT(*) INTO v_null_airport FROM dds.fact_flight_sales WHERE departure_airport_sk IS NULL OR arrival_airport_sk IS NULL; IF v_null_airport > 0 THEN IF v_null_airport * 100.0 / NULLIF(v_row_count, 0) > 1.0 THEN RAISE EXCEPTION 'DQ FAILED: NULL airport_sk: % (>1%%)', v_null_airport; ELSE RAISE NOTICE 'DQ WARNING: NULL airport_sk: % (<=1%%, допустимо)', v_null_airport; END IF; END IF; ``` **Блок B — студенческие FK (только логирование, RAISE NOTICE):** ```sql -- route_sk и airplane_sk будут NULL, пока студент не реализует dim_routes. -- Не блокируем pipeline. SELECT COUNT(*) INTO v_null_student FROM dds.fact_flight_sales WHERE route_sk IS NULL OR airplane_sk IS NULL; IF v_null_student > 0 THEN RAISE NOTICE 'DQ INFO: студенческие SK (route/airplane) NULL: %. ' 'После реализации dim_routes: TRUNCATE fact → перезагрузка.', v_null_student; END IF; ``` Итоговое правило на main: - `departure_airport_sk`, `arrival_airport_sk` — **проверка с порогом 1%** (эталон, через ods.routes; >1% → EXCEPTION, <=1% → NOTICE) - `passenger_sk`, `route_sk`, `airplane_sk` — **только RAISE NOTICE** (студенческие заглушки, 100% NULL допустимо) ```sql -- Учебный комментарий: route_sk, airplane_sk и passenger_sk будут NULL, -- пока вы не реализуете соответствующие DDS-измерения. -- После реализации: TRUNCATE dds.fact_flight_sales → перезагрузка → все SK заполнены. -- Полную версию DQ (с блокировкой) см. в ветке solution. ``` ### 3. ODS Routes DQ: убрать RI-проверку airplane_code (только main) **Ветка:** только main (Этап 4). На solution-ветке полные проверки сохраняются. > **Почему только ODS, не STG?** Весь STG — эталон, `stg.airplanes` всегда заполнен, > `stg/routes_dq.sql` RI-проверка к `stg.airplanes` проходит штатно. Менять STG не нужно. > На уровне ODS `ods.airplanes` — студенческая заглушка (пустая), поэтому > `ods/routes_dq.sql` RI-проверка к `ods.airplanes` упадёт. **Файл:** - `sql/ods/routes_dq.sql` — удалить блок строк 143-156 (RI к `ods.airplanes`) Добавить комментарий: ```sql -- Учебный комментарий: проверка RI airplane_code → ods.airplanes не выполняется, -- т.к. таблица ods.airplanes реализуется студентом. После реализации — раскомментируйте -- (см. ветку solution для полной версии). ``` ### 4. ODS DAG-зависимость: убрать airplanes → routes (только main) **Ветка:** только main (Этап 4) > **Почему только ODS, не STG?** STG DAG не меняется: `stg.airplanes` — эталон, > барьер `check_airplanes_dq >> load_routes_to_stg` работает штатно. > На уровне ODS `dq_ods_airplanes` — заглушка (`SELECT 1;`), формально проходит, > но зависимость вводит в заблуждение. Убираем для ясности. `airflow/dags/bookings_to_gp_ods.py` (строка 266): ```python # Было: [dq_ods_airports, dq_ods_airplanes] >> load_ods_routes # Стало: dq_ods_airports >> load_ods_routes ``` ### 5. Заглушки для студенческих файлов (только main) **Ветка:** только main (Этап 4) #### STG-слой: весь код остаётся (эталон), заглушки не нужны Все 9 STG-таблиц загружаются эталонным кодом. Batch resolver работает без изменений. #### ODS-слой: заглушки для airplanes + seats | Файл | main (студент) | solution | |------|----------------|----------| | `sql/ods/airplanes_ddl.sql` | Полный DDL (таблица нужна) | Тот же | | `sql/ods/airplanes_load.sql` | Заглушка: `SELECT 1; -- TODO` | Полная реализация | | `sql/ods/airplanes_dq.sql` | Заглушка: `SELECT 1;` | Полная реализация | | `sql/ods/seats_ddl.sql` | Полный DDL | Тот же | | `sql/ods/seats_load.sql` | Заглушка | Полная реализация | | `sql/ods/seats_dq.sql` | Заглушка | Полная реализация | #### DDS-слой: заглушки для 3 измерений | Файл | main (студент) | solution | |------|----------------|----------| | `sql/dds/dim_routes_ddl.sql` | Полный DDL (нужен для LEFT JOIN) | Тот же | | `sql/dds/dim_routes_load.sql` | Заглушка: `SELECT 1; -- TODO: реализуйте SCD2` | Полная реализация | | `sql/dds/dim_routes_dq.sql` | Заглушка: `SELECT 1;` | Полная реализация | | `sql/dds/dim_passengers_ddl.sql` | Полный DDL | Тот же | | `sql/dds/dim_passengers_load.sql` | Заглушка | Полная реализация | | `sql/dds/dim_passengers_dq.sql` | Заглушка | Полная реализация | | `sql/dds/dim_airplanes_ddl.sql` | Полный DDL | Тот же | | `sql/dds/dim_airplanes_load.sql` | Заглушка | Полная реализация | | `sql/dds/dim_airplanes_dq.sql` | Заглушка | Полная реализация | #### DM-слой: заглушки для 4 витрин Аналогично: DDL остаётся, load/dq заменяются заглушками. Файлы: `airport_traffic`, `route_performance`, `monthly_overview`, `passenger_loyalty`. --- ## Изменения (документация) ### 6. `docs/assignment/analyst_spec.md` - **Удалить** разделы 1.1-1.3 (все STG-задания) — весь STG теперь эталон - **Удалить** разделы 2.3 (`ods.routes`) — routes теперь эталон - **Обновить** рекомендуемый порядок: начинается с ODS (airplanes, seats) - **Добавить** мотивационную секцию «Почему STG уже реализован»: - Эталонный пайплайн требует согласованного batch по всем snapshot-таблицам - Без данных в STG невозможна загрузка ODS и далее по цепочке - Студент изучает эталонный STG-код как образец - **Добавить** секцию «Пересчёт факта после реализации измерений»: - Инструкция: TRUNCATE fact + re-run после реализации всех DDS-измерений - Педагогическая ценность: late-arriving dimensions, dependency management ### 7. `docs/design/assignment_design.md` - **Обновить** таблицу «Эталонные таблицы»: добавить весь STG + ods.routes - **Обновить** таблицу «Задание студенту»: убрать STG целиком, ODS оставить airplanes+seats - **Обновить** рекомендуемый порядок: начинается с ODS - **Обновить** структуру валидационного DAG (раздел 4): убрать `validate_stg` секцию ### 8. `docs/design/bookings_dds_design.md` - **Строки 463, 468** (SQL-скелет факта): обновить JOIN-блок — `dep.airport_bk` и `arr.airport_bk` теперь через `ods_rte`, а не через `rte`; `ap.airplane_bk` остаётся через `rte` (point-in-time) - **Строка 499-501** (текстовое пояснение): обновить — `departure_airport_sk` и `arrival_airport_sk` берутся из `ods.routes` (эталон); `airplane_sk` остаётся point-in-time через `dim_routes` - **Строка 558** (passenger_sk = 0): убрать утверждение о нулевой толерантности — на main `passenger_sk` будет 100% NULL (dim_passengers — заглушка) - **Строка 559** (DQ текстовое описание): обновить — на main student SK (`passenger_sk`, `route_sk`, `airplane_sk`) не блокируют pipeline; `airport_sk` проверяются с порогом 1% - **Строка 741** (DQ SQL-пример): обновить встроенный SQL — разделить route-related блок на эталонный (airport_sk, порог 1%) и студенческий (route_sk, airplane_sk, NOTICE) ### 9. `docs/design/db_schema.md` - Пометить весь STG и `ods.routes` как эталонные (не студенческие) - Строка 3: «Все слои реализованы» — уточнить, что на main ODS airplanes/seats, DDS student dims и DM student vitrines — заглушки - Строка 253: DQ-контракт «SQL-скрипты с RAISE EXCEPTION» — добавить оговорку, что на main студенческие DQ-скрипты являются заглушками ### 10. Тесты - `tests/test_dags_smoke.py` строки 242-243: На main убрать assert барьера `dq_ods_airplanes → dq_ods_routes` (ODS routes не зависит от ODS airplanes на main). STG-барьеры (строки 123-124) **не трогаем**: STG целиком эталонный, барьер `check_airplanes_dq → check_routes_dq` работает. - `tests/test_ods_sql_contract.py` строка 6: На main изменить `SNAPSHOT_ENTITIES` — исключить студенческие ODS: ```python # Было: SNAPSHOT_ENTITIES = ("airports", "airplanes", "routes", "seats") # Стало (main): SNAPSHOT_ENTITIES = ("airports", "routes") ``` Тесты `test_snapshot_load_scripts_use_truncate` (строка 13) и `test_snapshot_dq_checks_extra_keys` (строка 22) проверяют паттерны TRUNCATE+INSERT и `v_extra_keys_count` в SQL-файлах. Заглушки `SELECT 1;` не содержат этих паттернов → тесты упадут для airplanes/seats. Исключение из `SNAPSHOT_ENTITIES` решает проблему. Batch resolver тест (строка 30) проверяет DAG-код (не SQL-файлы) — без изменений. ### 11. Прочие документы - `docs/design/PRD.md` — обновить чеклист (раздел 10) - `docs/design/bookings_ods_design.md` — комплексное обновление: - Строка 29, 515, 534: пометить `airplanes` и `seats` как студенческие (на main — заглушки; STG-уровень — эталон, ODS load/dq — студент) - Строки 521, 523: скорректировать общий DQ-контракт — на main `airplanes_dq.sql` и `seats_dq.sql` являются заглушками, а не полноценными RAISE EXCEPTION скриптами - Строка 620: обновить DAG-граф — routes больше не зависит от airplanes на ODS - Строка 634: убрать зависимость routes от airplanes в описании FK - `docs/bookings_to_gp_ods.md` — обновить описание - `docs/bookings_to_gp_dds.md`: - Строки 111-113: убрать гарантию отсутствия NULL SK в штатном режиме — на main student SK (`passenger_sk`, `route_sk`, `airplane_sk`) будут NULL - Строка 116: обновить DQ-семантику — student SK не блокируют (NOTICE); airport_sk — порог 1% - Строка 126: обновить описание lookup (airports через ods.routes) - `docs/reference/qa-plan.md`: - Строка 80: «ODS: все 9 таблиц не пустые» — на main `ods.airplanes` и `ods.seats` будут пустыми by design (студенческие заглушки). Уточнить формулировку. - `docs/e2e-etl-test-protocol.md` — обновить контекст --- ## Порядок выполнения ### Сейчас (на chore/bookings-etl) 1. **Код**: изменить `fact_flight_sales_load.sql` (lookup через ods.routes) — п.1 2. **Документация**: обновить `analyst_spec.md` — п.6 3. **Документация**: обновить `assignment_design.md` — п.7 4. **Документация**: обновить `db_schema.md` — п.9 5. **Тестирование**: `make test` + ручная проверка SQL 6. **Коммит** ### Этап 3 (валидационный DAG) - Проектировать с учётом DDL-заглушек - `validate_stg` секцию **не делать** (STG — эталон) - `check_dim_routes_scd2` — активный тест (мутация ODS → проверка → откат) ### Этап 4 (подготовка main + solution) - Fact DQ: ослабить проверки student SK (main only) — п.2 - Routes DQ: убрать airplane RI (main only) — п.3 - DAG-зависимости: убрать airplanes → routes (main only) — п.4 - Заглушки: ODS (airplanes, seats) + DDS (3 dims) + DM (4 vitrines) — п.5 - Тесты: обновить smoke-тесты (main only) — п.10 - Документация: bookings_dds_design, PRD, прочее — п.8, п.11 --- ## Верификация ### После п.1 (fact_flight_sales fix) ```bash make test # smoke-тесты DAG ``` Ручная проверка (при поднятом стенде): > **Важно:** UPDATE факта не перезаписывает dimension SK (by design, строка 4-5). > Уже загруженные строки сохранят старые значения `airport_sk` (через dim_routes). > Для полной проверки новой логики нужен **TRUNCATE + перезагрузка**: ```sql TRUNCATE dds.fact_flight_sales; -- Перезапустить DDS DAG (или только task load_dds_fact_flight_sales) -- Проверка: airport_sk заполнены (через ods.routes), route_sk тоже (dim_routes заполнен на этой ветке) SELECT COUNT(*) AS total, COUNT(departure_airport_sk) AS has_dep_sk, COUNT(arrival_airport_sk) AS has_arr_sk, COUNT(route_sk) AS has_route_sk FROM dds.fact_flight_sales; ``` ### После Этапа 4 (main branch) 1. `make up` → `make ddl-gp` → запустить STG+ODS+DDS DAG-и 2. Проверить: `sales_report` содержит данные с корректными аэропортами 3. Проверить: студенческие ODS/DDS-таблицы пусты (заглушки) 4. Fact DQ проходит (student SK = NULL, но DQ не блокирует) 5. Реализовать один студенческий dim → TRUNCATE fact → re-run → проверить SK --- ## Ключевые файлы | Файл | Роль | Ветка | |------|------|-------| | `sql/dds/fact_flight_sales_load.sql` | Главное изменение: airport lookup через ods.routes | обе | | `sql/dds/fact_flight_sales_dq.sql` | Student SK: EXCEPTION → NOTICE | main only | | `sql/ods/routes_dq.sql` | Убрать RI airplane_code → ods.airplanes | main only | | `airflow/dags/bookings_to_gp_ods.py` | DAG: убрать airplanes → routes | main only | | `tests/test_ods_sql_contract.py` | SNAPSHOT_ENTITIES: убрать airplanes, seats | main only | | `tests/test_dags_smoke.py` | ODS-барьер airplanes → routes | main only | | `docs/assignment/analyst_spec.md` | Убрать STG-задания, убрать ods.routes | обе | | `docs/design/assignment_design.md` | Обновить таблицы эталон/задание | обе | | `docs/design/bookings_dds_design.md` | Обновить описание fact lookup | обе | | `docs/design/bookings_ods_design.md` | Убрать зависимость routes от airplanes | main only | | `docs/design/db_schema.md` | Пометить STG + ods.routes как эталон | обе | > **STG не трогаем**: `sql/stg/routes_dq.sql`, `bookings_to_gp_stage.py`, > STG smoke-тесты — без изменений. Весь STG эталонный, зависимости работают штатно.