airflow-greenplum/TODO.md

TODO (maintainers / mentors)

Этот файл собирает идеи по доработке стенда, которые не критичны для текущих задач менти, но улучшат стабильность и удобство сопровождения.

Статус: ниже есть как актуальные, так и уже выполненные пункты.

• Сделать REST API Airflow основным способом тестирования ETL вместо CLI-вызовов через docker compose exec ... airflow ...:

  • обновить TESTING.md, сместив фокус на REST API сценарии;
  • оставить CLI как резервный вариант для локальной отладки;
  • проверить, что шаги тестирования воспроизводимы без входа в контейнер Airflow.

• Протестировать устойчивость bookings-db после остановки контейнеров:

  • прогнать сценарии make stop -> make up и make down -> make up;
  • зафиксировать, ломается ли генератор/данные в bookings-db;
  • при необходимости добавить шаги восстановления и обновить документацию.

• Собрать свой образ Airflow поверх apache/airflow:2.9.2:

  • вынести установку Python‑зависимостей из runtime (pip install ... при старте контейнеров) в отдельный Dockerfile;
  • переключить docker-compose.yml на использование этого образа для airflow-webserver, airflow-scheduler и airflow-init;
  • обновить документацию (README/TESTING) под новую схему сборки.

• Переключить Airflow с SequentialExecutor (SequentialScheduler) на LocalExecutor для docker‑стенда:

  • проверить, какие параметры достаточно поменять в env/конфиге (AIRFLOW__CORE__EXECUTOR) для образа apache/airflow:2.9.2;
  • убедиться, что примерные DAG’и (csv_to_greenplum, bookings_to_gp_stage) ведут себя предсказуемо в режиме параллельного исполнения;
  • при необходимости скорректировать тесты и документацию (README/TESTING) с учётом нового executor’а.

• Разобрать и стабилизировать интеграцию с Greenplum/PXF:

  • убедиться, что PXF в контейнере greenplum всегда корректно инициализируется (нет ошибок вида protocol "pxf" does not exist при первом запуске make ddl-gp);
  • при необходимости доработать init‑скрипты в pxf/init/ и/или документацию, чтобы порядок действий для ментей был однозначным и воспроизводимым;
  • добавить краткий раздел в README/TESTING о типичных ошибках PXF/Greenplum и шагах по их устранению.
  • диагностика текущего кейса: docs/internal/pxf_bookings.md (раздел «Известная проблема»).

• Разобраться с генератором demodb:

  • после make bookings-init таблица bookings.bookings остаётся пустой;
  • патчи bookings/patches/engine_jobs1_sync.patch и bookings/patches/install_drop_if_exists.patch падают при применении (hunk failed / garbage in patch);
  • из‑за этого DAG bookings_to_gp_stage валится на проверках (источник пустой).
  • план: plans/bookings-demodb-bugfix-plan.md

• Добавить раздел «Благодарности» в README.md:

  • явно поблагодарить Postgres Pro за демо‑БД bookings (репозиторий postgrespro/demodb);
  • указать автора Docker‑сборки Greenplum (woblerr/docker-greenplum, образ woblerr/greenplum);
  • при необходимости сослаться на соответствующие лицензии/README исходных проектов.

• Добавить в образ Airflow установку psql, чтобы тестировать загрузку CSV из CLI внутри контейнера (без root и дополнительных зависимостей на хосте).

• Денормализовать dds.dim_routes (добавить departure_city, arrival_city, airplane_model, total_seats):

  • привести измерение в соответствие с принципом Кимбалла («самодостаточное измерение»);
  • упростить dm.route_performance с 4-JOIN до 1-JOIN;
  • обновить DAG-зависимости: airports+airplanes DQ → routes load;
  • подробный план: docs/internal/dim_routes_denormalization_plan.md.