ddadmin
707da9f80e
- Зачем:
- урок 4 должен показывать не только измерение сирот в DDS, но и остановку Airflow DAG при нарушении связи dds.event -> dds.click.
- Что:
- добавлен assert_dds_integrity в etl_pipeline и документация управляемого красного сценария.
- вынесены общие helper'ы для SQL-split и boolean-параметров Airflow.
- добавлен урок 4 и обновлены навигация курса, план обучения и operations notes.
- Проверка:
- python3 -m py_compile airflow/dags/etl_pipeline_dag.py airflow/dags/ddl_init_dag.py airflow/dags/kafka_load_dag.py airflow/dags/utils/airflow_params.py airflow/dags/utils/sql_helpers.py.
- docker compose exec -T airflow-webserver airflow dags test etl_pipeline 2026-06-05T18:00:00 -c '{"full_refresh": true}'.
109 lines
5.1 KiB
SQL
109 lines
5.1 KiB
SQL
-- ============================================================================
|
|
-- Batch-трансформация: DDS → DM (Data Quality summary)
|
|
-- ============================================================================
|
|
-- Поток данных:
|
|
-- dds.click + dds.event + ods.* + stg.* → dm.dq_summary (сводка по слоям)
|
|
-- Сами витрины (dm.v_*) — это VIEW поверх DDS, создаются в sql/ddl/dm/40_dm.sql.
|
|
--
|
|
-- Что делает:
|
|
-- Собирает статистику по всем слоям (stg/ods/dds) для мониторинга качества данных.
|
|
-- Позволяет быстро проверить, сколько данных прошло через каждый слой
|
|
-- и сколько ошибок было на каждом этапе.
|
|
--
|
|
-- Важно:
|
|
-- Таблица dq_summary пересоздаётся при каждом запуске (TRUNCATE + INSERT),
|
|
-- чтобы не накапливать дубликаты при повторных прогонах.
|
|
--
|
|
-- Витрины DM сейчас — это VIEW (логика без копии данных). Если тяжёлая агрегация
|
|
-- начнёт тормозить, её материализуют в таблицу — пример в docs/ARCHITECTURE.md,
|
|
-- раздел «Материализация витрин».
|
|
-- ============================================================================
|
|
|
|
-- ----------------------------------------------------------------------------
|
|
-- Таблица для сводки по качеству данных (DQ summary)
|
|
-- ----------------------------------------------------------------------------
|
|
-- Хранит метрики по всем слоям для быстрой проверки пайплайна
|
|
-- ----------------------------------------------------------------------------
|
|
CREATE TABLE IF NOT EXISTS dm.dq_summary
|
|
(
|
|
check_date Date, -- Дата проверки
|
|
layer LowCardinality(String), -- Слой: stg, ods, dds
|
|
table_name LowCardinality(String), -- Имя таблицы
|
|
check_name LowCardinality(String), -- Тип проверки: total_rows, rows_with_errors и т.д.
|
|
check_value UInt64 -- Значение метрики
|
|
)
|
|
ENGINE = MergeTree
|
|
PARTITION BY toYYYYMM(check_date)
|
|
ORDER BY (check_date, layer, table_name, check_name);
|
|
|
|
-- Очищаем перед заполнением, чтобы не было дубликатов при повторных запусках
|
|
TRUNCATE TABLE dm.dq_summary;
|
|
|
|
-- ----------------------------------------------------------------------------
|
|
-- Заполняем сводку метриками по всем слоям
|
|
-- ----------------------------------------------------------------------------
|
|
INSERT INTO dm.dq_summary
|
|
SELECT
|
|
today() AS check_date,
|
|
'stg' AS layer,
|
|
'browser_raw' AS table_name,
|
|
'total_rows' AS check_name,
|
|
count() AS check_value
|
|
FROM stg.browser_raw
|
|
|
|
UNION ALL
|
|
SELECT today(), 'stg', 'location_raw', 'total_rows', count() FROM stg.location_raw
|
|
UNION ALL
|
|
SELECT today(), 'stg', 'device_raw', 'total_rows', count() FROM stg.device_raw
|
|
UNION ALL
|
|
SELECT today(), 'stg', 'geo_raw', 'total_rows', count() FROM stg.geo_raw
|
|
|
|
UNION ALL
|
|
SELECT today(), 'ods', 'browser_event', 'total_rows', count() FROM ods.browser_event
|
|
UNION ALL
|
|
-- Считаем строки с ошибками парсинга в ODS
|
|
SELECT today(), 'ods', 'browser_event', 'rows_with_errors', count()
|
|
FROM ods.browser_event
|
|
WHERE length(parse_errors) > 0
|
|
|
|
UNION ALL
|
|
SELECT today(), 'ods', 'location_event', 'total_rows', count() FROM ods.location_event
|
|
UNION ALL
|
|
SELECT today(), 'ods', 'location_event', 'rows_with_errors', count()
|
|
FROM ods.location_event
|
|
WHERE length(parse_errors) > 0
|
|
|
|
UNION ALL
|
|
SELECT today(), 'ods', 'device_by_click', 'total_rows', count() FROM ods.device_by_click
|
|
UNION ALL
|
|
SELECT today(), 'ods', 'device_by_click', 'rows_with_errors', count()
|
|
FROM ods.device_by_click
|
|
WHERE length(parse_errors) > 0
|
|
|
|
UNION ALL
|
|
SELECT today(), 'ods', 'geo_by_click', 'total_rows', count() FROM ods.geo_by_click
|
|
UNION ALL
|
|
SELECT today(), 'ods', 'geo_by_click', 'rows_with_errors', count()
|
|
FROM ods.geo_by_click
|
|
WHERE length(parse_errors) > 0
|
|
|
|
UNION ALL
|
|
SELECT today(), 'ods', 'browser_event_errors', 'total_rows', count() FROM ods.browser_event_errors
|
|
UNION ALL
|
|
SELECT today(), 'ods', 'location_event_errors', 'total_rows', count() FROM ods.location_event_errors
|
|
UNION ALL
|
|
SELECT today(), 'ods', 'device_by_click_errors', 'total_rows', count() FROM ods.device_by_click_errors
|
|
UNION ALL
|
|
SELECT today(), 'ods', 'geo_by_click_errors', 'total_rows', count() FROM ods.geo_by_click_errors
|
|
|
|
UNION ALL
|
|
SELECT today(), 'dds', 'event', 'total_rows', count() FROM dds.event
|
|
UNION ALL
|
|
SELECT today(), 'dds', 'click', 'total_rows', count() FROM dds.click
|
|
UNION ALL
|
|
-- Считаем "осиротевшие" события (есть click_id, но нет такого click в dds.click)
|
|
SELECT today(), 'dds', 'event_without_click', 'orphan_events', count()
|
|
FROM dds.event
|
|
WHERE click_id IS NOT NULL
|
|
AND click_id NOT IN (SELECT click_id FROM dds.click);
|