docs(airflow): обновлены практические задания

- Зачем:
  - упражнения должны быть понятнее и соответствовать ожидаемому уровню сложности.
- Что:
  - добавлены подсказки и описания подводных камней.
  - упрощены задания по отчетам, мониторингу и логированию.
- Проверка:
  - git diff --check.

airflow-docker/.gitignore

@@ -6,5 +6,7 @@ __pycache__/
 */__pycache__/
 *.pyc
 .venv/
+venv/
+data/*.csv
 data/output/
 data/input/

airflow-docker/README.md

@@ -36,7 +36,7 @@ docker-compose up -d
   - Пользователь: `student`
   - Пароль: `student`
 
-- **PostgreSQL для метаданных Airflow**: `localhost:5433`
+- **PostgreSQL для метаданных Airflow**: `localhost:5434`
   - База данных: `airflow`
   - Пользователь: `airflow`
   - Пароль: `airflow`
@@ -96,12 +96,14 @@ airflow-docker/
 │   ├── hello_world_dag.py      # Базовый пример
 │   ├── sql_basic_dag.py        # Работа с SQL
 │   ├── file_operations_dag.py  # Обработка файлов
-│   ├── data_processing_dag.py  # ETL пайплайн
+│   ├── csv_to_postgres.py      # Загрузка CSV в Postgres (ETL)
+│   ├── csv_to_postgres_dq.py   # Проверки качества данных (DQ)
+│   ├── data_processing_dag.py  # Сложный ETL пайплайн
 │   ├── branching_dag.py        # Условная логика
 │   └── error_handling_dag.py   # Обработка ошибок
-├── data/                       # Данные для упражнений
+├── data/                       # Данные и артефакты прогонов
 │   ├── input/                  # Входные данные
-│   └── output/                 # Результаты обработки
+│   └── output/                 # Сгенерированные CSV, отчеты и результаты обработки
 ├── logs/                       # Логи Airflow
 ├── README.md                   # Эта инструкция
 └── educational-tasks.md        # Практические задания для студентов
@@ -129,6 +131,8 @@ airflow-docker/
 
 **Примеры DAG:**
 - `file_operations_dag.py` - работа с файлами
+- `csv_to_postgres.py` - загрузка данных из CSV в PostgreSQL
+- `csv_to_postgres_dq.py` - автоматизированные проверки качества (Data Quality)
 - `data_processing_dag.py` - ETL процессы
 
 ### Продвинутые возможности
@@ -159,8 +163,9 @@ airflow-docker/
 1. **Начните с `hello_world_dag.py`** - освоите основы Airflow
 2. **Перейдите к `sql_basic_dag.py`** - изучите работу с базами данных
 3. **Попрактикуйтесь на `file_operations_dag.py`** - работа с файлами
-4. **Освойте ETL на `data_processing_dag.py`** - обработка данных
-5. **Изучите продвинутые темы** - ветвление и обработка ошибок
+4. **Освойте ETL и DQ на `csv_to_postgres.py` и `csv_to_postgres_dq.py`** - загрузка и валидация данных
+5. **Разберите сложный ETL на `data_processing_dag.py`** - обработка данных
+6. **Изучите продвинутые темы** - ветвление и обработка ошибок
 
 Каждое задание содержит:
 - Цель и сложность выполнения
@@ -188,12 +193,14 @@ airflow-docker/
 docker-compose exec airflow-webserver airflow connections get postgres_training
 ```
 
+`csv_to_postgres.py` по умолчанию складывает сгенерированные CSV в `/opt/airflow/data/output`, то есть в локальный каталог `airflow-docker/data/output/`.
+
 
 ### Порты
 
 - `8080` - Airflow Webserver
 - `5432` - PostgreSQL для тренировок
-- `5433` - PostgreSQL для метаданных Airflow
+- `5434` - PostgreSQL для метаданных Airflow
 
 ## 🛠️ Управление стендом
 

airflow-docker/dag-specifications.md

@@ -89,7 +89,60 @@ id,name,department,salary
 3,Charlie,Sales,48000
 ```
 
-#### 2.2 data_processing_dag.py
+#### 2.2 csv_to_postgres.py
+**Learning Objectives:**
+- Load CSV data into PostgreSQL database
+- Implement idempotent loading via temporary table
+- Use XCom for passing file paths between tasks
+- Work with PostgreSQL connections in Airflow
+
+**Scenario:**
+Generate sample orders data as CSV, preview it, and load it into PostgreSQL.
+
+**Tasks:**
+- `create_orders_table`: Create public.orders table in PostgreSQL
+- `generate_csv`: Generate sample orders CSV file
+- `preview_csv`: Display first few rows of CSV
+- `load_csv_to_postgres`: Load CSV data into PostgreSQL using temporary table
+
+**Database Connection:** Uses `postgres_training` connection (auto-provisioned by init script).
+**Generated Files:** CSV files are written to `/opt/airflow/data/output/`.
+
+**Sample Data Structure:**
+```csv
+order_id,order_ts,customer_id,amount
+1,2023-10-01 10:30:00,101,1250.50
+2,2023-10-01 11:45:00,102,890.00
+3,2023-10-02 09:15:00,103,2100.75
+```
+
+**Data Quality Checks:** Run `csv_to_postgres_dq.py` after loading to validate the target table.
+
+#### 2.3 csv_to_postgres_dq.py
+**Learning Objectives:**
+- Implement data quality validation in Airflow
+- Use Python functions for data checks
+- Handle data quality failures
+- Separate validation from main ETL pipeline
+
+**Scenario:**
+Run automated data quality checks on the public.orders table after CSV loading.
+
+**Tasks:**
+- `check_table_exists`: Verify public.orders table exists
+- `check_schema`: Validate table schema matches expected structure
+- `check_row_count`: Ensure table has data
+- `check_duplicates`: Verify no duplicate order_id values
+
+**Quality Checks:**
+- Table existence in public schema
+- Column names and data types (order_id, order_ts, customer_id, amount)
+- Minimum row count (> 0)
+- Unique order_id values (no duplicates)
+
+**Helper Functions:** All DQ check functions are defined directly in `csv_to_postgres_dq.py`.
+
+#### 2.4 data_processing_dag.py
 **Learning Objectives:**
 - ETL pipeline concepts
 - Multiple data sources

airflow-docker/dags/csv_to_postgres.py

@@ -0,0 +1,173 @@
+from __future__ import annotations
+
+import logging
+import os
+import random
+from datetime import UTC, datetime, timedelta
+from pathlib import Path
+import pandas as pd
+from airflow.operators.python import PythonOperator
+from airflow.providers.postgres.hooks.postgres import PostgresHook
+
+from airflow import DAG
+
+POSTGRES_CONN_ID = "postgres_training"
+
+
+def _get_conn():
+    return PostgresHook(postgres_conn_id=POSTGRES_CONN_ID).get_conn()
+
+CSV_DIR = Path(os.getenv("CSV_DIR", "/opt/airflow/data/output"))
+CSV_ROWS = int(os.getenv("CSV_ROWS", "1000"))
+
+
+def _create_table() -> None:
+    """Создаёт таблицу public.orders, если она ещё не существует."""
+    ddl = """
+    CREATE TABLE IF NOT EXISTS public.orders (
+        order_id BIGINT PRIMARY KEY,
+        order_ts TIMESTAMP NOT NULL,
+        customer_id BIGINT NOT NULL,
+        amount NUMERIC(12,2) NOT NULL
+    );
+    """
+    conn = _get_conn()
+    try:
+        with conn.cursor() as cur:
+            cur.execute(ddl)
+            conn.commit()
+    finally:
+        conn.close()
+
+
+def _generate_csv(rows: int, csv_dir: Path) -> str:
+    """Генерирует CSV c заказами с помощью pandas и сохраняет на диск."""
+    csv_dir.mkdir(parents=True, exist_ok=True)
+    timestamp = datetime.now(UTC).strftime("%Y%m%d_%H%M%S")
+    csv_path = csv_dir / f"orders_{timestamp}.csv"
+
+    # Генерируем данные в pandas-стиле
+    base_order_id = int(datetime.now(UTC).timestamp() * 1_000)
+
+    # Создаём DataFrame с использованием pandas методов
+    df = pd.DataFrame(
+        {
+            # Уникальные order_id начиная с базового значения
+            "order_id": pd.Series(
+                range(base_order_id, base_order_id + rows), dtype="int64"
+            ),
+            # Временные метки с интервалом в 1 секунду в обратном порядке
+            "order_ts": pd.date_range(
+                end=datetime.now(UTC), periods=rows, freq="1S"
+            ).sort_values(ascending=False),
+            # Случайные customer_id от 1 до 1000
+            "customer_id": pd.Series(
+                random.choices(range(1, 1001), k=rows), dtype="int64"
+            ),
+            # Случайные суммы от 10 до 500 с округлением до 2 знаков
+            "amount": pd.Series(
+                [round(random.uniform(10, 500), 2) for _ in range(rows)],
+                dtype="float64",
+            ),
+        }
+    )
+
+    # Сохраняем CSV без индекса
+    df.to_csv(csv_path, index=False)
+    logging.info("CSV сохранён: %s (строк: %s)", csv_path, len(df))
+    return str(csv_path)
+
+
+def _preview_csv(csv_path: str, sample_rows: int = 5) -> None:
+    """Отображает предпросмотр CSV через pandas (head и describe)."""
+    df = pd.read_csv(csv_path)
+    df["order_ts"] = pd.to_datetime(df["order_ts"], errors="coerce")
+    logging.info(
+        "Первые %s строк:\n%s", sample_rows, df.head(sample_rows).to_string(index=False)
+    )
+    numeric_summary = df.describe(include="number")
+    logging.info("Числовая статистика:\n%s", numeric_summary.to_string())
+    if df["order_ts"].notna().any():
+        logging.info(
+            "Диапазон order_ts: %s → %s",
+            df["order_ts"].min().isoformat(),
+            df["order_ts"].max().isoformat(),
+        )
+
+
+def _load_csv(csv_path: str) -> None:
+    """Загружает CSV в Postgres через временную таблицу и anti-join."""
+    csv_file = Path(csv_path)
+    if not csv_file.exists():
+        raise FileNotFoundError(f"CSV не найден: {csv_file}")
+
+    conn = _get_conn()
+    try:
+        with conn.cursor() as cur, csv_file.open("r", encoding="utf-8") as f:
+            cur.execute(
+                "CREATE TEMP TABLE tmp_orders (LIKE public.orders INCLUDING DEFAULTS) ON COMMIT DROP;"
+            )
+            cur.copy_expert(
+                "COPY tmp_orders (order_id, order_ts, customer_id, amount) FROM STDIN WITH CSV HEADER",
+                f,
+            )
+
+            cur.execute("SELECT COUNT(*) FROM tmp_orders")
+            tmp_rows = cur.fetchone()[0]
+
+            cur.execute(
+                """
+                INSERT INTO public.orders(order_id, order_ts, customer_id, amount)
+                SELECT t.order_id, t.order_ts, t.customer_id, t.amount
+                FROM tmp_orders t
+                LEFT JOIN public.orders o ON o.order_id = t.order_id
+                WHERE o.order_id IS NULL
+                """
+            )
+            inserted = cur.rowcount if cur.rowcount != -1 else 0
+            conn.commit()
+    finally:
+        conn.close()
+
+    logging.info("Загружено строк: %s (прочитано из CSV: %s)", inserted, tmp_rows)
+
+
+default_args = {"owner": "airflow", "retries": 1, "retry_delay": timedelta(seconds=30)}
+
+with DAG(
+    dag_id="csv_to_postgres",
+    start_date=datetime(2023, 1, 1),
+    schedule=None,
+    catchup=False,
+    default_args=default_args,
+    tags=["demo", "postgres", "csv"],
+) as dag:
+    create_table = PythonOperator(
+        task_id="create_orders_table",
+        python_callable=_create_table,
+    )
+
+    generate_csv = PythonOperator(
+        task_id="generate_csv",
+        python_callable=_generate_csv,
+        op_kwargs={"rows": CSV_ROWS, "csv_dir": CSV_DIR},
+    )
+
+    preview_csv = PythonOperator(
+        task_id="preview_csv",
+        python_callable=_preview_csv,
+        op_kwargs={
+            "csv_path": "{{ ti.xcom_pull(task_ids='generate_csv') }}",
+            "sample_rows": 5,
+        },
+    )
+
+    load_csv = PythonOperator(
+        task_id="load_csv_to_postgres",
+        python_callable=_load_csv,
+        op_kwargs={
+            "csv_path": "{{ ti.xcom_pull(task_ids='generate_csv') }}",
+        },
+    )
+
+    create_table >> generate_csv >> preview_csv >> load_csv

airflow-docker/dags/csv_to_postgres_dq.py

@@ -0,0 +1,138 @@
+from __future__ import annotations
+
+import logging
+from datetime import datetime, timedelta
+
+from airflow.operators.python import PythonOperator
+from airflow.providers.postgres.hooks.postgres import PostgresHook
+
+from airflow import DAG
+
+POSTGRES_CONN_ID = "postgres_training"
+
+EXPECTED_ORDERS_SCHEMA = [
+    ("order_id", "bigint"),
+    ("order_ts", "timestamp without time zone"),
+    ("customer_id", "bigint"),
+    ("amount", "numeric"),
+]
+
+
+def _get_conn():
+    return PostgresHook(postgres_conn_id=POSTGRES_CONN_ID).get_conn()
+
+
+def _check_table_exists():
+    """Проверяет наличие таблицы public.orders."""
+    conn = _get_conn()
+    try:
+        with conn.cursor() as cur:
+            cur.execute("""
+                SELECT 1 FROM pg_catalog.pg_tables
+                WHERE schemaname = 'public' AND tablename = 'orders'
+            """)
+            if cur.fetchone() is None:
+                raise ValueError("Таблица public.orders не найдена")
+        logging.info("Таблица public.orders существует")
+    finally:
+        conn.close()
+
+
+def _check_schema():
+    """Проверяет соответствие схемы таблицы public.orders ожидаемой."""
+    conn = _get_conn()
+    try:
+        with conn.cursor() as cur:
+            cur.execute("""
+                SELECT column_name, data_type
+                FROM information_schema.columns
+                WHERE table_schema = 'public' AND table_name = 'orders'
+                ORDER BY ordinal_position
+            """)
+            actual = cur.fetchall()
+        if actual != EXPECTED_ORDERS_SCHEMA:
+            raise ValueError(
+                f"Схема не совпадает. Ожидалось: {EXPECTED_ORDERS_SCHEMA}, "
+                f"получено: {actual}"
+            )
+        logging.info("Схема таблицы public.orders соответствует ожидаемой")
+    finally:
+        conn.close()
+
+
+def _check_has_rows():
+    """Проверяет, что в таблице public.orders есть данные."""
+    conn = _get_conn()
+    try:
+        with conn.cursor() as cur:
+            cur.execute("SELECT COUNT(*) FROM public.orders")
+            count = cur.fetchone()[0]
+        if count == 0:
+            raise ValueError("Таблица public.orders пуста")
+        logging.info("Таблица public.orders содержит %s строк", count)
+    finally:
+        conn.close()
+
+
+def _check_no_duplicates():
+    """Проверяет отсутствие дубликатов order_id в public.orders."""
+    conn = _get_conn()
+    try:
+        with conn.cursor() as cur:
+            cur.execute("""
+                SELECT order_id, COUNT(*) AS cnt
+                FROM public.orders
+                GROUP BY order_id
+                HAVING COUNT(*) > 1
+            """)
+            duplicates = cur.fetchall()
+        if duplicates:
+            raise ValueError(f"Обнаружены дубликаты order_id: {duplicates}")
+        logging.info("Дубликатов order_id не обнаружено")
+    finally:
+        conn.close()
+
+
+def _log_dq_summary():
+    """Логирует итоговую сводку по качеству данных."""
+    logging.info("Все проверки качества данных пройдены успешно!")
+    logging.info("Качество данных в таблице orders соответствует требованиям.")
+
+
+default_args = {"owner": "airflow", "retries": 1, "retry_delay": timedelta(seconds=30)}
+
+with DAG(
+    dag_id="csv_to_postgres_dq",
+    start_date=datetime(2023, 1, 1),
+    schedule=None,
+    catchup=False,
+    default_args=default_args,
+    tags=["demo", "postgres", "quality", "csv", "dq"],
+    description="Проверки качества данных после CSV -> public.orders в Postgres",
+) as dag:
+    check_exists = PythonOperator(
+        task_id="check_orders_table_exists",
+        python_callable=_check_table_exists,
+    )
+
+    check_schema = PythonOperator(
+        task_id="check_orders_schema",
+        python_callable=_check_schema,
+    )
+
+    check_has_rows = PythonOperator(
+        task_id="check_orders_has_rows",
+        python_callable=_check_has_rows,
+    )
+
+    check_no_duplicates = PythonOperator(
+        task_id="check_order_duplicates",
+        python_callable=_check_no_duplicates,
+    )
+
+    dq_summary = PythonOperator(
+        task_id="data_quality_summary",
+        python_callable=_log_dq_summary,
+    )
+
+    check_exists >> check_schema >> check_has_rows >> check_no_duplicates >> dq_summary

airflow-docker/dags/sql_basic_dag.py

@@ -56,7 +56,7 @@ TRUNCATE TABLE students_sample;
 # Определение задач
 create_table_task = PostgresOperator(
     task_id='create_table',
-    postgres_conn_id='postgres_training',  # Это соединение нужно будет создать вручную в Airflow UI
+    postgres_conn_id='postgres_training',  # Соединение создается автоматически в airflow-init
     sql=create_table_sql,
     dag=dag
 )

airflow-docker/educational-setup-plan.md

@@ -4,7 +4,6 @@
 
 ### 1. Docker Compose Structure Problems
 - Duplicate `services:` sections in [`docker-compose.yml`](airflow-docker/docker-compose.yml:1,21)
-- Missing Greenplum service (referenced in dependencies but not defined)
 - Inconsistent container naming
 
 ### 2. Missing Directory Structure
@@ -27,7 +26,7 @@ services:
       POSTGRES_PASSWORD: airflow
       POSTGRES_DB: airflow
     ports:
-      - "5433:5432"
+      - "5434:5432"
     volumes:
       - pgmeta:/var/lib/postgresql/data
 
@@ -85,6 +84,8 @@ Create `.env` file with all variables hardcoded:
 - `file_operations_dag.py` - CSV file processing
 
 **Level 2: Intermediate**
+- `csv_to_postgres.py` - CSV to PostgreSQL pipeline
+- `csv_to_postgres_dq.py` - separate data quality checks for loaded orders
 - `data_processing_dag.py` - ETL pipeline with multiple steps
 - `branching_dag.py` - Conditional task execution
 
@@ -147,4 +148,4 @@ Each DAG will include:
 - Docker and Docker Compose
 - Basic Python knowledge
 - Basic SQL knowledge
-- Web browser for Airflow UI
+- Web browser for Airflow UI

airflow-docker/educational-tasks.md

@@ -2,256 +2,416 @@
 
 Этот документ содержит практические задания для закрепления знаний по Apache Airflow. Каждое задание соответствует одному из учебных DAG'ов и направлено на лучшее понимание конкретных концепций.
 
-## 📋 Общие инструкции
+## Общие инструкции
 
 Перед выполнением заданий:
 1. Убедитесь, что стенд Airflow запущен: `docker-compose up -d`
 2. Проверьте доступность интерфейса: http://localhost:8080
 3. Ознакомьтесь с соответствующим DAG'ом в интерфейсе Airflow
+4. Откройте исходный код DAG'а и прочитайте описание в начале файла
 
 ---
 
-## 🚀 Задания для hello_world_dag.py
+## Задания для hello_world_dag.py
 
-**Цель:** Освоить базовые концепции Airflow - создание задач, зависимости, операторы.
+**Цель:** Освоить базовые концепции Airflow — создание задач, зависимости, операторы.
 
 ### Задание 1: Модификация существующих задач
-**Сложность:** 🟢 Начальная
-**Время выполнения:** 10-15 минут
+**Сложность:** Начальная
 
 **Задача:**
 - Откройте файл `hello_world_dag.py`
 - Измените текст в функциях `print_hello()`, `print_date()`, `print_goodbye()` на русский язык
 - Добавьте новую задачу, которая выводит текущую погоду (можно использовать фиктивные данные)
 
+**Подсказка:**
+- Новая задача создаётся по аналогии с `date_task` — нужна Python-функция и `PythonOperator` для неё
+- Не забудьте встроить задачу в цепочку зависимостей (`>>`)
+- После сохранения файла DAG подхватится автоматически — запустите его вручную через UI и проверьте логи
+
 **Цель задания:** Понять структуру DAG, научиться добавлять и модифицировать задачи.
 
 ### Задание 2: Изменение расписания
-**Сложность:** 🟢 Начальная  
-**Время выполнения:** 5-10 минут
+**Сложность:** Начальная
 
 **Задача:**
 - Измените `schedule_interval` с ежедневного на еженедельное выполнение
 - Добавьте параметр `max_active_runs` для ограничения одновременных запусков
 - Проверьте изменения в интерфейсе Airflow
 
+**Подсказка:**
+- Расписание задаётся в параметрах `DAG(...)` — ищите `schedule_interval`
+- Можно использовать `timedelta(weeks=1)` или cron-выражение (например, `'0 0 * * 1'`)
+- `max_active_runs` — тоже параметр `DAG()`
+
 **Цель задания:** Освоить настройку расписания и параметров выполнения DAG.
 
 ### Задание 3: Добавление BashOperator
-**Сложность:** 🟡 Средняя
-**Время выполнения:** 15-20 минут
+**Сложность:** Средняя
 
 **Задача:**
 - Добавьте задачу с `BashOperator`, которая создает текстовый файл в папке `/opt/airflow/data/output/`
 - Настройте зависимости так, чтобы эта задача выполнялась между `date_task` и `end_task`
 - Убедитесь, что файл создается при каждом запуске DAG
 
+**Подсказка:**
+- Импорт `BashOperator` уже есть в файле — посмотрите шапку
+- `BashOperator` принимает параметр `bash_command` со строкой shell-команды
+- Для записи в файл подойдёт обычный `echo "текст" > /path/to/file.txt`
+- Проверить результат можно: `docker-compose exec airflow-webserver cat /opt/airflow/data/output/<ваш_файл>`
+
 **Цель задания:** Научиться работать с разными типами операторов.
 
 ---
 
-## 🗄️ Задания для sql_basic_dag.py
+## Задания для sql_basic_dag.py
 
 **Цель:** Освоить работу с базами данных через Airflow.
 
 ### Задание 1: Расширение структуры таблицы
-**Сложность:** 🟡 Средняя
-**Время выполнения:** 20-25 минут
+**Сложность:** Средняя
 
 **Задача:**
 - Добавьте в таблицу `students_sample` новые поля: `email`, `phone`, `registration_date`
-- Модифицируйте SQL запросы для работы с новой структурой
+- Модифицируйте SQL-запросы для работы с новой структурой
 - Добавьте задачу для обновления существующих записей
 
+**Подсказка:**
+- Новые колонки добавляются в переменную `create_table_sql` — подберите подходящие типы (VARCHAR, DATE и т.д.)
+- Не забудьте обновить `insert_data_sql` — количество значений в INSERT должно совпадать с количеством колонок
+- Для задачи UPDATE создайте новую SQL-переменную и новый `PostgresOperator` по аналогии с существующими
+- **Подводный камень:** `TRUNCATE TABLE` не изменяет структуру. Чтобы новые колонки появились, замените его на `DROP TABLE IF EXISTS`
+
 **Цель задания:** Научиться работать с миграциями схемы базы данных.
 
 ### Задание 2: Создание отчетов
-**Сложность:** 🟡 Средняя
-**Время выполнения:** 25-30 минут
+**Сложность:** Средняя
 
 **Задача:**
 - Добавьте задачу, которая создает сводный отчет по данным студентов
 - Отчет должен содержать: количество студентов, средний возраст, распределение по возрасту
 - Сохраните отчет в файл в папке `/opt/airflow/data/output/`
 
+**Подсказка:**
+- Здесь понадобится `PythonOperator`, а не `PostgresOperator` — потому что нужно получить результат SQL и записать в файл
+- Для подключения к БД из Python-функции используйте `PostgresHook` (импорт: `from airflow.providers.postgres.hooks.postgres import PostgresHook`)
+- У хука есть метод `get_conn()`, который возвращает обычное psycopg2-соединение — дальше работайте через `cursor.execute()` и `fetchone()`
+- Задачу поставьте перед `drop_table` в цепочке зависимостей
+
 **Цель задания:** Освоить создание аналитических отчетов в DAG'ах.
 
 ### Задание 3: Работа с соединениями
-**Сложность:** 🟡 Средняя
-**Время выполнения:** 15-20 минут
+**Сложность:** Средняя
 
 **Задача:**
 - Создайте новое соединение к базе данных через Airflow UI
 - Модифицируйте DAG для использования нового соединения
 - Добавьте обработку ошибок подключения к БД
 
+**Подсказка:**
+- Соединения создаются в UI: Admin → Connections → "+"
+- Параметры для нашей учебной БД: Host = `postgres-training`, Schema = `training`, Login = `student`, Password = `student`, Port = `5432`
+- В DAG-файле соединение указывается через `postgres_conn_id` — замените значение на ваш новый Conn Id
+- Для проверки ошибок попробуйте указать несуществующее соединение и посмотрите, что покажут логи
+
 **Цель задания:** Научиться управлять соединениями с внешними системами.
 
 ---
 
-## 📁 Задания для file_operations_dag.py
+## Задания для file_operations_dag.py
 
 **Цель:** Освоить работу с файлами и данными в Airflow.
 
 ### Задание 1: Модификация генерации данных
-**Сложность:** 🟡 Средняя
-**Время выполнения:** 20-25 минут
+**Сложность:** Средняя
 
 **Задача:**
 - Добавьте новые поля в генерируемые данные: `department`, `experience_years`, `education_level`
 - Модифицируйте валидацию для проверки новых полей
 - Добавьте фильтрацию данных по определенным критериям (например, опыт > 3 года)
 
+**Подсказка:**
+- Генерация данных происходит в функции `generate_sample_data()` — новые поля добавляются в словарь `data`
+- Для `department` подойдёт `random.choice()` со списком отделов, для `experience_years` — привяжите к возрасту (не может быть больше `age - 18`)
+- Валидация — в функции `read_and_validate_data()`: добавьте `assert` по аналогии с существующими
+- Фильтрацию (pandas `df[df['experience_years'] > 3]`) можно добавить в `transform_data()` и сохранить отдельным файлом
+
 **Цель задания:** Научиться работать с различными типами данных и валидацией.
 
 ### Задание 2: Создание дополнительных отчетов
-**Сложность:** 🟡 Средняя
-**Время выполнения:** 25-30 минут
+**Сложность:** Средняя
 
 **Задача:**
 - Создайте отчет в формате JSON с детальной статистикой по отделам
 - Добавьте визуализацию данных с помощью библиотеки matplotlib (сохранение графика в файл)
 - Создайте сводку по зарплатам в разных возрастных категориях
 
+**Подсказка:**
+- Создайте новую функцию и новый `PythonOperator`, добавьте в цепочку после `summary_task`
+- Для JSON-отчёта: загрузите processed_data.csv через pandas, сгруппируйте (`groupby`) и сохраните через `json.dump()`
+- matplotlib может быть не установлен в контейнере — это нормально, сделайте эту часть необязательной (обработайте `ImportError`)
+- Не забудьте `import pandas as pd` внутри функции (не в шапке файла!)
+
 **Цель задания:** Освоить создание комплексных отчетов и визуализацию.
 
 ### Задание 3: Оптимизация обработки
-**Сложность:** 🟠 Продвинутая
-**Время выполнения:** 30-35 минут
+**Сложность:** Продвинутая
 
 **Задача:**
 - Разделите обработку данных на параллельные задачи для разных отделов
 - Добавьте контроль качества данных (проверка на дубликаты, аномалии)
 - Реализуйте механизм повторной обработки при ошибках
 
+**Подсказка:**
+- Параллельные задачи задаются списком: `read_task >> [task_a, task_b, task_c] >> summary_task`
+- Каждая задача фильтрует DataFrame по своему отделу и сохраняет результат в отдельный файл
+- Проверку дубликатов можно сделать через `df['id'].is_unique`
+- Параметры `retries` и `retry_delay` можно задать как у отдельных задач, так и в `default_args`
+
 **Цель задания:** Научиться оптимизировать и делать обработку данных отказоустойчивой.
 
 ---
 
-## 🔄 Задания для data_processing_dag.py
+## Задания для csv_to_postgres.py
+
+**Цель:** Освоить паттерны загрузки данных (ETL) из файлов в базу данных и применение XCom.
+
+### Задание 1: Расширение структуры данных
+**Сложность:** Начальная
+
+**Задача:**
+- Добавьте в генератор CSV новую колонку `status` (например, со случайными значениями 'NEW', 'PROCESSING', 'COMPLETED').
+- Обновите функцию `_create_table`, чтобы учесть новую колонку.
+- Запустите DAG и проверьте, что данные успешно загрузились с новой колонкой.
+- Убедитесь, что сгенерированный файл появился в каталоге `/opt/airflow/data/output/`.
+
+**Подсказка:**
+- Новая колонка добавляется в трёх местах: генерация (`_generate_csv`), DDL (`_create_table`), загрузка (`_load_csv` — список колонок в COPY)
+- В `_generate_csv()` для случайных значений подойдёт `random.choices(['NEW', 'PROCESSING', 'COMPLETED'], k=rows)`
+- **Подводный камень:** если таблица уже существует со старой схемой, новая колонка не появится. Удалите таблицу вручную или добавьте `DROP TABLE` перед `CREATE TABLE`
+
+**Цель задания:** Понять процесс изменения схемы данных на всех этапах пайплайна.
+
+### Задание 2: Использование PostgresOperator
+**Сложность:** Средняя
+
+**Задача:**
+- Перепишите задачу `create_orders_table`. Сейчас она использует `PythonOperator` и `PostgresHook` внутри Python-функции.
+- Замените её на использование стандартного `PostgresOperator`, используя соединение `postgres_training`.
+- Убедитесь, что пайплайн продолжает работать корректно.
+
+**Подсказка:**
+- Посмотрите, как устроен `sql_basic_dag.py` — там `PostgresOperator` уже используется, можно взять за образец
+- `PostgresOperator` принимает `postgres_conn_id` и `sql` — SQL можно передать прямо строкой
+- После замены проверьте, не осталось ли ссылок на удалённую функцию. `_get_conn()` всё ещё нужна в `_load_csv()`
+
+**Цель задания:** Научиться использовать специализированные операторы для работы с БД вместо кастомного Python-кода.
+
+---
+
+## Задания для csv_to_postgres_dq.py
+
+**Цель:** Освоить подходы к обеспечению качества данных (Data Quality) в Airflow.
+
+### Задание 1: Новая проверка качества
+**Сложность:** Средняя
+
+**Задача:**
+- Добавьте новую функцию проверки прямо в `csv_to_postgres_dq.py`, которая будет убеждаться, что все значения в колонке `amount` строго больше нуля.
+- Добавьте вызов этой функции как новую задачу в DAG `csv_to_postgres_dq`.
+- Встройте новую задачу в общую цепочку выполнения (например, перед `data_quality_summary`).
+
+**Подсказка:**
+- Возьмите за образец любую из существующих функций проверки (например, `_check_has_rows`) — паттерн одинаковый: подключиться, выполнить SQL, проверить результат, бросить `ValueError` если не ок
+- SQL для проверки: `SELECT COUNT(*) FROM public.orders WHERE amount <= 0`
+- Не забудьте создать `PythonOperator` и добавить задачу в цепочку
+
+**Цель задания:** Научиться расширять набор проверок качества данных.
+
+### Задание 2: Управление статусом при ошибках (Trigger Rules)
+**Сложность:** Продвинутая
+
+**Задача:**
+- Смоделируйте ошибку (например, временно измените данные так, чтобы проверки не прошли).
+- По умолчанию, если падает одна проверка, следующие не выполняются (поведение `all_success`).
+- Измените параметры задач так (с помощью `trigger_rule`), чтобы выполнялись *все* проверки, даже если некоторые из них упали.
+- Сделайте так, чтобы задача `data_quality_summary` могла анализировать статусы предыдущих задач и отражать общий итог.
+
+**Подсказка:**
+- Для моделирования ошибки: измените `EXPECTED_ORDERS_SCHEMA` так, чтобы схема не совпала. Запустите — увидите, что все задачи после упавшей будут skipped
+- Ключевой параметр — `trigger_rule` у `PythonOperator`. Значение `"all_done"` означает: «запустись в любом случае, когда все upstream завершились (успешно или нет)»
+- Для анализа статусов в `dq_summary`: функция может принимать `**context` и через `context['ti']` получить информацию о статусах предыдущих задач
+- После экспериментов не забудьте вернуть `EXPECTED_ORDERS_SCHEMA` к правильным значениям
+
+**Цель задания:** Освоить продвинутую маршрутизацию статусов задач с помощью `trigger_rule`.
+
+---
+
+## Задания для data_processing_dag.py
 
 **Цель:** Освоить ETL процессы и работу с бизнес-логикой.
 
 ### Задание 1: Расширение ETL пайплайна
-**Сложность:** 🟡 Средняя
-**Время выполнения:** 30-35 минут
+**Сложность:** Средняя
 
 **Задача:**
-- Добавьте новый источник данных - файл с информацией о продуктах
+- Добавьте новый источник данных — файл с информацией о продуктах
 - Создайте задачу для объединения данных о заказах с информацией о продуктах
 - Добавьте расчет общей выручки по продуктам
 
+**Подсказка:**
+- В `create_sample_data()` добавьте генерацию ещё одного CSV (products.csv) с колонками `product`, `category`, `weight_kg` — значения product должны совпадать с теми, что уже есть в orders
+- Создайте функцию `extract_products()` по аналогии с `extract_customers()`
+- Для объединения в `transform_data()` используйте `pd.merge()` по ключу `product`
+- Новую extract-задачу поставьте параллельно с существующими: `create_data_task >> [extract_customers_task, extract_orders_task, extract_products_task]`
+
 **Цель задания:** Научиться работать с множественными источниками данных.
 
-### Задание 2: Создание дашборда
-**Сложность:** 🟠 Продвинутая
-**Время выполнения:** 35-40 минут
+### Задание 2: Расширение текстового отчёта
+**Сложность:** Средняя
 
 **Задача:**
-- Создайте HTML-отчет с ключевыми метриками бизнеса
-- Добавьте графики продаж по дням и продуктам
-- Реализуйте отправку отчета по email (симуляция)
+- Расширьте функцию `generate_report()` так, чтобы отчёт содержал больше полезной статистики
+- Добавьте в отчёт: топ-3 самых дорогих заказа, распределение заказов по месяцам, среднюю сумму заказа по каждому клиенту
+- Сохраните расширенный отчёт в `/opt/airflow/data/output/detailed_report.txt`
 
-**Цель задания:** Освоить создание бизнес-отчетов и дашбордов.
+**Подсказка:**
+- Всё делается в существующей функции `generate_report()` — дополните её
+- Полезные методы pandas: `df.nlargest()`, `df.groupby(...).mean()`, `df.groupby(...).sum()`
+- Можно записать результат в тот же файл или создать отдельный
+
+**Цель задания:** Освоить создание аналитических отчётов с помощью pandas.
 
 ### Задание 3: Мониторинг качества данных
-**Сложность:** 🟠 Продвинутая
-**Время выполнения:** 25-30 минут
+**Сложность:** Продвинутая
 
 **Задача:**
 - Добавьте проверки качества данных на каждом этапе ETL
 - Создайте механизм оповещения о проблемах с данными
 - Реализуйте архивирование обработанных данных
 
+**Подсказка:**
+- Создайте отдельную функцию валидации (проверка: строки > 0, нет NULL в ключевых полях, суммы положительные) и поставьте её между extract и transform
+- Для оповещения используйте `on_failure_callback` в `default_args` — это функция, которая вызывается при падении любой задачи. Она получает `context` с информацией об ошибке
+- Для архивирования: скопируйте результат в файл с датой в имени (например, `shutil.copy()` + `datetime.now().strftime(...)`)
+
 **Цель задания:** Научиться обеспечивать качество данных в ETL процессах.
 
 ---
 
-## 🌿 Задания для branching_dag.py
+## Задания для branching_dag.py
 
 **Цель:** Освоить условную логику и ветвление в Airflow.
 
 ### Задание 1: Модификация условий ветвления
-**Сложность:** 🟡 Средняя
-**Время выполнения:** 20-25 минут
+**Сложность:** Средняя
 
 **Задача:**
 - Измените условие в функции `check_data_quality()` на основе реальных критериев (например, размер файла)
 - Добавьте третью ветку обработки для данных "требующих ручной проверки"
 - Настройте разные триггерные правила для слияния веток
 
+**Подсказка:**
+- Сейчас функция выбирает ветку случайно — замените `random.random()` на проверку чего-то реального (например, `os.path.getsize()` для размера файла)
+- Функция `BranchPythonOperator` возвращает `task_id` ветки для выполнения. Для третьей ветки — верните третий `task_id`
+- У `merge_task` проверьте `trigger_rule` — при ветвлении непройденные ветки получают статус `skipped`
+
 **Цель задания:** Научиться создавать сложные условия ветвления.
 
 ### Задание 2: Реализация реального сценария
-**Сложность:** 🟠 Продвинутая
-**Время выполнения:** 30-35 минут
+**Сложность:** Продвинутая
 
 **Задача:**
 - Создайте реальные задачи обработки для CSV и JSON форматов
 - Добавьте валидацию данных в каждой ветке
 - Реализуйте механизм сравнения результатов из разных веток
 
+**Подсказка:**
+- Вместо `print("Обработка CSV...")` загрузите реальный файл (например, `sample_data.csv`) и посчитайте статистику
+- Результат каждой ветки сохраните в отдельный файл — в `merge_results()` загрузите оба (если существуют) и сравните
+- Учтите, что при ветвлении выполняется только одна ветка — функция слияния должна обрабатывать случай, когда один из файлов отсутствует
+
 **Цель задания:** Применить ветвление в реальном сценарии обработки данных.
 
 ### Задание 3: Динамическое ветвление
-**Сложность:** 🟠 Продвинутая
-**Время выполнения:** 25-30 минут
+**Сложность:** Продвинутая
 
 **Задача:**
 - Реализуйте ветвление на основе внешних параметров (например, переданных через Variables)
 - Добавьте обработку случая, когда ни одна ветка не подходит
 - Создайте механизм логирования выбранного пути выполнения
 
+**Подсказка:**
+- Variables создаются в UI: Admin → Variables. Для чтения в коде: `Variable.get('key', default_var='значение')`
+- Для случая «ни одна ветка не подходит» добавьте `DummyOperator` как ветку-заглушку
+- `BranchPythonOperator` должен всегда возвращать существующий `task_id` — иначе DAG упадёт с ошибкой
+
 **Цель задания:** Освоить динамическое принятие решений в DAG'ах.
 
 ---
 
-## ⚠️ Задания для error_handling_dag.py
+## Задания для error_handling_dag.py
 
 **Цель:** Освоить обработку ошибок и создание отказоустойчивых пайплайнов.
 
 ### Задание 1: Настройка стратегий повторения
-**Сложность:** 🟡 Средняя
-**Время выполнения:** 20-25 минут
+**Сложность:** Средняя
 
 **Задача:**
 - Измените параметры `retries` и `retry_delay` для разных задач
 - Добавьте экспоненциальную задержку между повторными попытками
 - Реализуйте кастомный обработчик ошибок для конкретных исключений
 
+**Подсказка:**
+- Параметры повторения можно задать на уровне задачи (перекроют `default_args`): `retries`, `retry_delay`, `retry_exponential_backoff`, `max_retry_delay`
+- Для кастомного обработчика: параметр `on_retry_callback` принимает функцию с аргументом `context`, из которого можно получить номер попытки через `context['ti'].try_number`
+- Запустите DAG несколько раз и посмотрите в логах, как меняется задержка между попытками
+
 **Цель задания:** Научиться настраивать стратегии обработки ошибок.
 
 ### Задание 2: Создание комплексной обработки ошибок
-**Сложность:** 🟠 Продвинутая
-**Время выполнения:** 30-35 минут
+**Сложность:** Продвинутая
 
 **Задача:**
 - Добавьте задачи для разных типов ошибок (сетевая ошибка, ошибка данных, системная ошибка)
 - Создайте механизм эскалации ошибок (после N неудачных попыток)
 - Реализуйте отправку уведомлений о критических ошибках
 
+**Подсказка:**
+- Создайте функции по аналогии с `unreliable_task()`, но бросающие разные типы исключений: `ConnectionError`, `ValueError`, `OSError`
+- Для эскалации используйте `on_failure_callback` — внутри проверьте `context['ti'].try_number` и при достижении порога выведите сообщение уровня CRITICAL
+- Пример структуры callback:
+  ```python
+  def escalation_callback(context):
+      if context['ti'].try_number >= 3:
+          # сюда — логику эскалации
+  ```
+
 **Цель задания:** Освоить создание комплексной системы обработки ошибок.
 
-### Задание 3: Мониторинг и логирование
-**Сложность:** 🟠 Продвинутая
-**Время выполнения:** 25-30 минут
+### Задание 3: Добавление логирования через модуль logging
+**Сложность:** Средняя
 
 **Задача:**
-- Добавьте детальное логирование всех этапов выполнения
-- Создайте задачу для анализа логов и генерации отчетов об ошибках
-- Реализуйте механизм автоматического восстановления после сбоев
+- Замените все `print()` в функциях DAG'а на вызовы стандартного модуля `logging`
+- Добавьте в каждую функцию логирование начала и окончания выполнения
+- Посмотрите, как логи отображаются в интерфейсе Airflow (вкладка Log у каждой задачи)
 
-**Цель задания:** Научиться создавать системы мониторинга и отладки.
+**Подсказка:**
+- Стандартный паттерн: `import logging` в начале файла, затем `log = logging.getLogger(__name__)` в функции
+- Уровни: `log.info()` для штатных событий, `log.warning()` для предупреждений, `log.error()` для ошибок
+- В UI Airflow откройте выполненную задачу → вкладка **Log** — сообщения `logging` отображаются с метками уровня и временем, в отличие от `print()`
+
+**Цель задания:** Научиться использовать стандартное логирование Python в задачах Airflow и читать логи через UI.
 
 ---
 
-## 🌟 Дополнительные задания: пулы, XCom, TaskGroup и алертинг
+## Дополнительные задания: пулы, XCom, TaskGroup и алертинг
 
 **Цель:** Освоить продвинутые возможности оркестрации — управление ресурсами, обмен данными между задачами, группировку и оповещения.
 
 ### Задание 1: Пулы и управление ресурсами
-**Сложность:** 🟡 Средняя  
-**Время выполнения:** 20-25 минут
+**Сложность:** Средняя
 
 **Задача:**
 - В интерфейсе Airflow создайте пул `backup_pool` с 2 слотами
@@ -259,22 +419,31 @@
 - Назначьте этим задачам параметр `pool="backup_pool"` и настройте `pool_slots` так, чтобы одна из задач занимала 2 слота, а другая — 1
 - Наблюдайте в UI, что одновременно запускается не более 2 задач из этого пула
 
+**Подсказка:**
+- Пул создаётся в UI: Admin → Pools → "+"
+- У `PythonOperator` есть параметры `pool` (имя пула) и `pool_slots` (сколько слотов занимает задача)
+- Если задача занимает 2 слота из 2 доступных — вторая задача будет ждать, даже если они не связаны зависимостями
+
 **Цель задания:** Научиться управлять параллелизмом задач через пулы и `pool_slots`.
 
 ### Задание 2: Обмен данными через XCom
-**Сложность:** 🟡 Средняя  
-**Время выполнения:** 20-25 минут
+**Сложность:** Средняя
 
 **Задача:**
 - В том же DAG добавьте задачу `calculate_metrics` (PythonOperator), которая возвращает словарь с агрегированными показателями, например: `{"total_orders": ..., "avg_amount": ...}`
 - Добавьте задачу `log_metrics`, которая с помощью `xcom_pull` читает результат `calculate_metrics` и выводит значения в лог
 - Для одной из задач продемонстрируйте использование XCom в Jinja-шаблоне (например, в `bash_command` или SQL-запросе)
 
+**Подсказка:**
+- Любое значение, которое функция возвращает через `return`, автоматически сохраняется в XCom
+- Для чтения XCom в другой задаче: функция принимает `**context`, затем `context['ti'].xcom_pull(task_ids='имя_задачи')`
+- В Jinja-шаблонах (параметры `bash_command`, `sql` и др.) XCom доступен через `{{ ti.xcom_pull(task_ids='...') }}`
+- Посмотреть сохранённые XCom-значения можно в UI: откройте задачу → вкладка **XCom**
+
 **Цель задания:** Освоить передачу результатов между задачами через XCom и их использование в шаблонах.
 
 ### Задание 3: TaskGroup и алертинг
-**Сложность:** 🟠 Продвинутая  
-**Время выполнения:** 30-35 минут
+**Сложность:** Продвинутая
 
 **Задача:**
 - Объедините логически связанные задачи (например, `extract` / `transform` / `load`) в `TaskGroup`'ы
@@ -282,22 +451,28 @@
 - Настройте для задачи уведомления `trigger_rule=TriggerRule.ALL_DONE`, чтобы уведомление отправлялось даже при частичных ошибках
 - При желании вынесите функцию отправки письма в отдельный модуль `utils.py` и импортируйте её в DAG
 
+**Подсказка:**
+- TaskGroup — контекстный менеджер: `with TaskGroup("имя") as group:` — внутри определяете задачи как обычно
+- Зависимости работают на уровне групп: `group_a >> group_b`
+- `TriggerRule.ALL_DONE` (из `airflow.utils.trigger_rule`) означает: «запустись, когда все upstream завершились — неважно, с успехом или ошибкой»
+- В Graph View группы отображаются как складные блоки — удобно для больших DAG'ов
+
 **Цель задания:** Научиться группировать задачи с помощью TaskGroup и строить схему оповещений о статусе пайплайна.
 
 ---
 
-## 🎯 Рекомендации по выполнению
+## Рекомендации по выполнению
 
 1. **Начинайте с простых заданий** и постепенно переходите к сложным
 2. **Тестируйте каждое изменение** через интерфейс Airflow
-3. **Изучайте логи выполнения** для понимания поведения задач
+3. **Изучайте логи выполнения** для понимания поведения задач (вкладка Log у каждой задачи в UI)
 4. **Экспериментируйте** с разными настройками и параметрами
-5. **Документируйте** свои решения и находки
+5. **Не бойтесь ломать** — DAG'и можно откатить через `git checkout`, а таблицы пересоздать
 
-## 📊 Оценка прогресса
+## Оценка прогресса
 
-- 🟢 **Начальный уровень:** Выполнены задания для hello_world_dag и sql_basic_dag
-- 🟡 **Средний уровень:** Выполнены задания для file_operations_dag и data_processing_dag  
-- 🟠 **Продвинутый уровень:** Выполнены все задания, включая branching_dag, error_handling_dag и дополнительные задания по пулам, XCom, TaskGroup и алертингу
+- **Начальный уровень:** Выполнены задания для hello_world_dag и sql_basic_dag
+- **Средний уровень:** Выполнены задания для file_operations_dag, csv_to_postgres.py, csv_to_postgres_dq.py и data_processing_dag
+- **Продвинутый уровень:** Выполнены все задания, включая branching_dag, error_handling_dag и дополнительные задания по пулам, XCom, TaskGroup и алертингу
 
-Удачи в изучении Apache Airflow! 🚀
+Удачи в изучении Apache Airflow!

airflow-docker/requirements.txt

@@ -12,3 +12,4 @@ mimesis==15.1.0
 
 # Airflow PostgreSQL provider (used in sql_basic_dag.py and data_processing_dag.py)
 apache-airflow-providers-postgres==5.11.1
+