ddadmin
fe9c15c0fe
Update Airflow configuration to integrate with ClickHouse DWH instead of PostgreSQL training database. Changes include: - Switch Airflow dependencies from PostgreSQL to ClickHouse connector - Update docker-compose to use ClickHouse connection and correct Dockerfile - Refactor airflow/requirements.txt to include only essential packages - Add DAGs directory for ETL pipeline orchestration - Update documentation to reflect Airflow integration and access credentials - Adjust service dependencies to wait for ClickHouse startup
109 lines
6.6 KiB
Markdown
109 lines
6.6 KiB
Markdown
# AGENTS.md
|
||
|
||
Инструкции для работы с репозиторием мини‑демо хранилища кликстрима.
|
||
|
||
## Цель репозитория
|
||
|
||
Решение [тестового задания DE](./data/DE-task.md) — развернуть в `docker compose` минимальный аналитический стек для обработки кликстрима e-commerce:
|
||
|
||
**Задача:** Подготовить данные для первичного анализа и собрать дашборд, на котором бизнес может сделать выводы.
|
||
|
||
**Итоговый стек:**
|
||
|
||
- Kafka (источник событий, 1 JSON message = 1 event)
|
||
- ClickHouse (STG → ODS → DDS → DM)
|
||
- **Airflow** (оркестрация ETL-пайплайна)
|
||
- Superset (BI поверх витрин)
|
||
- Prometheus + Grafana (мониторинг)
|
||
- простой инструмент/скрипт, который читает `.jsonl` и пишет события в Kafka
|
||
|
||
## Ключевые артефакты
|
||
|
||
### Исполняемые файлы (текущая структура)
|
||
- `dags/` — Airflow DAGs для оркестрации ETL
|
||
- `ddl/` — SQL для создания объектов БД:
|
||
- `00_databases.sql` — создание БД stg/ods/dds/dm
|
||
- `10_stg.sql` — STG слой (Kafka Engine + MV)
|
||
- `20_ods.sql` — ODS слой (типизация + MV для ошибок)
|
||
- `30_dds.sql` — DDS слой (таблицы для batch-загрузки)
|
||
- `40_dm.sql` — DM слой (витрины VIEW)
|
||
- `jobs/` — batch-трансформации:
|
||
- `30_dds_refresh.sql` — ODS → DDS (argMax + JOIN)
|
||
- `40_dm_refresh.sql` — обновление DQ_summary
|
||
- `scripts/` — скрипты автоматизации:
|
||
- `apply_clickhouse_ddl.sh` — применение DDL
|
||
- `load_kafka_data.sh` — загрузка в Kafka
|
||
- `run_batch.sh` — запуск batch-процесса
|
||
- `airflow/` — конфигурация Airflow:
|
||
- `requirements.txt` — зависимости (clickhouse-connect и др.)
|
||
|
||
### Планы и документация (legacy)
|
||
- `plans/clickhouse_ddl.md` — исходный план (inline DDL, legacy)
|
||
- `plans/runbook.md` — runbook
|
||
- `plans/kafka_ingest_plan.md` — план загрузки в Kafka
|
||
- `docs/ARCHITECTURE.md` — подробное описание архитектуры
|
||
- `data/DE-task.md` — текст задания.
|
||
- `data/*.jsonl` — исходные данные (могут быть грязными).
|
||
- `configs/` — конфиги ClickHouse/Prometheus/Grafana.
|
||
|
||
## Правила по данным (важно)
|
||
|
||
- Не загружать исходные `*.jsonl` целиком: используйте `head -n 20..50`.
|
||
- Для тестов/демо предпочтительнее “малый срез”, чем “идеальная полнота”.
|
||
- Данные могут быть с ошибками — пайплайн должен быть устойчивым (в ODS фиксировать ошибки парсинга, а не падать).
|
||
|
||
## Как запускать (локально)
|
||
|
||
Базовые команды:
|
||
|
||
- `make up` (или `docker compose up -d`)
|
||
- `make ddl` (применяет SQL из `ddl/*.sql` в ClickHouse)
|
||
- `make data` (пересоздаёт топики и заливает небольшой срез данных в Kafka; полный режим — `FULL=1 make data`)
|
||
- `make transform` (запускает batch-процесс ODS → DDS → DM)
|
||
- `docker compose up -d`
|
||
- `docker compose ps`
|
||
- `docker compose logs -f --tail=200 <service>`
|
||
- `docker compose down -v` (удалит volumes; используйте осознанно)
|
||
|
||
Порты (см. `docker-compose.yml`):
|
||
|
||
- ClickHouse native: `localhost:8002`
|
||
- ClickHouse HTTP: `localhost:9123`
|
||
- Kafka: `localhost:9092`
|
||
- Kafka UI: `http://localhost:8082`
|
||
- **Airflow: `http://localhost:8080` (admin/admin)**
|
||
- Prometheus: `http://localhost:9090`
|
||
- Grafana: `http://localhost:3000`
|
||
|
||
## ClickHouse: применение DDL и загрузка сэмпла
|
||
|
||
- DDL/пайплайн описаны в `plans/clickhouse_ddl.md`.
|
||
- Для быстрой загрузки “первых N строк” используйте команды из раздела “Практические заметки для демо”.
|
||
|
||
## Конвенции по изменениям
|
||
|
||
- Держать изменения минимальными и по теме задания (инфра, схема, ingest, витрины).
|
||
- Не коммитить секреты. Если требуется пароль/ключи — использовать `.env` и примеры `.env.example`.
|
||
- README/планы обновлять вместе с изменениями инфраструктуры/DDL.
|
||
- **Комментарии в коде — на русском языке**:
|
||
- SQL: заголовочный блок с описанием файла, комментарии к каждому логическому блоку
|
||
- Bash: шапка с назначением/запуском/требованиями, секции разделены `# -----`
|
||
- См. существующие файлы как пример (`ddl/20_ods.sql`, `jobs/30_dds_refresh.sql`, `scripts/run_batch.sh`)
|
||
|
||
## Быстрые проверки
|
||
|
||
- Kafka ingest: наличие данных в `stg.*` и типизированных строк в `ods.*`.
|
||
- Мониторинг: доступность `/metrics` у ClickHouse и скрейп в Prometheus.
|
||
- **Airflow: `http://localhost:8080` должен показывать UI и DAG `etl_pipeline`.**
|
||
- BI: витрина `dm.v_events_enriched` должна отвечать за разумное время при фильтре по дате.
|
||
|
||
## Связанная документация
|
||
|
||
- [README.md](./README.md) — пользовательская документация (быстрый старт, архитектура)
|
||
- [docs/ARCHITECTURE.md](./docs/ARCHITECTURE.md) — подробное описание слоёв и технических решений
|
||
- [data/DE-task.md](./data/DE-task.md) — исходное задание
|
||
|
||
## Примечания по текущему состоянию (если что-то “не встаёт”)
|
||
|
||
Репозиторий развивается итеративно; если `docker compose` не стартует из‑за отсутствующих путей/сетей/сервисов, правьте аккуратно и фиксируйте это в `docker-compose.yml` и/или `configs/`.
|