- Зачем:
- жесткая привязка инкремента к логической дате Airflow ({{ ds }}) приводила к пустой витрине при обработке исторических и "опоздавших" (late-arriving) данных.
- Что:
- изменена фильтрация в скрипте загрузки витрины: теперь динамически определяются даты, затронутые текущим батчем (через _load_id).
- обновлены DQ-проверки для валидации только тех дат, которые были изменены в рамках запущенного батча.
- в дизайн-документ добавлено описание паттерна работы с late-arriving facts для студентов.
- Проверка:
- запуск пайплайна "с нуля" за логическую дату 2024-01-01 приводит к корректному расчету агрегатов для исторических данных 2017 года (>8000 строк).
157 lines
5.9 KiB
SQL
157 lines
5.9 KiB
SQL
-- Загрузка DM витрины sales_report: инкрементальный UPSERT.
|
|
--
|
|
-- Паттерны для студентов:
|
|
-- - Использование TEMP TABLE: агрегация считается только ОДИН раз (канон для MPP)
|
|
-- - Инкрементальность (Batch-driven): мы читаем факты ТОЛЬКО за те дни, которые были затронуты
|
|
-- в текущем батче загрузки (по `_load_id`), что решает проблему late-arriving facts.
|
|
-- - Денормализация: города и названия тарифов тащим в витрину
|
|
-- - UPSERT: UPDATE изменившихся + INSERT новых (нужен heap для UPDATE)
|
|
-- - IS DISTINCT FROM для корректного сравнения NULL
|
|
|
|
-- Шаг 1: Считаем агрегаты для дельты (текущего батча) и кладем во временную таблицу.
|
|
-- ON COMMIT DROP гарантирует, что таблица исчезнет после завершения транзакции (Airflow сессии).
|
|
CREATE TEMP TABLE tmp_sales_report_delta ON COMMIT DROP AS
|
|
SELECT
|
|
cal.date_actual AS flight_date,
|
|
dep.airport_sk AS departure_airport_sk,
|
|
arr.airport_sk AS arrival_airport_sk,
|
|
tar.tariff_sk,
|
|
|
|
-- Денормализованные атрибуты
|
|
dep.city AS departure_city,
|
|
dep.airport_bk AS departure_airport_bk,
|
|
arr.city AS arrival_city,
|
|
arr.airport_bk AS arrival_airport_bk,
|
|
tar.fare_conditions,
|
|
|
|
-- Атрибуты календаря
|
|
cal.day_of_week,
|
|
cal.day_name,
|
|
cal.is_weekend,
|
|
|
|
-- Метрики
|
|
COUNT(*) AS tickets_sold,
|
|
SUM(CASE WHEN f.is_boarded THEN 1 ELSE 0 END) AS passengers_boarded,
|
|
SUM(f.price) AS total_revenue,
|
|
AVG(f.price) AS avg_price,
|
|
MIN(f.price) AS min_price,
|
|
MAX(f.price) AS max_price,
|
|
-- boarding_rate: делим boarded на sold с защитой от деления на 0
|
|
ROUND(
|
|
SUM(CASE WHEN f.is_boarded THEN 1 ELSE 0 END)::NUMERIC / NULLIF(COUNT(*), 0),
|
|
4
|
|
) AS boarding_rate
|
|
|
|
FROM dds.fact_flight_sales AS f
|
|
JOIN dds.dim_calendar AS cal
|
|
ON cal.calendar_sk = f.calendar_sk
|
|
JOIN dds.dim_airports AS dep
|
|
ON dep.airport_sk = f.departure_airport_sk
|
|
JOIN dds.dim_airports AS arr
|
|
ON arr.airport_sk = f.arrival_airport_sk
|
|
JOIN dds.dim_tariffs AS tar
|
|
ON tar.tariff_sk = f.tariff_sk
|
|
WHERE cal.date_actual IN (
|
|
-- ИНКРЕМЕНТАЛЬНЫЙ ФИЛЬТР: Выбираем только те даты, факты за которые обновились в текущем запуске
|
|
SELECT DISTINCT cal_sq.date_actual
|
|
FROM dds.fact_flight_sales AS f_sq
|
|
JOIN dds.dim_calendar AS cal_sq ON f_sq.calendar_sk = cal_sq.calendar_sk
|
|
WHERE f_sq._load_id = '{{ run_id }}'
|
|
)
|
|
GROUP BY
|
|
cal.date_actual,
|
|
dep.airport_sk, dep.city, dep.airport_bk,
|
|
arr.airport_sk, arr.city, arr.airport_bk,
|
|
tar.tariff_sk, tar.fare_conditions,
|
|
cal.day_of_week, cal.day_name, cal.is_weekend
|
|
DISTRIBUTED BY (departure_airport_sk, arrival_airport_sk);
|
|
|
|
-- Шаг 2: UPDATE существующих строк.
|
|
-- Обновляем метрики и денормализованные атрибуты.
|
|
UPDATE dm.sales_report AS tgt
|
|
SET
|
|
departure_city = src.departure_city,
|
|
arrival_city = src.arrival_city,
|
|
fare_conditions = src.fare_conditions,
|
|
day_of_week = src.day_of_week,
|
|
day_name = src.day_name,
|
|
is_weekend = src.is_weekend,
|
|
tickets_sold = src.tickets_sold,
|
|
passengers_boarded = src.passengers_boarded,
|
|
total_revenue = src.total_revenue,
|
|
avg_price = src.avg_price,
|
|
min_price = src.min_price,
|
|
max_price = src.max_price,
|
|
boarding_rate = src.boarding_rate,
|
|
updated_at = now(),
|
|
_load_id = '{{ run_id }}',
|
|
_load_ts = now()
|
|
FROM tmp_sales_report_delta AS src
|
|
WHERE tgt.flight_date = src.flight_date
|
|
AND tgt.departure_airport_sk = src.departure_airport_sk
|
|
AND tgt.arrival_airport_sk = src.arrival_airport_sk
|
|
AND tgt.tariff_sk = src.tariff_sk
|
|
AND (
|
|
-- Обновляем только если что-то реально изменилось
|
|
tgt.tickets_sold IS DISTINCT FROM src.tickets_sold
|
|
OR tgt.passengers_boarded IS DISTINCT FROM src.passengers_boarded
|
|
OR tgt.total_revenue IS DISTINCT FROM src.total_revenue
|
|
OR tgt.boarding_rate IS DISTINCT FROM src.boarding_rate
|
|
OR tgt.departure_city IS DISTINCT FROM src.departure_city
|
|
OR tgt.arrival_city IS DISTINCT FROM src.arrival_city
|
|
);
|
|
|
|
-- Шаг 3: INSERT новых строк (те, которых нет по составному ключу).
|
|
INSERT INTO dm.sales_report (
|
|
flight_date,
|
|
departure_airport_sk,
|
|
arrival_airport_sk,
|
|
tariff_sk,
|
|
departure_city,
|
|
departure_airport_bk,
|
|
arrival_city,
|
|
arrival_airport_bk,
|
|
fare_conditions,
|
|
day_of_week,
|
|
day_name,
|
|
is_weekend,
|
|
tickets_sold,
|
|
passengers_boarded,
|
|
total_revenue,
|
|
avg_price,
|
|
min_price,
|
|
max_price,
|
|
boarding_rate,
|
|
_load_id
|
|
)
|
|
SELECT
|
|
src.flight_date,
|
|
src.departure_airport_sk,
|
|
src.arrival_airport_sk,
|
|
src.tariff_sk,
|
|
src.departure_city,
|
|
src.departure_airport_bk,
|
|
src.arrival_city,
|
|
src.arrival_airport_bk,
|
|
src.fare_conditions,
|
|
src.day_of_week,
|
|
src.day_name,
|
|
src.is_weekend,
|
|
src.tickets_sold,
|
|
src.passengers_boarded,
|
|
src.total_revenue,
|
|
src.avg_price,
|
|
src.min_price,
|
|
src.max_price,
|
|
src.boarding_rate,
|
|
'{{ run_id }}' AS _load_id
|
|
FROM tmp_sales_report_delta AS src
|
|
WHERE NOT EXISTS (
|
|
SELECT 1
|
|
FROM dm.sales_report AS tgt
|
|
WHERE tgt.flight_date = src.flight_date
|
|
AND tgt.departure_airport_sk = src.departure_airport_sk
|
|
AND tgt.arrival_airport_sk = src.arrival_airport_sk
|
|
AND tgt.tariff_sk = src.tariff_sk
|
|
);
|