docs(generator): закрыты находки финального ревью цепочки

- Зачем:
  - финальный review должен видеть согласованные PRD, issue, курс, Superset и архитектурные документы.
- Что:
  - обновлены PRD, чекбоксы закрытых issue и журнал coordinator-loop.
  - синхронизированы архитектура, карта репозитория, CONTEXT и курс со startup-history-путём.
  - убраны старые маркеры Superset-геокарты после перехода на Top Countries.
- Проверка:
  - rg-проверки финального review по PRD, issue и Superset-маркерам.
  - git diff --cached --check.

docs/ARCHITECTURE.md

@@ -27,12 +27,12 @@
 flowchart LR
     subgraph AF["Airflow"]
         DAG1["ddl_init"]
-        DAG2["kafka_load (bootstrap)"]
+        DAG2["generator_control"]
         DAG3["etl_pipeline"]
     end
 
     subgraph GEN["Generator"]
-        G["generator-service (steady-stream)"]
+        G["generator-service"]
     end
 
     subgraph Kafka["Kafka"]
@@ -57,8 +57,8 @@ flowchart LR
         V[витрины VIEW]
     end
 
-    DAG2 -->|bootstrap JSONL| K
-    G -->|stream events| K
+    DAG2 -->|startup-history backfill/import| K
+    G -->|live после make generator-continue| K
     K -->|MV| S
     S -->|batch| O
     O -->|argMax + JOIN| D1 & D2
@@ -69,10 +69,10 @@ flowchart LR
     DAG3 -.->|batch| ODS & DDS
 ```
 
-В учебном стенде предусмотрены два пути ingest:
+В учебном стенде предусмотрены два пути загрузки:
 
-- `bootstrap`: DAG `kafka_load` для разового/контрольного прогона из `data/*.jsonl`;
-- `steady-stream`: автономный генератор, публикующий события в Kafka непрерывно.
+- `startup-history`: DAG `generator_control` создаёт или импортирует историю, запускает ETL и проверяет витрины;
+- `live`: генератор запускается явно через `make generator-continue`, когда нужна непрерывная подача новых событий.
 
 ### Слои и их назначение
 
@@ -80,7 +80,7 @@ flowchart LR
 flowchart LR
     subgraph AF["Airflow"]
         DAG1["ddl_init"]
-        DAG2["kafka_load (bootstrap)"]
+        DAG2["generator_control"]
         DAG3["etl_pipeline"]
     end
 
@@ -106,8 +106,8 @@ flowchart LR
         DM_T["VIEW"]
     end
 
-    DAG2 -->|bootstrap JSONL| KAFKA
-    G -->|steady-stream| KAFKA
+    DAG2 -->|startup-history| KAFKA
+    G -->|live| KAFKA
     KAFKA -->|MV| STG_T
     STG_T -->|batch| ODS_T
     ODS_T -->|argMax + JOIN| DDS_T -->|VIEW| DM_T
@@ -376,7 +376,6 @@ sequenceDiagram
     Compose->>K: docker compose up -d kafka
     Compose->>CH: docker compose up -d clickhouse
     Compose->>Airflow: docker compose up -d airflow-*
-    Compose->>Gen: docker compose up -d generator
     Compose-->>User: ✅ Инфраструктура готова
 
     User->>Airflow: Trigger ddl_init
@@ -387,14 +386,13 @@ sequenceDiagram
     Airflow->>CH: sql/ddl/dm/40_dm.sql
     CH-->>User: ✅ Структура БД создана
 
-    alt Bootstrap режим
-        User->>Airflow: Trigger kafka_load
-        Airflow->>K: precheck + prepare_topics
-        loop 4 файла
-            Airflow->>K: KafkaProducer.send(topic, json_line)
-        end
-        K-->>User: ✅ Данные в Kafka
-    else Streaming режим
+    alt Startup-history режим
+        User->>Airflow: Trigger generator_control (backfill/import)
+        Airflow->>K: события стартовой истории
+        Airflow->>Airflow: trigger etl_pipeline + check
+        K-->>User: ✅ История в Kafka и витринах
+    else Live режим
+        User->>Compose: make generator-continue
         loop каждые 1-10 секунд
             Gen->>K: send N_t (Poisson) в 4 топика
         end
@@ -634,32 +632,33 @@ INSERT INTO dm.daily_traffic SELECT * FROM dm.v_daily_traffic;
 
 ### Airflow-оркестрация
 
-Инфраструктура Airflow развёрнута и отвечает за DDL/ETL.  
-Генератор работает отдельно и не управляется через Airflow DAG-и.
+Инфраструктура Airflow развёрнута и отвечает за DDL/ETL и стартовую историю.
+Живой генератор контейнеров запускается отдельно через Makefile.
 
 ```python
-# airflow/dags/ddl_init_dag.py — создание баз/таблиц (ручной запуск при bootstrap)
-# airflow/dags/kafka_load_dag.py — bootstrap-загрузка JSONL в Kafka (через kafka-python)
+# airflow/dags/ddl_init_dag.py — создание баз/таблиц
+# airflow/dags/generator_control_dag.py — backfill/import/check стартовой истории
 # airflow/dags/etl_pipeline_dag.py — основной ETL (STG→ODS→DDS→DM)
+# airflow/dags/kafka_load_dag.py — архивный ручной путь из JSONL, не основной контур
 
 # Учебный формат:
 # - DDL и трансформации выполняются явными SQL-task через ClickHouseOperator;
 # - SQL-файлы вызываются по фиксированным путям;
-# - ingest может идти двумя путями:
-#   1) bootstrap через DAG `kafka_load`;
-#   2) непрерывный поток через автономный `generator-service`.
+# - загрузка может идти двумя путями:
+#   1) startup-history через DAG `generator_control`;
+#   2) live-поток через явный `make generator-continue`.
 #
 # Базовый demo-сценарий:
-# ddl_init -> kafka_load -> etl_pipeline
+# ddl_init -> generator_control(backfill/import) -> etl_pipeline -> check
 # Расширенный учебный сценарий:
-# generator-service (continuous) + периодический etl_pipeline
+# make generator-continue + периодический etl_pipeline
 ```
 
-**DAG `kafka_load`**:
-- Загрузка данных из `data/*.jsonl` в Kafka через `kafka-python`
-- TaskGroup `precheck`: проверка Kafka, файлов, параметров
-- TaskGroup `ingest`: создание топиков → параллельная загрузка 4 потоков → проверка
-- Параметры: `limit` (0 = все), `reset_topics`
+**DAG `generator_control`**:
+- `backfill`: создаёт стартовую историю через генератор
+- `import`: импортирует портативный артефакт стартовой истории
+- `check`: сверяет ClickHouse с manifest стартовой истории
+- После `backfill` и `import` запускает `etl_pipeline` с `full_refresh`
 
 **Подключение к ClickHouse:**
 - Connection: `clickhouse_default`