feat(dds): добавлена модель сессии и нарезка визитов окнами
Зачем: - Дать слою расчётную сущность, которой в потоке нет: стенд режет визиты сам, а VisitID генератора остаётся эталоном самопроверки. - Отделить прожитый день от живого — иначе визит, начатый в 23:50, замёрз бы обрезанным навсегда: пересобирать замёрзший день слой не станет. Что: - Добавлены dds.session_rep/_dist, двойник-донор dds.session_stage_rep/_dist и публичный договор dds.session_v. - Нарезка стоит на двух окнах: первое ставит шов там, где пауза длиннее тридцати минут, второе считает нарастающий итог швов — номер визита. Границу суток держит разбиение окна, отдельной проверки ей не нужно. - Порядок в окнах полный, по метке времени и event_id: сортировок две, и при равных метках они разошлись бы, разорвав сессию надвое. - Объём прогона считается от первой дыры в слое по последний прожитый день; прожитый день выводится из позиции мира и первого дня событий. Собирать нечего — группа задач пропускается, а не зеленеет впустую. - В dds_transform появилась группа session рядом с заказом; зависимости по данным между ними нет. - Потолок max_active_tasks: размноженная замена без него выносит планировщика за отведённые ему 640 МиБ. - parallel_distributed_insert_select у сессий не назначается вслух — ключ шардирования у источника и цели один по контракту ко-локации. - Записано, что позиция отвечает за «прожит», а не за «доехал»: сторож хвоста потока приезжает отдельным тикетом. Проверка: - make lint - make smoke (21 проверка), make check-clickhouse (10), make check-services - Стартовый мир, пересобранный с нуля: 79367 сессий за восемь дней; расхождение с uniqExact(VisitID) по паре «кука × день» — ноль; все 401185 событий ровно в одной сессии; session_id уникальны. - Ни одной паузы длиннее тридцати минут внутри сессии и ни одной пары соседних визитов куки, разделённой меньшим промежутком. - Повтор после DROP PARTITION ALL: те же session_id и то же содержимое строк. - Снесённая руками партиция 2026-06-04: следующий прогон взял хвост от неё, дни до дыры не тронуты. Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>
This commit is contained in:
ddadminandClaude Opus 5 committed
1 parent
c361c36e3d
commit
176cf5520d
9 files changed
+495
-60
No files matched your search
+87
-10
@@ -1,18 +1,18 @@
|
||||
-- DDS: физическая модель заказа и донор её партиций.
|
||||
-- DDS: физические модели слоя и доноры их партиций.
|
||||
--
|
||||
-- Идемпотентность здесь устроена иначе, чем в приёме, и это главный урок обеих
|
||||
-- сущностей файла. В ODS повтор гасит колонка версии:
|
||||
-- ReplacingMergeTree(updated_at) оставляет позднюю строку. Здесь колонки
|
||||
-- версии нет вовсе — повтор гасит замена партиции целиком: день собирается
|
||||
-- заново и подменяется одним атомарным движением. Поэтому строка таблицы
|
||||
-- ровно одна на своё зерно, а чтению не нужен FINAL.
|
||||
|
||||
-- Локальная таблица заказа.
|
||||
--
|
||||
-- Зерно — заказ в текущем состоянии, ключ order_id. Историю версий слой не
|
||||
-- хранит: у неё нет читателя ни в одной витрине, а ODS её и не обещает
|
||||
-- (docs/architecture/dds/order.md, «Зерно»).
|
||||
--
|
||||
-- Идемпотентность здесь устроена иначе, чем в приёме, и это главный урок
|
||||
-- сущности. В ODS повтор гасит колонка версии: ReplacingMergeTree(updated_at)
|
||||
-- оставляет позднюю строку. Здесь колонки версии нет вовсе — повтор гасит
|
||||
-- замена партиции целиком: день собирается заново и подменяется одним
|
||||
-- атомарным движением. Поэтому каждая строка таблицы — ровно один заказ, а
|
||||
-- чтению не нужен FINAL.
|
||||
|
||||
-- Локальная таблица шарда.
|
||||
--
|
||||
-- Партиция — order_date, день заказа в поясе счётчика. Партиция дневная не
|
||||
-- ради размера куска, а потому что день — единица пересборки: пока заказ
|
||||
-- внутри окна изменяемости, его день «дышит» и собирается заново, за окном
|
||||
@@ -93,3 +93,80 @@ ORDER BY order_id;
|
||||
CREATE TABLE IF NOT EXISTS dds.order_stage_dist ON CLUSTER clickstream_cluster
|
||||
AS dds.order_stage_rep
|
||||
ENGINE = Distributed('clickstream_cluster', 'dds', 'order_stage_rep', cityHash64(order_id));
|
||||
|
||||
-- Локальная таблица сессии.
|
||||
--
|
||||
-- Зерно — визит: подряд идущие события одной куки без пауз длиннее тридцати
|
||||
-- минут, не пересекающие границу суток (CONTEXT.md, «Визит»). Сущность
|
||||
-- расчётная, в потоке её нет — слой режет и чеканит её сам
|
||||
-- (docs/architecture/dds/session.md).
|
||||
--
|
||||
-- Партиция — день сессии. У заказа день дышит внутри окна изменяемости, у
|
||||
-- сессии замерзает сразу: визит суток не пересекает, поэтому прожитый день
|
||||
-- собирается один раз и целиком. Отсюда и цена отказа: пропущенный день
|
||||
-- заказа вернуло бы в работу следующее окно, а день сессии вернёт только счёт
|
||||
-- хвоста от первой дыры (sql/dds/session_scope.sql).
|
||||
--
|
||||
-- Ключ сортировки — кука и начало сессии: тем же порядком идёт и нарезка, и
|
||||
-- чтение «визиты посетителя подряд». session_id в ключ не входит: он ручка
|
||||
-- для витрин и разбора расхождений, а не адрес строки.
|
||||
CREATE TABLE IF NOT EXISTS dds.session_rep ON CLUSTER clickstream_cluster
|
||||
(
|
||||
-- Суррогат слоя: cityHash64 от куки и начала сессии. Детерминированность
|
||||
-- несущая — пересборка партиции обязана отчеканить те же id
|
||||
-- (docs/architecture/dds/session.md, «Идентификатор»).
|
||||
session_id UInt64,
|
||||
client_id UInt64,
|
||||
session_date Date,
|
||||
started_at DateTime('Europe/Samara'),
|
||||
finished_at DateTime('Europe/Samara'),
|
||||
duration_seconds UInt32,
|
||||
-- Счётчики по типам событий: у визита Метрики на этом месте достигнутые
|
||||
-- цели, которых стенд не шлёт.
|
||||
events_total UInt32,
|
||||
pageviews UInt32,
|
||||
cart_adds UInt32,
|
||||
purchases UInt32,
|
||||
-- Вход и выход визита, как StartURL и EndURL у Метрики. Полного списка
|
||||
-- страниц нет и у неё: топы считает витрина по событиям.
|
||||
entry_url String,
|
||||
exit_url String,
|
||||
-- Атрибуция визита — метки его первого события.
|
||||
utm_source String,
|
||||
utm_medium String,
|
||||
utm_campaign String,
|
||||
utm_content String,
|
||||
utm_term String,
|
||||
-- Паспорт куки: устройство и город приписаны ей на всю жизнь, поэтому
|
||||
-- берутся с первого события и внутри визита не меняются.
|
||||
device_category LowCardinality(String),
|
||||
region_city String,
|
||||
_load_id String,
|
||||
_load_ts DateTime64(3, 'UTC')
|
||||
)
|
||||
ENGINE = ReplicatedMergeTree('/clickhouse/tables/{shard}/{database}/{table}', '{replica}')
|
||||
PARTITION BY session_date
|
||||
ORDER BY (client_id, started_at);
|
||||
|
||||
-- Лицо загрузки и диагностики. Ключ шардирования — cityHash64(client_id), то
|
||||
-- же выражение, что у событий и у карты идентичностей
|
||||
-- (docs/architecture/storage.md, «Раскладка по шардам»). Ко-локация здесь не
|
||||
-- только про соединения: на ней стоит сама сборка — все события куки лежат на
|
||||
-- одном шарде, и нарезать их можно, не собирая куку с двух нод
|
||||
-- (sql/dds/session_rebuild.sql).
|
||||
CREATE TABLE IF NOT EXISTS dds.session_dist ON CLUSTER clickstream_cluster
|
||||
AS dds.session_rep
|
||||
ENGINE = Distributed('clickstream_cluster', 'dds', 'session_rep', cityHash64(client_id));
|
||||
|
||||
-- Донор партиций сессии. Правило донора — в комментарии к dds.order_stage_rep
|
||||
-- выше: структура и ключи обязаны совпадать с целью, отсюда AS dds.session_rep
|
||||
-- и тот же ключ шардирования.
|
||||
CREATE TABLE IF NOT EXISTS dds.session_stage_rep ON CLUSTER clickstream_cluster
|
||||
AS dds.session_rep
|
||||
ENGINE = ReplicatedMergeTree('/clickhouse/tables/{shard}/{database}/{table}', '{replica}')
|
||||
PARTITION BY session_date
|
||||
ORDER BY (client_id, started_at);
|
||||
|
||||
CREATE TABLE IF NOT EXISTS dds.session_stage_dist ON CLUSTER clickstream_cluster
|
||||
AS dds.session_stage_rep
|
||||
ENGINE = Distributed('clickstream_cluster', 'dds', 'session_stage_rep', cityHash64(client_id));
|
||||
Reference in new issue
Block a user