airflow-greenplum/TESTING.md

План тестирования (для студентов)

Этот документ — пошаговый чек‑лист, как проверить, что всё работает: от «быстрых локальных проверок» до запуска стенда в Docker и просмотра данных в Greenplum. Подходит начинающим: просто выполняйте шаги по порядку.

Если что‑то пошло не так, смотрите раздел «Быстрый reset» ниже.

1. Быстрая проверка окружения

• uv sync — подтягиваем Python и зависимости из pyproject.toml/uv.lock.
• Проверяем версию uv: uv --version (ожидаем ≥ 0.9).
• Убедитесь, что docker compose version доступна и Docker запущен.

2. Локальные автоматические проверки (без Docker)

• make test — короткие unit-тесты (tests/test_greenplum_helpers.py, tests/test_dags_smoke.py).
  • Smoke-тесты DAG автоматически skip, если Airflow не установлен в venv, поэтому прогонится за миллисекунды.
• make lint — black/isort в режиме проверки (после make fmt должен проходить без ошибок).
• make fmt — автоисправление форматирования; полезно запускать перед пушем.
• (опционально) uv run pytest -q -k dags_smoke — только DAG smoke.

3. Подготовка Docker-стенда

• cp .env.example .env (если файла ещё нет) и проверьте переменные:
  • GP_PORT — внутренний порт Greenplum в Docker-сети (по умолчанию 5432, менять не нужно); внешний порт для подключения с хоста фиксирован на 5435, поэтому локальный PostgreSQL на 5432 не помешает.
  • GP_USE_AIRFLOW_CONN=true при желании использовать Airflow Connection; false — fallback на ENV.
• Если меняли airflow/requirements.txt или Dockerfile.airflow, выполните make build перед make up.
• make up — поднимаем все сервисы. Важно дождаться статуса healthy у pgmeta и greenplum (docker compose ps); greenplum считается healthy только когда поднят и Greenplum, и PXF.
• make logs — следим, пока webserver и scheduler не перейдут в рабочее состояние (Listening at: http://0.0.0.0:8080).

4. Smoke тесты DAG в Airflow UI

1. Открыть http://localhost:8080 (admin/admin).
2. (опционально) Зайти в Admin → Connections и убедиться, что DAG’и видят подключения:
   • greenplum_conn и bookings_db задаются через переменные AIRFLOW_CONN_... в docker-compose и могут не отображаться в списке, но airflow connections get greenplum_conn / bookings_db внутри контейнера должны отрабатывать без ошибок.
3. DAG csv_to_greenplum:
   • Включить переключатель.
   • Нажать «Trigger DAG».
   • Контроль: все таски Success, в data/ появился CSV, в логах load_csv_to_greenplum видно INSERT.
   • В Greenplum (см. п.5) убедиться в наличии строк (SELECT COUNT(*) ...).
4. DAG csv_to_greenplum_dq:
   • Запустить вручную после первого DAG.
   • Проверить, что все 5 задач Success и логи содержат Проверка пройдена.

• DAG bookings_to_gp_stage (полная проверка цепочки bookings → Greenplum STG):

  • предварительно выполнить один раз: make bookings-init (установка демобазы demo в контейнере bookings-db) и make ddl-gp (создаёт stg.bookings_ext и stg.bookings в Greenplum);
  • важно: DAG bookings_stg_ddl не создаёт базу demo в bookings-db; если вы делали docker compose down -v / make clean, make bookings-init обязателен;
  • включить DAG bookings_to_gp_stage и запустить Trigger DAG;
  • убедиться, что все задачи (generate_bookings_day, load_bookings_to_stg, check_row_counts, finish_summary) завершились со статусом Success;
  • при желании проверить данные: в bookings-db появился новый день, а в Greenplum в stg.bookings — строки с актуальным batch_id (см. пример запросов в разделе 5).

• (опционально, для менторов/разработчиков) Smoke-тест DAG через Airflow CLI без UI:

  • docker compose -f docker-compose.yml exec airflow-webserver airflow dags test bookings_to_gp_stage 2024-01-01 — прогоняет bookings_to_gp_stage целиком в «off-line» режиме;
  • docker compose -f docker-compose.yml exec airflow-webserver airflow dags trigger bookings_to_gp_stage — создаёт реальный запуск DAG (логи и статус можно смотреть либо через UI, либо командой airflow tasks list/airflow tasks logs внутри контейнера).

5. Проверка данных в Greenplum

• make gp-psql — запустить psql в контейнере от имени gpadmin.
• (опционально) Проверить, что PXF действительно запущен:
  • docker compose exec greenplum bash -lc "su - gpadmin -c '/usr/local/pxf/bin/pxf cluster status'"
• Команды внутри psql:
  • \dt public.* — таблицы схему public.
  • SELECT COUNT(*) FROM public.orders; — оценка объёма.
  • SELECT * FROM public.orders LIMIT 5; — визуальная проверка.
  • SELECT order_id FROM public.orders GROUP BY 1 HAVING COUNT(*) > 1; — поиск дублей.
  • (после настройки PXF) SELECT COUNT(*) FROM public.ext_bookings_bookings; — проверка чтения из демо-БД bookings через PXF.
  • (после настройки PXF) SELECT * FROM public.ext_bookings_bookings LIMIT 5; — визуальное сравнение с таблицей bookings.bookings в исходной БД.
• Завершить \q.

6. Негативные сценарии и fallback

• Пустая таблица: запустить csv_to_greenplum_dq до csv_to_greenplum. Ожидается ошибка на таске check_orders_has_rows.
• Проблемы с подключением: временно изменить GP_HOST или GP_PORT на несуществующий, перезапустить make up, убедиться, что DAG падает с понятной ошибкой (psycopg2.OperationalError).
• Fallback без Airflow Connection: установить GP_USE_AIRFLOW_CONN=false, перезапустить стек (make down && make up), удостовериться, что загрузка и DQ работают через ENV.
• Дубликаты: дважды вызвать csv_to_greenplum — ожидаем, что количество строк в public.orders не увеличится на размер CSV, а DAG csv_to_greenplum_dq не найдёт дублей.
• PXF и демобаза bookings (после настройки PXF и выполнения make ddl-gp): временно остановить bookings-db (docker compose stop bookings-db) и попробовать выполнить SELECT COUNT(*) FROM public.ext_bookings_bookings; в make gp-psql — ожидается ошибка подключения. Затем запустить bookings-db (docker compose start bookings-db) и убедиться, что запрос снова работает.

7. Быстрый reset (если «что-то сломалось»)

• Перезапустить стенд:
  • Мягкий вариант (сохранить данные): make stop, затем make up.
  • Полный reset (очистить данные в Docker-томах): make clean, затем make up (Greenplum/Airflow/bookings будут подняты и инициализированы с нуля).
• Иногда Greenplum не стартует после «грязных» остановок (из‑за старых внутренних файлов). Лечение: всегда делайте make down перед повторным make up.

8. Снятие метрик и мониторинг

• Контейнеры: docker compose ps, docker stats (по желанию).
• Логи задач: в Airflow UI → конкретный таск → Log.
• Хостовые CSV: каталог data/ (можно открыть любой файл и убедиться в структуре).

9. Завершение работы

• make down — выключает сервисы и удаляет тома (перезапишет данные в Greenplum!).
• При необходимости сохранить данные: скопировать CSV из data/ и дампы из контейнера до make down.

Текущий статус (пример успешного прогона)

• uv run pytest -q — 11 passed, 2 smoke-теста DAG пропущены (Airflow не установлен в venv).
• make lint — проходит (DAG‑файлы отформатированы black/isort).
• Docker-стенд не запускался в рамках этой сессии; ожидается, что инструкции выше обеспечат полноценную проверку.