Files
airflow-greenplum/tests/test_dags_smoke.py
T
ddadmin 85fea19818 feat(ods): реализован ODS слой и DAG загрузки из STG
- Зачем:
  - подготовлена учебная реализация ODS слоя с типизацией, UPSERT и DQ, чтобы продолжить работу от STG к DDS/DM.
- Что:
  - добавлены SQL-скрипты `sql/ods/*_ddl.sql`, `sql/ods/*_load.sql`, `sql/ods/*_dq.sql` для 9 сущностей bookings.
  - добавлены DAG `bookings_ods_ddl` и `bookings_to_gp_ods`, а также smoke-тесты для новых графов.
  - ODS DDL интегрирован в `sql/ddl_gp.sql`; документация и план обновлены под единый запуск через `make ddl-gp`.
- Проверка:
  - `make test`.
  - `make ddl-gp`.
2026-02-28 22:13:11 +03:00

300 lines
12 KiB
Python

from __future__ import annotations
import importlib
import pytest
def _airflow_available() -> bool:
try:
af = importlib.import_module("airflow")
except Exception:
return False
# Real Airflow exposes DAG at top-level
return hasattr(af, "DAG")
pytestmark = pytest.mark.skipif(
not _airflow_available(), reason="Airflow is not installed for DAG smoke tests"
)
def _load_dag(module_name: str):
mod = importlib.import_module(module_name)
assert hasattr(mod, "dag"), f"{module_name} must expose variable 'dag'"
return getattr(mod, "dag")
def _assert_direct_edge(dag, upstream_task_id: str, downstream_task_id: str) -> None:
upstream = dag.get_task(upstream_task_id)
downstream = dag.get_task(downstream_task_id)
assert downstream in upstream.get_direct_relatives(
upstream=False
), f"Expected direct edge {upstream_task_id} -> {downstream_task_id}"
def _assert_reachable(dag, upstream_task_id: str, downstream_task_id: str) -> None:
upstream = dag.get_task(upstream_task_id)
downstream = dag.get_task(downstream_task_id)
assert downstream in upstream.get_flat_relatives(
upstream=False
), f"Expected {downstream_task_id} to be downstream of {upstream_task_id}"
def test_csv_to_greenplum_dag_structure():
dag = _load_dag("airflow.dags.csv_to_greenplum")
# tasks
expected_tasks = {
"create_orders_table",
"generate_csv",
"preview_csv",
"load_csv_to_greenplum",
}
assert expected_tasks.issubset(dag.task_dict.keys())
# linear dependencies
t1 = dag.get_task("create_orders_table")
t2 = dag.get_task("generate_csv")
t3 = dag.get_task("preview_csv")
t4 = dag.get_task("load_csv_to_greenplum")
assert t2 in t1.get_direct_relatives(upstream=False)
assert t3 in t2.get_direct_relatives(upstream=False)
assert t4 in t3.get_direct_relatives(upstream=False)
def test_csv_to_greenplum_dq_dag_structure():
dag = _load_dag("airflow.dags.csv_to_greenplum_dq")
expected_tasks = {
"check_orders_table_exists",
"check_orders_schema",
"check_orders_has_rows",
"check_order_duplicates",
"data_quality_summary",
}
assert expected_tasks.issubset(dag.task_dict.keys())
e = dag.get_task("check_orders_table_exists")
s = dag.get_task("check_orders_schema")
h = dag.get_task("check_orders_has_rows")
d = dag.get_task("check_order_duplicates")
q = dag.get_task("data_quality_summary")
assert s in e.get_direct_relatives(upstream=False)
assert h in s.get_direct_relatives(upstream=False)
assert d in h.get_direct_relatives(upstream=False)
assert q in d.get_direct_relatives(upstream=False)
def test_bookings_stg_ddl_dag_structure():
"""Проверка структуры DAG bookings_stg_ddl."""
dag = _load_dag("airflow.dags.bookings_stg_ddl")
expected_tasks = {
"apply_stg_bookings_ddl",
"apply_stg_tickets_ddl",
"apply_stg_airports_ddl",
"apply_stg_airplanes_ddl",
"apply_stg_routes_ddl",
"apply_stg_seats_ddl",
"apply_stg_flights_ddl",
"apply_stg_segments_ddl",
"apply_stg_boarding_passes_ddl",
}
assert expected_tasks.issubset(dag.task_dict.keys())
# Smoke-test графа: проверяем ключевые инварианты, не фиксируя линейный порядок.
# Это позволяет в будущем распараллеливать независимые DDL-задачи.
_assert_reachable(dag, "apply_stg_bookings_ddl", "apply_stg_tickets_ddl")
for task_id in expected_tasks - {"apply_stg_bookings_ddl"}:
_assert_reachable(dag, "apply_stg_bookings_ddl", task_id)
def test_bookings_to_gp_stage_dag_structure():
"""Проверка структуры DAG bookings_to_gp_stage."""
dag = _load_dag("airflow.dags.bookings_to_gp_stage")
expected_tasks = {
"generate_bookings_day",
"load_bookings_to_stg",
"check_row_counts",
"load_tickets_to_stg",
"check_tickets_dq",
"load_airports_to_stg",
"check_airports_dq",
"load_airplanes_to_stg",
"check_airplanes_dq",
"load_routes_to_stg",
"check_routes_dq",
"load_seats_to_stg",
"check_seats_dq",
"load_flights_to_stg",
"check_flights_dq",
"load_segments_to_stg",
"check_segments_dq",
"load_boarding_passes_to_stg",
"check_boarding_passes_dq",
"finish_summary",
}
assert expected_tasks.issubset(dag.task_dict.keys())
# Smoke-test графа: проверяем инварианты, не фиксируя линейный порядок.
# Это позволяет в будущем распараллеливать независимые загрузки справочников/транзакций.
# Базовая цепочка должна сохраниться: генерация → bookings → DQ → tickets → DQ.
_assert_reachable(dag, "generate_bookings_day", "load_bookings_to_stg")
_assert_reachable(dag, "load_bookings_to_stg", "check_row_counts")
_assert_reachable(dag, "check_row_counts", "load_tickets_to_stg")
_assert_reachable(dag, "load_tickets_to_stg", "check_tickets_dq")
# Инвариант "load → dq" для каждой таблицы.
load_to_dq = [
("load_bookings_to_stg", "check_row_counts"),
("load_tickets_to_stg", "check_tickets_dq"),
("load_airports_to_stg", "check_airports_dq"),
("load_airplanes_to_stg", "check_airplanes_dq"),
("load_routes_to_stg", "check_routes_dq"),
("load_seats_to_stg", "check_seats_dq"),
("load_flights_to_stg", "check_flights_dq"),
("load_segments_to_stg", "check_segments_dq"),
("load_boarding_passes_to_stg", "check_boarding_passes_dq"),
]
for load_task_id, dq_task_id in load_to_dq:
_assert_direct_edge(dag, load_task_id, dq_task_id)
# Барьеры по данным (не обязательно прямые рёбра).
# routes_dq использует airports/airplanes текущего batch_id.
_assert_reachable(dag, "check_airports_dq", "check_routes_dq")
_assert_reachable(dag, "check_airplanes_dq", "check_routes_dq")
# seats_dq использует airplanes текущего batch_id.
_assert_reachable(dag, "check_airplanes_dq", "check_seats_dq")
# flights_dq использует routes текущего batch_id.
_assert_reachable(dag, "check_routes_dq", "check_flights_dq")
# segments_dq проверяет наличие flights (STG-история); для первой загрузки flights должны быть до segments.
_assert_reachable(dag, "check_flights_dq", "check_segments_dq")
# boarding_passes_dq проверяет наличие segments/tickets (STG-история); для первой загрузки segments должны быть до DQ.
_assert_reachable(dag, "check_segments_dq", "check_boarding_passes_dq")
# Финальная сводка должна быть в конце графа (обе ветки).
_assert_reachable(dag, "check_boarding_passes_dq", "finish_summary")
_assert_reachable(dag, "check_seats_dq", "finish_summary")
# Параллельность: airports и airplanes оба downstream от check_tickets_dq,
# но НЕ зависят друг от друга (ни прямо, ни транзитивно).
_assert_reachable(dag, "check_tickets_dq", "load_airports_to_stg")
_assert_reachable(dag, "check_tickets_dq", "load_airplanes_to_stg")
airports = dag.get_task("load_airports_to_stg")
airplanes = dag.get_task("load_airplanes_to_stg")
assert airplanes not in airports.get_flat_relatives(
upstream=False
), "airports не должен быть upstream для airplanes"
assert airports not in airplanes.get_flat_relatives(
upstream=False
), "airplanes не должен быть upstream для airports"
def test_bookings_ods_ddl_dag_structure():
"""Проверка структуры DAG bookings_ods_ddl."""
dag = _load_dag("airflow.dags.bookings_ods_ddl")
expected_tasks = {
"apply_ods_airports_ddl",
"apply_ods_airplanes_ddl",
"apply_ods_routes_ddl",
"apply_ods_seats_ddl",
"apply_ods_bookings_ddl",
"apply_ods_tickets_ddl",
"apply_ods_flights_ddl",
"apply_ods_segments_ddl",
"apply_ods_boarding_passes_ddl",
}
assert expected_tasks.issubset(dag.task_dict.keys())
_assert_reachable(dag, "apply_ods_airports_ddl", "apply_ods_airplanes_ddl")
for task_id in expected_tasks - {"apply_ods_airports_ddl"}:
_assert_reachable(dag, "apply_ods_airports_ddl", task_id)
def test_bookings_to_gp_ods_dag_structure():
"""Проверка структуры DAG bookings_to_gp_ods."""
dag = _load_dag("airflow.dags.bookings_to_gp_ods")
expected_tasks = {
"resolve_stg_batch_id",
"load_ods_bookings",
"dq_ods_bookings",
"load_ods_tickets",
"dq_ods_tickets",
"load_ods_airports",
"dq_ods_airports",
"load_ods_airplanes",
"dq_ods_airplanes",
"load_ods_routes",
"dq_ods_routes",
"load_ods_seats",
"dq_ods_seats",
"load_ods_flights",
"dq_ods_flights",
"load_ods_segments",
"dq_ods_segments",
"load_ods_boarding_passes",
"dq_ods_boarding_passes",
"finish_ods_summary",
}
assert expected_tasks.issubset(dag.task_dict.keys())
# Базовая цепочка транзакций.
_assert_reachable(dag, "resolve_stg_batch_id", "load_ods_bookings")
_assert_reachable(dag, "load_ods_bookings", "dq_ods_bookings")
_assert_reachable(dag, "dq_ods_bookings", "load_ods_tickets")
_assert_reachable(dag, "load_ods_tickets", "dq_ods_tickets")
# Инвариант "load -> dq" для каждой таблицы.
load_to_dq = [
("load_ods_bookings", "dq_ods_bookings"),
("load_ods_tickets", "dq_ods_tickets"),
("load_ods_airports", "dq_ods_airports"),
("load_ods_airplanes", "dq_ods_airplanes"),
("load_ods_routes", "dq_ods_routes"),
("load_ods_seats", "dq_ods_seats"),
("load_ods_flights", "dq_ods_flights"),
("load_ods_segments", "dq_ods_segments"),
("load_ods_boarding_passes", "dq_ods_boarding_passes"),
]
for load_task_id, dq_task_id in load_to_dq:
_assert_direct_edge(dag, load_task_id, dq_task_id)
# Справочники стартуют параллельно и не зависят друг от друга.
_assert_reachable(dag, "resolve_stg_batch_id", "load_ods_airports")
_assert_reachable(dag, "resolve_stg_batch_id", "load_ods_airplanes")
airports = dag.get_task("load_ods_airports")
airplanes = dag.get_task("load_ods_airplanes")
assert airplanes not in airports.get_flat_relatives(
upstream=False
), "airports не должен быть upstream для airplanes"
assert airports not in airplanes.get_flat_relatives(
upstream=False
), "airplanes не должен быть upstream для airports"
# Барьеры по данным.
_assert_reachable(dag, "dq_ods_airports", "dq_ods_routes")
_assert_reachable(dag, "dq_ods_airplanes", "dq_ods_routes")
_assert_reachable(dag, "dq_ods_airplanes", "dq_ods_seats")
_assert_reachable(dag, "dq_ods_routes", "dq_ods_flights")
_assert_reachable(dag, "dq_ods_flights", "dq_ods_segments")
_assert_reachable(dag, "dq_ods_tickets", "dq_ods_segments")
_assert_reachable(dag, "dq_ods_segments", "dq_ods_boarding_passes")
# Финальная сводка должна ждать обе ветки.
_assert_reachable(dag, "dq_ods_boarding_passes", "finish_ods_summary")
_assert_reachable(dag, "dq_ods_seats", "finish_ods_summary")