231 lines
18 KiB
Markdown
231 lines
18 KiB
Markdown
# Временное ТЗ по PXF для чтения данных из bookings (черновик)
|
||
|
||
_Этот файл внутренний, удалить перед итоговой сдачей._
|
||
|
||
## 1. Цель и границы
|
||
|
||
- Минимальная цель: настроить PXF в контейнере Greenplum так, чтобы из базы `bookings` (Postgres в сервисе `bookings-db`) можно было делать `SELECT` по одной внешней таблице в Greenplum.
|
||
- На этом этапе **не** делаем загрузку в постоянные таблицы Greenplum, только чтение и ручные smoke‑проверки.
|
||
- Изменения в коде/конфигурации пока планируем «на бумаге»; реализацию и правки `docker-compose.yml`/SQL/DAG делаем отдельным шагом.
|
||
|
||
## 2. Архитектура на уровне контейнеров
|
||
|
||
- `bookings-db` — Postgres 16, демо‑БД `demo` из репозитория `demodb` (источник). Доступен внутри сети Docker по имени `bookings-db` и порту `5432`.
|
||
- `greenplum` — контейнер `woblerr/greenplum:6.27.1` (GPDB 6, Ubuntu 22.04). В нём уже есть:
|
||
- Greenplum в режиме singlenode;
|
||
- установленный PXF (`/usr/local/pxf`, `pxf version release-6.10.1`);
|
||
- стартовый скрипт `/start_gpdb.sh`, который умеет включать PXF по флагу `GREENPLUM_PXF_ENABLE=true`.
|
||
- Внешний мир (IDE/pytest) подключается к Greenplum по порту `5435` на хосте (см. `docker-compose.yml`), а к `bookings-db` — по порту `${BOOKINGS_DB_PORT}` (см. `.env`).
|
||
|
||
## 3. Включение PXF в нашем стенде (дизайн)
|
||
|
||
Планируемые изменения (позже будут внесены в `docker-compose.yml`):
|
||
|
||
- В сервисе `greenplum` в секцию `environment` добавить:
|
||
- `GREENPLUM_PXF_ENABLE: "true"`.
|
||
- При первом старте с этим флагом скрипт `/start_gpdb.sh` сделает за нас:
|
||
- инициализацию PXF (`pxf cluster prepare`, `pxf cluster register`, `pxf cluster sync`);
|
||
- создание расширения `pxf` в базе `${GREENPLUM_DATABASE_NAME}` (у нас это `${GP_DB}`, по умолчанию `gp_dwh`);
|
||
- запуск `pxf cluster start` и привязку остановки/старта PXF к жизненному циклу Greenplum.
|
||
- База конфигов PXF (`PXF_BASE`) будет располагаться в `${GREENPLUM_DATA_DIRECTORY}/pxf`, в нашем compose — это `/data/pxf` на томе `greenplum_data`.
|
||
- Важно: `make down` сейчас делает `docker compose down -v`, поэтому при полном сбросе томов будут теряться и данные GP, и конфиги PXF (включая JDBC‑драйвер и `servers/*`).
|
||
|
||
## 4. JDBC‑драйвер для Postgres: где и как хранить
|
||
|
||
Задача: PXF должен уметь ходить по JDBC в `bookings-db` (Postgres). Для этого нужен PostgreSQL JDBC драйвер (`postgresql-*.jar`).
|
||
|
||
Варианты хранения драйвера:
|
||
|
||
1. **Коммитить JAR в репозиторий** и монтировать в контейнер.
|
||
- Плюсы: стенд самодостаточен, не зависит от внешних скачиваний, повторяемость выше (особенно на офлайн‑машинах или при падении зеркал).
|
||
- Минусы: лишний бинарник в учебном репо, периодически нужно обновлять версию.
|
||
2. **Скачивать JAR внутрь контейнера один раз вручную** и хранить его в томе `greenplum_data` внутри `PXF_BASE/lib`.
|
||
- Плюсы: нет бинарников в Git.
|
||
- Минусы: дополнительный шаг для студентов, зависимость от сети, нужно повторять после полного сброса томов.
|
||
|
||
Для учебного стенда окончательно выбираем вариант **(1) — JAR в репозитории**:
|
||
|
||
- В репозитории заводим каталог, например `pxf/` или `pxf/jdbc/`, и кладём туда файл `postgresql-42.7.3.jar` (фиксируем версию 42.7.3 как актуальную на момент разработки).
|
||
- В `docker-compose.yml` (на этапе реализации) смонтируем этот JAR внутрь контейнера `greenplum` в каталог `$PXF_BASE/lib`, например:
|
||
- `./pxf/postgresql-42.7.3.jar:/data/pxf/lib/postgresql-jdbc.jar:ro`.
|
||
- PXF по документации поддерживает размещение JDBC‑драйвера в `$PXF_BASE/lib` (общий для всех серверов) или в `$PXF_BASE/servers/<server>/lib` (локальный для сервера). Для простоты используем общий каталог `$PXF_BASE/lib`.
|
||
- Для студентов не будет лишних подготовительных шагов: после `make up` и инициализации конфигов PXF драйвер уже на месте.
|
||
|
||
Договорённость для реализации:
|
||
|
||
- Путь в репозитории: условно `pxf/postgresql-42.7.3.jar`.
|
||
- Путь внутри контейнера: `/data/pxf/lib/postgresql-jdbc.jar` (через bind‑mount, read‑only).
|
||
- Обновление драйвера в будущем — ручная операция (заменить JAR в `pxf/` и скорректировать путь в `docker-compose.yml` при необходимости).
|
||
|
||
## 5. Сервер PXF для bookings-db (jdbc-site.xml)
|
||
|
||
PXF использует концепцию «серверов» (`servers/<имя>`), где для каждого сервера хранится свой конфиг подключения (в т.ч. JDBC).
|
||
|
||
План:
|
||
|
||
- Создать сервер с именем `bookings-db` (название привязываем к сервису Docker, чтобы не путаться).
|
||
- Конфиг храним в репозитории, например в файле:
|
||
- `pxf/servers/bookings-db/jdbc-site.xml`.
|
||
- В контейнере этот файл будет доступен как:
|
||
- `/data/pxf/servers/bookings-db/jdbc-site.xml` (bind‑mount read‑only).
|
||
- Внутри прописываем параметры подключения к демо‑БД `demo` в Postgres `bookings-db`.
|
||
|
||
Черновой шаблон `jdbc-site.xml` (значения логина/пароля берём из `.env.example`, блок `BOOKINGS_DB_*` — для учебного стенда допускаем хардкод тех же дефолтных значений):
|
||
|
||
```xml
|
||
<?xml version="1.0" encoding="UTF-8"?>
|
||
<configuration>
|
||
|
||
<property>
|
||
<name>jdbc.driver</name>
|
||
<value>org.postgresql.Driver</value>
|
||
</property>
|
||
|
||
<property>
|
||
<name>jdbc.url</name>
|
||
<value>jdbc:postgresql://bookings-db:5432/demo</value>
|
||
</property>
|
||
|
||
<property>
|
||
<name>jdbc.user</name>
|
||
<value>${BOOKINGS_DB_USER}</value>
|
||
</property>
|
||
|
||
<property>
|
||
<name>jdbc.password</name>
|
||
<value>${BOOKINGS_DB_PASSWORD}</value>
|
||
</property>
|
||
|
||
</configuration>
|
||
```
|
||
|
||
Замечания:
|
||
|
||
- В реальном файле `pxf/servers/bookings-db/jdbc-site.xml` логин и пароль будут прописаны строками, совпадающими с дефолтами из `.env.example` (`BOOKINGS_DB_USER=bookings`, `BOOKINGS_DB_PASSWORD=bookings`). Это упрощает старт стенда для студентов.
|
||
- Если студент поменяет креды `BOOKINGS_DB_USER`/`BOOKINGS_DB_PASSWORD` в своём `.env`, он должен **также** поменять их в `pxf/servers/bookings-db/jdbc-site.xml`, иначе PXF не сможет подключиться к источнику.
|
||
- Адрес `bookings-db:5432` — имя сервиса и внутренний порт Postgres внутри сети `docker compose`. Внешний порт (`${BOOKINGS_DB_PORT:-5434}`) здесь не используется.
|
||
- При стандартном сценарии (конфиг монтируется read‑only) PXF подхватывает `jdbc-site.xml` при первой инициализации/старте. Если конфиг внутри контейнера всё‑таки меняли вручную, для надёжности можно выполнить:
|
||
```bash
|
||
pxf cluster sync
|
||
pxf cluster restart
|
||
```
|
||
чтобы PXF подхватил новые настройки.
|
||
|
||
## 6. Внешняя таблица в Greenplum (только для чтения)
|
||
|
||
Задача: завести одну external‑таблицу в Greenplum, которая читает данные из демо‑БД `demo` через PXF/JDBC.
|
||
|
||
Дизайн:
|
||
|
||
- Имя таблицы в Greenplum: `public.ext_bookings_bookings` (подчёркиваем, что это внешнее представление таблицы `bookings.bookings` из Postgres).
|
||
- Схема колонок должна совпадать со схемой исходной таблицы в `demo` (её нужно будет аккуратно выписать отдельным шагом, через `\d bookings.bookings` в `bookings-db`).
|
||
- Локация PXF:
|
||
- `PROFILE=JDBC` — используем JDBC‑профиль.
|
||
- `SERVER=bookings-db` — имя сервера из `jdbc-site.xml`.
|
||
|
||
Черновой шаблон DDL (без конкретных типов, заполним позже по реальной схеме; предполагается, что финальный DDL ляжет в `sql/ddl_gp.sql`, чтобы применяться через `make ddl-gp`):
|
||
|
||
```sql
|
||
CREATE EXTERNAL TABLE public.ext_bookings_bookings (
|
||
-- TODO: колонки как в bookings.bookings (будет уточнено)
|
||
)
|
||
LOCATION ('pxf://bookings.bookings?PROFILE=JDBC&SERVER=bookings-db')
|
||
FORMAT 'CUSTOM' (formatter='pxfwritable_import');
|
||
```
|
||
|
||
Комментарии:
|
||
|
||
- На этапе реализации нужно будет:
|
||
- в `bookings-db` посмотреть структуру основного факт‑табличного объекта (скорее всего `bookings.bookings`) и перенести DDL;
|
||
- проверить типы дат/чисел, чтобы избежать сюрпризов на стороне GP.
|
||
- Для MVP достаточно одной таблицы; позже можно добавить ещё 1–2 внешние таблицы для примеров (например, справочники).
|
||
|
||
## 7. План тестирования (без дополнительных make‑таргетов)
|
||
|
||
Цель тестов: показать студентам, что PXF настроен корректно и позволяет читать данные; при этом не плодить отдельные `make`‑цели, а использовать уже существующие (`make up`, `make bookings-init`, `make gp-psql`).
|
||
|
||
### 7.1. Позитивный сценарий (smoke)
|
||
|
||
Предварительные условия:
|
||
|
||
- `.env` скопирован из `.env.example` и не изменял дефолтные креды для `bookings-db` (`BOOKINGS_DB_USER=bookings`, `BOOKINGS_DB_PASSWORD=bookings`).
|
||
- В `docker-compose.yml` включён PXF (`GREENPLUM_PXF_ENABLE=true` в сервисе `greenplum`).
|
||
- Для `bookings-db` уже выполнен `make bookings-init` (есть данные в `demo`).
|
||
- JAR драйвера (`pxf/postgresql-42.7.3.jar`) и файл `jdbc-site.xml` (`pxf/servers/bookings-db/jdbc-site.xml`) присутствуют в репозитории (они будут автоматически смонтированы в `/data/pxf/lib` и `/data/pxf/servers/bookings-db`).
|
||
- DDL внешней таблицы `public.ext_bookings_bookings` добавлен в `sql/ddl_gp.sql` и применяется через `make ddl-gp`.
|
||
|
||
Шаги (в будущем попадут в `TESTING.md`):
|
||
|
||
1. Поднять стенд:
|
||
- `make up`
|
||
- дождаться healthcheck‑ов `pgmeta` и `greenplum`.
|
||
2. Инициализировать Airflow (если ещё не делали):
|
||
- `make airflow-init`.
|
||
3. Подготовить демо‑БД bookings:
|
||
- `make bookings-init`.
|
||
4. Применить DDL в Greenplum (создать таблицы, включая внешнюю `public.ext_bookings_bookings`):
|
||
- `make ddl-gp`.
|
||
5. Зайти в Greenplum:
|
||
- `make gp-psql`.
|
||
6. Проверить, что расширение PXF присутствует:
|
||
- `\dx pxf`.
|
||
7. Выполнить простые запросы:
|
||
- `SELECT COUNT(*) FROM public.ext_bookings_bookings;`
|
||
- `SELECT * FROM public.ext_bookings_bookings LIMIT 5;`
|
||
|
||
Ожидаемый результат:
|
||
|
||
- Запросы выполняются без ошибок, возвращают ненулевое количество строк.
|
||
- Структура данных визуально совпадает с данными в `bookings-db` (можно дополнительно открыть `bookings-psql` и сравнить).
|
||
|
||
### 7.2. Негативный сценарий (отказ источника)
|
||
|
||
Цель: показать, как выглядит ошибка, если источник недоступен, и что с этим делать.
|
||
|
||
Шаги:
|
||
|
||
1. При работающем стенде остановить только `bookings-db`:
|
||
- `docker compose stop bookings-db`.
|
||
2. В `make gp-psql` попробовать снова:
|
||
- `SELECT 1 FROM public.ext_bookings_bookings LIMIT 1;`
|
||
|
||
Ожидаемый результат:
|
||
|
||
- Запрос падает с ошибкой подключения к Postgres (через JDBC/pxf).
|
||
- В `TESTING.md` планируем добавить короткую подсказку: «если видите ошибку подключения — убедитесь, что запущен сервис `bookings-db` (`docker compose start bookings-db`) и повторите запрос».
|
||
|
||
### 7.3. Идея для автоматического smoke‑теста (на будущее)
|
||
|
||
На будущее (не в рамках текущего этапа) можно добавить простой e2e‑тест в `tests/`, который:
|
||
|
||
- с помощью `psycopg2` коннектится к Greenplum (`GP_*` из `.env`);
|
||
- выполняет `SELECT 1 FROM public.ext_bookings_bookings LIMIT 1`;
|
||
- помечен как «integration» и запускается только по явному желанию (например, через отдельный маркер или переменную окружения).
|
||
|
||
Пока это остаётся идеей: сначала реализуем базовую конфигурацию PXF и ручной smoke‑чек‑лист.
|
||
|
||
## 8. Открытые вопросы / TODO
|
||
|
||
- Уточнить целевую таблицу(ы) в `demo` для внешнего представления (скорее всего `bookings.bookings`), аккуратно выписать DDL и обновить шаблон из раздела 6.
|
||
- При переносе DDL проверить типы дат/времени, чтобы не получить неожиданный сдвиг по часовому поясу (см. `docs/internal/bookings_tz.md`).
|
||
- При необходимости добавить интеграционный тест по мотивам раздела 7.3 (по отдельному маркеру/флагу).
|
||
|
||
## 9. Практические детали и нюансы
|
||
|
||
- **Таймзона**:
|
||
- Для единообразия логов и данных задаём `TZ=Europe/Moscow` (GMT+3) в `.env.example` и пробрасываем эту переменную в контейнеры `pgmeta`, `bookings-db`, `greenplum`, `airflow-webserver`, `airflow-scheduler`.
|
||
- При проверке данных через PXF имеет смысл сравнивать выборки по времени между `bookings-db` и Greenplum, опираясь на договорённости из `docs/internal/bookings_tz.md`.
|
||
- **Поведение при `make down`**:
|
||
- `make down` вызывает `docker compose down -v`, что удаляет все тома, включая `greenplum_data` (`/data` в контейнере).
|
||
- При следующем `make up` Greenplum и PXF будут инициализироваться с нуля, но:
|
||
- JAR и `jdbc-site.xml` возьмутся из репозитория и снова смонтируются в `/data/pxf/...`;
|
||
- `make ddl-gp` снова создаст внешнюю таблицу `public.ext_bookings_bookings`.
|
||
- То есть после полного ресета студенту достаточно повторить цепочку `make up` → `make airflow-init` → `make bookings-init` → `make ddl-gp`.
|
||
- **Где искать логи при проблемах с PXF**:
|
||
- Логи PXF: в контейнере `greenplum` под пользователем `gpadmin` в каталоге `${PXF_BASE}/logs` (по умолчанию `/data/pxf/logs`).
|
||
- Логи Greenplum: в `${GREENPLUM_DATA_DIRECTORY}/master/.../pg_log` (например, `/data/master/gpseg-1/pg_log` для GP6).
|
||
- При ошибках подключения к `bookings-db` полезно:
|
||
- проверить, что контейнер `bookings-db` работает (`docker compose ps`);
|
||
- сверить креды в `.env` и `pxf/servers/bookings-db/jdbc-site.xml`;
|
||
- посмотреть сообщения в `/data/pxf/logs`.
|