feat(generator): план состава мира — зерно, приток, двухкуковые пары
- Зачем: - тикет #38: состав мира должен быть чистой функцией зерна, а счётчики будущего манифеста — известны до генерации хоть одного события. - Что: - `world.py` — конфигурация мира одним модулем чистых данных: приток, недельная волна, профиль возвратов, доли покупателей и пар, D0. - `seeds.py` — иерархия подпотоков на `SeedSequence`: состав мира (ось и предыстория) отдельно от дней и их компонентов. - `plan.py` — ленивый план состава: когорта дня, аудитория дня из окна возвратов, гарантированные заказы пар, счётчики горизонта. Случайность — только целыми числами. - спека, раздел 1: вторая кука пары рождается по затухающему профилю возвратов; раздел 9: измеренные числа канонического мира, оценка накопленной аудитории поправлена с ≈60 до 68 тыс. - CONTEXT.md: термин «когорта дня»; README генератора — новые модули. - Проверка: - make test (295 тестов), make lint, make typecheck; - тесты проверены мутациями: 12 подмен в плане и конфигурации, каждая роняет ровно свой тест. Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>
This commit is contained in:
Claude Opus 5
@@ -20,6 +20,10 @@ _Избегать_: состояние мира
|
||||
Способ спросить состав мира: функция зерна, выдающая его по дням —
|
||||
когорту новых кук, их возвраты, назначенные заказы двухкуковых пар.
|
||||
|
||||
**Когорта дня**:
|
||||
Люди, впервые пришедшие в мир в один день, со всеми их куками и визитами.
|
||||
Единица плана состава: когорта — функция зерна и номера дня.
|
||||
|
||||
**Приток**:
|
||||
Появление новых кук на всём протяжении оси модельного времени; единица —
|
||||
кука (`ClientID`). Из-за притока накопленная аудитория растёт с
|
||||
|
||||
@@ -81,7 +81,10 @@
|
||||
(доля — раздел 9), и 15% покупателей (мастер-спека, раздел 5) получают
|
||||
вторую куку. Обе куки пары принадлежат одному человеку одной когорты;
|
||||
вторая рождается в пределах его окна активности, без фиксированного
|
||||
зазора. Каждой паре план назначает дни гарантированных заказов: по
|
||||
зазора — по тому же затухающему профилю, что и возвраты (уточнение при
|
||||
исполнении #38, 2026-08-02): куку человек заводит, пока ещё ходит.
|
||||
Равные шансы по всему окну означали бы вторую куку у давно ушедшего
|
||||
человека — и вчетверо меньше пар, реализованных внутри снимка. Каждой паре план назначает дни гарантированных заказов: по
|
||||
одному на куку, из дней визитов этой куки, на оси от D0 и позже;
|
||||
человеку предыстории, чьё окно активности таких дней не оставляет,
|
||||
пара не назначается. День-функция обязана назначенные заказы
|
||||
@@ -418,6 +421,15 @@ pytest-тест с маркером `perf` и таймаутом-обрубан
|
||||
- **D0 = 2026-06-01, понедельник** — решение владельца при нарезке
|
||||
(2026-08-01). Дата недавняя, чтобы данные первые месяцы выглядели
|
||||
свежими; привязки к реальному календарю у констант мира всё равно нет.
|
||||
- **Измерено на собранном плане** (#38, канонический мир, 14 дней):
|
||||
приток 3 828 кук в день в среднем, дневная аудитория 6 235–7 124 —
|
||||
обе величины в вилках раздела 5. Накопленная аудитория за снимок —
|
||||
68 тыс. кук: 53,6 тыс. новыми плюс 14,5 тыс. возвратами предыстории,
|
||||
а не ≈60 тыс., как оценивалось выше, — возвраты предыстории при
|
||||
оценке посчитали вдвое скромнее. Пар, у которых оба назначенных
|
||||
заказа попали внутрь 14 дней, — 170; остальные пары горизонт
|
||||
переживают, их вторая кука приходит позже. Цифры пересчитываются
|
||||
прогоном плана, событий для них не нужно.
|
||||
- **Конфигурация мира — модуль чистых данных** рядом с контрактом схемы:
|
||||
все числа мира в одном месте, написанном как приглашение любопытному
|
||||
менти крутить. Правка модуля — смена мира: чек манифеста честно
|
||||
|
||||
+11
-2
@@ -4,17 +4,26 @@
|
||||
образцу облачной выгрузки Яндекс Метрики. Устройство и принятые решения —
|
||||
спека [«Генератор (этап 2)»](../docs/specs/2026-08-01-generator.md).
|
||||
|
||||
Пока здесь каркас проекта и его сердце — контракт схемы события.
|
||||
Пока здесь контракт схемы события и план состава мира — событий генератор ещё
|
||||
не порождает.
|
||||
|
||||
## Что где лежит
|
||||
|
||||
- `src/clickstream_generator/world.py` — конфигурация мира: все его числа
|
||||
одним местом. Правка любого — смена мира; крутить их и предлагается.
|
||||
- `src/clickstream_generator/seeds.py` — иерархия зёрен: кто из какого
|
||||
подпотока берёт случайность. На ней держится весь детерминизм.
|
||||
- `src/clickstream_generator/plan.py` — план состава: кто есть в мире в
|
||||
день D. Когорты, приток, двухкуковые пары и счётчики — до генерации
|
||||
событий.
|
||||
- `src/clickstream_generator/schema.py` — контракт схемы: чистые данные о
|
||||
колонках выгрузки. Собственность генератора; из него выводятся сам
|
||||
генератор, его валидация и описание выгрузки в доках.
|
||||
- `src/clickstream_generator/schema_doc.py` — сборка «описания выгрузки»
|
||||
([`docs/formats/clickstream-event.md`](../docs/formats/clickstream-event.md))
|
||||
из контракта. Документ руками не правят — пересобирают.
|
||||
- `tests/` — инварианты контракта и свежесть описания.
|
||||
- `tests/` — инварианты контракта, свежесть описания и обещания плана:
|
||||
чистота от зерна, приток, гарантия двухкуковых пар.
|
||||
|
||||
## Команды
|
||||
|
||||
|
||||
@@ -0,0 +1,264 @@
|
||||
"""План состава: способ спросить у мира, кто в нём есть в день D.
|
||||
|
||||
Мир — функция, не состояние. Глобального списка посетителей нет и не будет:
|
||||
когорта дня — люди, впервые пришедшие именно в этот день, — чистая функция
|
||||
зерна и номера дня. Аудитория дня складывается из его когорты и возвратов
|
||||
когорт последних дней: дольше хвоста возвратов кука не живёт, поэтому загляд
|
||||
назад ограничен окном, а не прожитой историей. День 500 стоит ровно столько
|
||||
же, сколько день 5 (спека генератора, раздел 1).
|
||||
|
||||
Что план решает до генерации событий и чем связывает дни между собой:
|
||||
|
||||
- приток — кто и когда впервые появился, и сколько раз вернётся;
|
||||
- двухкуковые пары — какой человек завёл вторую куку и в какие дни
|
||||
каждая из двух кук обязана оформить заказ;
|
||||
- счётчики — приток по дням, дневная и накопленная аудитория, пары.
|
||||
|
||||
Случайность тянется целыми числами: диапазоны и выбор по целым весам.
|
||||
Плавающие распределения системной математики не зовутся — они расходятся
|
||||
между версиями numpy и архитектурами CPU, а обещано побайтовое совпадение
|
||||
(спека, раздел 2).
|
||||
"""
|
||||
|
||||
from dataclasses import dataclass, fields
|
||||
from functools import lru_cache
|
||||
|
||||
import numpy as np
|
||||
from numpy.typing import NDArray
|
||||
|
||||
from clickstream_generator import world
|
||||
from clickstream_generator.seeds import cohort_stream
|
||||
|
||||
# Куки живут числами ниже 2^53: выше JSON округляет — тот же довод, что у
|
||||
# `WatchID` в контракте схемы.
|
||||
MAX_CLIENT_ID = 2**53
|
||||
|
||||
# Кумулятивные веса: выбор по ним — целочисленный, бросок попадает в чью-то
|
||||
# долю общего веса.
|
||||
_RETURN_COUNTS = np.cumsum(world.RETURN_COUNT_WEIGHTS)
|
||||
_RETURN_DELAYS = np.cumsum(world.RETURN_DELAY_WEIGHTS)
|
||||
|
||||
|
||||
@dataclass(frozen=True, slots=True)
|
||||
class Cohort:
|
||||
"""Люди, впервые пришедшие в мир в день `day`, с их куками и визитами.
|
||||
|
||||
Куки лежат одним рядом: сначала первые куки людей — по одной на человека,
|
||||
индексы 0…`people`−1, — затем вторые куки двухкуковых пар. Кука без пары
|
||||
и есть человек целиком.
|
||||
|
||||
Визиты — плоская таблица «кука — день», отсортированная и без повторов:
|
||||
на день у куки приходится не больше одного визита. Все дни лежат в окне
|
||||
активности человека: от `day` до `day` + хвост возвратов.
|
||||
"""
|
||||
|
||||
day: int
|
||||
people: int
|
||||
client_id: NDArray[np.uint64]
|
||||
birth_day: NDArray[np.int64]
|
||||
buyer: NDArray[np.bool_]
|
||||
visit_cookie: NDArray[np.int64]
|
||||
visit_day: NDArray[np.int64]
|
||||
# Пары и назначенные им заказы — по строке на пару, по колонке на куку.
|
||||
pair_cookies: NDArray[np.int64]
|
||||
pair_order_days: NDArray[np.int64]
|
||||
|
||||
def __post_init__(self) -> None:
|
||||
"""Когорта запоминается, поэтому массивы отдаются только на чтение."""
|
||||
for field in fields(self):
|
||||
value = getattr(self, field.name)
|
||||
if isinstance(value, np.ndarray):
|
||||
value.flags.writeable = False
|
||||
|
||||
@property
|
||||
def pairs(self) -> int:
|
||||
"""Сколько пар получили назначенные заказы."""
|
||||
return len(self.pair_cookies)
|
||||
|
||||
|
||||
@dataclass(frozen=True, slots=True)
|
||||
class DayAudience:
|
||||
"""Куки, пришедшие в день `day`, — вход для будущей дня-функции."""
|
||||
|
||||
day: int
|
||||
client_id: NDArray[np.uint64]
|
||||
buyer: NDArray[np.bool_]
|
||||
# Куки, которым план назначил на этот день гарантированный заказ пары.
|
||||
assigned_order: NDArray[np.bool_]
|
||||
|
||||
|
||||
@dataclass(frozen=True, slots=True)
|
||||
class PlanCounters:
|
||||
"""Счётчики горизонта `days`, известные до генерации хоть одного события."""
|
||||
|
||||
days: int
|
||||
new_cookies: tuple[int, ...]
|
||||
audience: tuple[int, ...]
|
||||
# Накопленная аудитория: uniq(ClientID) за весь горизонт. С дневной не
|
||||
# сходится и растёт с горизонтом — это и есть приток, видимый на плане.
|
||||
visitors: int
|
||||
# Пары, реализованные внутри горизонта: оба назначенных заказа в нём.
|
||||
pairs: int
|
||||
|
||||
|
||||
@lru_cache(maxsize=world.RETURN_TAIL_DAYS + 8)
|
||||
def cohort(seed: int, day: int) -> Cohort:
|
||||
"""Когорта дня `day`; отрицательный день — предыстория, событий не даёт.
|
||||
|
||||
Функция чистая, а запоминание — только чтобы соседние дни не считали одни
|
||||
и те же когорты заново: окно возвратов у них общее.
|
||||
"""
|
||||
if day < -world.RETURN_TAIL_DAYS:
|
||||
raise ValueError(f"предыстория мира не глубже {world.RETURN_TAIL_DAYS} дней")
|
||||
|
||||
rng = cohort_stream(seed, day)
|
||||
people = _influx(rng, day)
|
||||
buyer = rng.integers(0, 100, people) < world.BUYER_PERCENT
|
||||
paired = np.flatnonzero(buyer)[
|
||||
rng.integers(0, 100, int(buyer.sum())) < world.PAIRED_BUYER_PERCENT
|
||||
]
|
||||
|
||||
cookies = people + paired.size
|
||||
client_id = rng.integers(1, MAX_CLIENT_ID, cookies, dtype=np.uint64)
|
||||
birth_day = np.full(cookies, day, dtype=np.int64)
|
||||
# Вторая кука рождается, пока человек ещё ходит: тем же затухающим
|
||||
# профилем, что и возвраты, — обычно через дни, изредка через месяцы.
|
||||
# Фиксированного зазора нет, иначе пары в данных узнавались бы по нему.
|
||||
birth_day[people:] += 1 + _pick(rng, _RETURN_DELAYS, paired.size)
|
||||
|
||||
visit_cookie, visit_day = _visits(rng, birth_day, day + world.RETURN_TAIL_DAYS)
|
||||
pair_cookies, pair_order_days = _assign_orders(
|
||||
rng,
|
||||
np.column_stack((paired, np.arange(people, cookies, dtype=np.int64))),
|
||||
visit_cookie,
|
||||
visit_day,
|
||||
cookies,
|
||||
)
|
||||
return Cohort(
|
||||
day=day,
|
||||
people=people,
|
||||
client_id=client_id,
|
||||
birth_day=birth_day,
|
||||
# Вторая кука принадлежит покупателю — как и первая кука его пары.
|
||||
buyer=np.concatenate((buyer, np.ones(paired.size, dtype=bool))),
|
||||
visit_cookie=visit_cookie,
|
||||
visit_day=visit_day,
|
||||
pair_cookies=pair_cookies,
|
||||
pair_order_days=pair_order_days,
|
||||
)
|
||||
|
||||
|
||||
def audience(seed: int, day: int) -> DayAudience:
|
||||
"""Кто пришёл в день `day`: его когорта плюс возвраты когорт окна."""
|
||||
if day < 0:
|
||||
raise ValueError(f"события начинаются в D0: дня {day} на оси нет")
|
||||
|
||||
client_id, buyer, assigned = [], [], []
|
||||
# Предыстория ровно такой глубины, чтобы окна хватило и первому дню оси.
|
||||
for born in range(day - world.RETURN_TAIL_DAYS, day + 1):
|
||||
born_cohort = cohort(seed, born)
|
||||
here = born_cohort.visit_cookie[born_cohort.visit_day == day]
|
||||
client_id.append(born_cohort.client_id[here])
|
||||
buyer.append(born_cohort.buyer[here])
|
||||
ordering = born_cohort.pair_cookies[born_cohort.pair_order_days == day]
|
||||
assigned.append(np.isin(here, ordering))
|
||||
return DayAudience(
|
||||
day=day,
|
||||
client_id=np.concatenate(client_id),
|
||||
buyer=np.concatenate(buyer),
|
||||
assigned_order=np.concatenate(assigned),
|
||||
)
|
||||
|
||||
|
||||
def counters(seed: int, days: int) -> PlanCounters:
|
||||
"""Счётчики плана на горизонте `days` — прогон плана по дням, без событий."""
|
||||
new_cookies = np.zeros(days, dtype=np.int64)
|
||||
daily = np.zeros(days, dtype=np.int64)
|
||||
seen: list[NDArray[np.uint64]] = []
|
||||
pairs = 0
|
||||
|
||||
# Дальше горизонта когорты не заглядывают, ближе предыстории — не живут.
|
||||
for born in range(-world.RETURN_TAIL_DAYS, days):
|
||||
born_cohort = cohort(seed, born)
|
||||
inside = (born_cohort.visit_day >= 0) & (born_cohort.visit_day < days)
|
||||
daily += np.bincount(born_cohort.visit_day[inside], minlength=days)
|
||||
seen.append(born_cohort.client_id[np.unique(born_cohort.visit_cookie[inside])])
|
||||
appeared = born_cohort.birth_day[
|
||||
(born_cohort.birth_day >= 0) & (born_cohort.birth_day < days)
|
||||
]
|
||||
new_cookies += np.bincount(appeared, minlength=days)
|
||||
pairs += int(np.all(born_cohort.pair_order_days < days, axis=1).sum())
|
||||
|
||||
return PlanCounters(
|
||||
days=days,
|
||||
new_cookies=tuple(new_cookies.tolist()),
|
||||
audience=tuple(daily.tolist()),
|
||||
visitors=int(np.unique(np.concatenate(seen)).size),
|
||||
pairs=pairs,
|
||||
)
|
||||
|
||||
|
||||
def _influx(rng: np.random.Generator, day: int) -> int:
|
||||
"""Сколько новых людей приходит в этот день: число мира по недельной волне."""
|
||||
base = world.DAILY_INFLUX * world.WEEKLY_INFLUX_PERCENT[day % 7] // 100
|
||||
spread = base * world.INFLUX_JITTER_PERCENT // 100
|
||||
return base + int(rng.integers(-spread, spread + 1))
|
||||
|
||||
|
||||
def _visits(
|
||||
rng: np.random.Generator, birth_day: NDArray[np.int64], window_end: int
|
||||
) -> tuple[NDArray[np.int64], NDArray[np.int64]]:
|
||||
"""Дни визитов каждой куки: день рождения и возвраты, пока окно открыто."""
|
||||
cookies = birth_day.size
|
||||
returns = np.zeros(cookies, dtype=np.int64)
|
||||
returning = rng.integers(0, 100, cookies) >= world.ONE_SHOT_PERCENT
|
||||
returns[returning] = 1 + _pick(rng, _RETURN_COUNTS, int(returning.sum()))
|
||||
|
||||
owner = np.repeat(np.arange(cookies, dtype=np.int64), returns)
|
||||
delay = 1 + _pick(rng, _RETURN_DELAYS, owner.size)
|
||||
cookie = np.concatenate((np.arange(cookies, dtype=np.int64), owner))
|
||||
when = np.concatenate((birth_day, birth_day[owner] + delay))
|
||||
|
||||
# Вторая кука пары рождается посреди окна, и её возвраты за край не идут.
|
||||
inside = when <= window_end
|
||||
cookie, when = cookie[inside], when[inside]
|
||||
order = np.lexsort((when, cookie))
|
||||
cookie, when = cookie[order], when[order]
|
||||
|
||||
# Два возврата в один день — один визит: день у куки бывает только один.
|
||||
once = np.ones(cookie.size, dtype=bool)
|
||||
once[1:] = (cookie[1:] != cookie[:-1]) | (when[1:] != when[:-1])
|
||||
return cookie[once], when[once]
|
||||
|
||||
|
||||
def _assign_orders(
|
||||
rng: np.random.Generator,
|
||||
pair_cookies: NDArray[np.int64],
|
||||
visit_cookie: NDArray[np.int64],
|
||||
visit_day: NDArray[np.int64],
|
||||
cookies: int,
|
||||
) -> tuple[NDArray[np.int64], NDArray[np.int64]]:
|
||||
"""Дни гарантированных заказов пары: по визиту каждой из двух кук, от D0.
|
||||
|
||||
Человеку предыстории, у чьей куки визитов на оси не осталось, пара не
|
||||
назначается: обещать заказ, которого никто не увидит, нечестно. Дни
|
||||
берутся той же случайностью, что и всё остальное, — в данных условность
|
||||
не видна.
|
||||
"""
|
||||
on_axis = visit_day >= 0
|
||||
counts = np.bincount(visit_cookie[on_axis], minlength=cookies)
|
||||
# Визиты куки идут подряд и по возрастанию дня, поэтому дни от D0 — хвост
|
||||
# её блока: до конца блока ровно `counts` визитов.
|
||||
first_on_axis = np.searchsorted(visit_cookie, np.arange(cookies), "right") - counts
|
||||
|
||||
assigned = np.all(counts[pair_cookies] > 0, axis=1)
|
||||
pairs = pair_cookies[assigned]
|
||||
chosen = first_on_axis[pairs] + rng.integers(0, counts[pairs])
|
||||
return pairs, visit_day[chosen]
|
||||
|
||||
|
||||
def _pick(
|
||||
rng: np.random.Generator, cumulative: NDArray[np.int64], size: int
|
||||
) -> NDArray[np.int64]:
|
||||
"""Выбор по целым весам: куда попал бросок в общий вес, тот вариант и вышел."""
|
||||
return np.searchsorted(cumulative, rng.integers(0, cumulative[-1], size), "right")
|
||||
@@ -0,0 +1,72 @@
|
||||
"""Иерархия зёрен: откуда любая часть мира берёт свою случайность.
|
||||
|
||||
Дерево подпотоков (спека генератора, раздел 2):
|
||||
|
||||
корневое зерно
|
||||
├── состав мира
|
||||
│ ├── ось → номер дня: когорта этого дня
|
||||
│ └── предыстория → глубина: когорта дня до D0
|
||||
└── дни
|
||||
└── номер дня → трафик, торговля, расхождения, опоздания
|
||||
|
||||
Механизм — `numpy.random.SeedSequence`: потомок полностью определяется парой
|
||||
(зерно, позиция в дереве), а не порядком вычислений. Сверено через Context7
|
||||
по документации numpy (2026-08-01) и проверено тестом: `spawn_key`, выписанный
|
||||
руками, даёт тот же подпоток, что цепочка `spawn`. На этом держатся три
|
||||
обещания: параллельный прогон равен последовательному, день N+1 не трогает
|
||||
дни 1…N, правка одного компонента меняет только его часть снимка.
|
||||
|
||||
Позиция в дереве — неотрицательные целые, а дни предыстории отрицательны;
|
||||
поэтому у предыстории своя ветвь, а не общий ряд с осью.
|
||||
"""
|
||||
|
||||
from collections.abc import Sequence
|
||||
from enum import IntEnum
|
||||
|
||||
import numpy as np
|
||||
|
||||
# Канонический зерно эталонного мира — константа репозитория; манифест хранит
|
||||
# его в паспорте мира. Свои зёрна менти крутит без гарантий манифеста.
|
||||
CANONICAL_SEED = 20260601
|
||||
|
||||
|
||||
class Component(IntEnum):
|
||||
"""Подпотоки внутри дня; порядок объявления — позиция в дереве."""
|
||||
|
||||
TRAFFIC = 0
|
||||
COMMERCE = 1
|
||||
DISCREPANCIES = 2
|
||||
LATECOMERS = 3
|
||||
|
||||
|
||||
class _Branch(IntEnum):
|
||||
"""Две ветви корня: постоянный состав мира и проживание дней."""
|
||||
|
||||
COMPOSITION = 0
|
||||
DAYS = 1
|
||||
|
||||
|
||||
class _Era(IntEnum):
|
||||
"""Две ветви состава: ось событий и предыстория до D0."""
|
||||
|
||||
AXIS = 0
|
||||
PREHISTORY = 1
|
||||
|
||||
|
||||
def _stream(seed: int, position: Sequence[int]) -> np.random.Generator:
|
||||
"""Подпоток на позиции `position` дерева зерна `seed`."""
|
||||
sequence = np.random.SeedSequence(entropy=seed, spawn_key=position)
|
||||
return np.random.Generator(np.random.PCG64(sequence))
|
||||
|
||||
|
||||
def cohort_stream(seed: int, day: int) -> np.random.Generator:
|
||||
"""Случайность когорты дня `day`; отрицательный день — предыстория."""
|
||||
era, index = (_Era.AXIS, day) if day >= 0 else (_Era.PREHISTORY, -day - 1)
|
||||
return _stream(seed, (_Branch.COMPOSITION, era, index))
|
||||
|
||||
|
||||
def day_stream(seed: int, day: int, component: Component) -> np.random.Generator:
|
||||
"""Случайность одного компонента дня `day` — дня оси, не предыстории."""
|
||||
if day < 0:
|
||||
raise ValueError(f"события начинаются в D0: дня {day} на оси нет")
|
||||
return _stream(seed, (_Branch.DAYS, day, component))
|
||||
@@ -0,0 +1,68 @@
|
||||
"""Конфигурация мира: все числа, которыми задан модельный магазин.
|
||||
|
||||
Модуль — приглашение крутить: поменяйте число, пересоберите снимок и
|
||||
посмотрите, что стало с данными. Правка любой константы здесь — смена мира,
|
||||
поэтому чек манифеста честно покраснеет: манифест сторожит только канонический
|
||||
мир, свои миры менти собирает без его гарантий (спека генератора, раздел 9).
|
||||
|
||||
Числа решены спекой и связаны между собой; связки сторожат тесты
|
||||
`test_world.py`, чтобы правка одного числа не рассыпала вывод соседнего.
|
||||
Здесь только чистые данные — как в контракте схемы, никакой логики.
|
||||
"""
|
||||
|
||||
from datetime import date
|
||||
|
||||
# D0 — первый день оси модельного времени, понедельник. Реальный календарь в
|
||||
# модели не участвует: дата нужна лишь затем, чтобы дни оси легли в
|
||||
# `EventDate`/`UTCEventTime` конкретными числами. От даты запуска мир не
|
||||
# зависит — иначе манифест перестал бы быть воспроизводимым.
|
||||
ORIGIN = date(2026, 6, 1)
|
||||
|
||||
# Приток: сколько новых людей приходит в мир в средний день. Каждый приводит
|
||||
# свою куку, поэтому число это же — приток кук; вторые куки двухкуковых пар
|
||||
# добавляют к нему меньше процента.
|
||||
DAILY_INFLUX = 3_800
|
||||
|
||||
# Недельная волна притока, проценты от среднего: понедельник … воскресенье.
|
||||
# Модулируется тем же профилем, что трафик, — иначе доля новичков скакала бы
|
||||
# по дням недели. В сумме ровно 700: за неделю средний день остаётся средним.
|
||||
WEEKLY_INFLUX_PERCENT = (105, 108, 107, 105, 95, 88, 92)
|
||||
|
||||
# Разброс притока изо дня в день, проценты: ровный приток выдал бы себя в
|
||||
# первом же графике по дням.
|
||||
INFLUX_JITTER_PERCENT = 5
|
||||
|
||||
# Доля одноразовых кук: пришли раз и не вернулись — как в живом трафике.
|
||||
ONE_SHOT_PERCENT = 75
|
||||
|
||||
# Сколько раз возвращается кука, которая вернулась хоть раз: веса для 1, 2,
|
||||
# 3 … возвратов. В среднем выходит 3–4 возврата; вместе с одноразовыми это
|
||||
# ≈1,9 активного дня на куку — отсюда дневная аудитория 6–8 тыс. при
|
||||
# притоке 3 800 (спека, разделы 5 и 9).
|
||||
RETURN_COUNT_WEIGHTS = (25, 20, 15, 12, 9, 7, 5, 4, 2, 1)
|
||||
|
||||
# Хвост возвратов: окно активности куки от её первого визита. За краем окна
|
||||
# кука не возвращается. Оно же — глубина предыстории: столько когорт живёт
|
||||
# до D0, чтобы дневная аудитория была на полке с самого первого дня.
|
||||
RETURN_TAIL_DAYS = 90
|
||||
|
||||
# Профиль возвратов по дням от первого визита: почти всё в первую неделю,
|
||||
# дальше тонкий хвост до края окна — повторные покупки в магазине случаются
|
||||
# и через месяцы. Профиль затухает к краю, поэтому обрыв на нём в данных не
|
||||
# виден. Читается по парам «сколько дней — с каким весом»; дней в сумме
|
||||
# ровно `RETURN_TAIL_DAYS`.
|
||||
RETURN_DELAY_WEIGHTS = tuple(
|
||||
weight
|
||||
for days, weight in ((3, 100), (7, 40), (20, 8), (60, 1))
|
||||
for _ in range(days)
|
||||
)
|
||||
|
||||
# Доля покупателей среди людей когорты. Считается людьми, не куками: человек
|
||||
# с двумя куками — один покупатель. Число плана, а не торгового поведения:
|
||||
# без него не отобрать двухкуковые пары.
|
||||
BUYER_PERCENT = 5
|
||||
|
||||
# Доля покупателей, у которых заведётся вторая кука (мастер-спека, раздел 5).
|
||||
# Такой паре план назначает по гарантированному заказу с каждой куки — на
|
||||
# этом стоит лаба про склейку личности.
|
||||
PAIRED_BUYER_PERCENT = 15
|
||||
@@ -0,0 +1,243 @@
|
||||
"""План состава: чистота, приток и обещания, данные спекой (разделы 1, 5, 9).
|
||||
|
||||
Числа мира тесты сторожат вилками спеки, а не точными значениями: менти
|
||||
крутит конфигурацию, и падать тесты должны там, где сдвинулся вывод («средний
|
||||
магазин на 6–8 тыс. посетителей»), а не при каждой правке.
|
||||
"""
|
||||
|
||||
import inspect
|
||||
import re
|
||||
|
||||
import numpy as np
|
||||
import pytest
|
||||
|
||||
from clickstream_generator import plan, world
|
||||
from clickstream_generator.seeds import CANONICAL_SEED
|
||||
|
||||
# Горизонт эталонного снимка — две недели (спека, раздел 5).
|
||||
SNAPSHOT_DAYS = 14
|
||||
|
||||
|
||||
@pytest.fixture(autouse=True)
|
||||
def fresh_memo():
|
||||
"""Когорты запоминаются; тесты сравнивают вычисления, а не ссылки."""
|
||||
plan.cohort.cache_clear()
|
||||
|
||||
|
||||
def visits_of(cohort: plan.Cohort) -> list[tuple[int, int]]:
|
||||
"""Таблица визитов парами «кука — день», как её видит день-функция."""
|
||||
cookies, days = cohort.visit_cookie.tolist(), cohort.visit_day.tolist()
|
||||
return list(zip(cookies, days, strict=True))
|
||||
|
||||
|
||||
def same_cohort(left: plan.Cohort, right: plan.Cohort) -> bool:
|
||||
return (
|
||||
left.day == right.day
|
||||
and left.people == right.people
|
||||
and np.array_equal(left.client_id, right.client_id)
|
||||
and np.array_equal(left.buyer, right.buyer)
|
||||
and np.array_equal(left.birth_day, right.birth_day)
|
||||
and np.array_equal(left.visit_cookie, right.visit_cookie)
|
||||
and np.array_equal(left.visit_day, right.visit_day)
|
||||
and np.array_equal(left.pair_cookies, right.pair_cookies)
|
||||
and np.array_equal(left.pair_order_days, right.pair_order_days)
|
||||
)
|
||||
|
||||
|
||||
def test_the_plan_is_a_pure_function_of_the_seed():
|
||||
first = plan.cohort(CANONICAL_SEED, 3)
|
||||
plan.cohort.cache_clear()
|
||||
assert same_cohort(first, plan.cohort(CANONICAL_SEED, 3))
|
||||
|
||||
|
||||
def test_counters_are_a_pure_function_of_the_seed():
|
||||
first = plan.counters(CANONICAL_SEED, SNAPSHOT_DAYS)
|
||||
plan.cohort.cache_clear()
|
||||
assert first == plan.counters(CANONICAL_SEED, SNAPSHOT_DAYS)
|
||||
|
||||
|
||||
def test_another_seed_is_another_world():
|
||||
ours = plan.cohort(CANONICAL_SEED, 3)
|
||||
theirs = plan.cohort(CANONICAL_SEED + 1, 3)
|
||||
assert not same_cohort(ours, theirs)
|
||||
|
||||
|
||||
def test_a_day_costs_the_same_however_far_it_lies():
|
||||
"""Горизонт не вход: день 500 стоит ровно столько же когорт, что день 5."""
|
||||
plan.audience(CANONICAL_SEED, 5)
|
||||
near = plan.cohort.cache_info().misses
|
||||
plan.cohort.cache_clear()
|
||||
plan.audience(CANONICAL_SEED, 500)
|
||||
assert plan.cohort.cache_info().misses == near
|
||||
|
||||
|
||||
def test_the_world_has_a_prehistory_but_no_bottom_under_it():
|
||||
assert plan.cohort(CANONICAL_SEED, -world.RETURN_TAIL_DAYS).people > 0
|
||||
with pytest.raises(ValueError):
|
||||
plan.cohort(CANONICAL_SEED, -world.RETURN_TAIL_DAYS - 1)
|
||||
|
||||
|
||||
def test_events_do_not_start_before_the_origin():
|
||||
with pytest.raises(ValueError):
|
||||
plan.audience(CANONICAL_SEED, -1)
|
||||
|
||||
|
||||
@pytest.mark.parametrize("day", [-world.RETURN_TAIL_DAYS, -1, 0, 6, 13])
|
||||
def test_visits_stay_inside_the_activity_window(day: int):
|
||||
"""Окно активности — хвост возвратов от первого визита человека."""
|
||||
cohort = plan.cohort(CANONICAL_SEED, day)
|
||||
assert cohort.visit_day.min() == day
|
||||
assert cohort.visit_day.max() <= day + world.RETURN_TAIL_DAYS
|
||||
|
||||
|
||||
def test_every_cookie_visits_on_the_day_it_was_born():
|
||||
cohort = plan.cohort(CANONICAL_SEED, 0)
|
||||
cookies = range(cohort.client_id.size)
|
||||
born = zip(cookies, cohort.birth_day.tolist(), strict=True)
|
||||
assert set(born) <= set(visits_of(cohort))
|
||||
|
||||
|
||||
def test_a_cookie_visits_a_day_once():
|
||||
cohort = plan.cohort(CANONICAL_SEED, 0)
|
||||
visits = visits_of(cohort)
|
||||
assert visits == sorted(visits)
|
||||
assert len(set(visits)) == len(visits)
|
||||
|
||||
|
||||
def test_client_ids_are_unique_and_survive_json():
|
||||
"""Числа выше 2^53 в JSON округляются — куке столько не нужно."""
|
||||
cohort = plan.cohort(CANONICAL_SEED, 0)
|
||||
assert len(set(cohort.client_id.tolist())) == cohort.client_id.size
|
||||
assert cohort.client_id.max() < 2**53
|
||||
|
||||
|
||||
def test_a_pair_is_one_buyer_with_two_cookies():
|
||||
cohort = plan.cohort(CANONICAL_SEED, 0)
|
||||
assert cohort.pairs > 0
|
||||
first, second = cohort.pair_cookies[:, 0], cohort.pair_cookies[:, 1]
|
||||
assert np.all(first < cohort.people)
|
||||
assert np.all(second >= cohort.people)
|
||||
assert np.all(cohort.buyer[cohort.pair_cookies])
|
||||
born_apart = cohort.birth_day[second] - cohort.birth_day[first]
|
||||
assert np.all(born_apart > 0)
|
||||
assert np.all(born_apart <= world.RETURN_TAIL_DAYS)
|
||||
# Вторая кука заводится, пока человек ещё ходит: обычно в первые дни.
|
||||
assert np.median(born_apart) < 14
|
||||
|
||||
|
||||
def test_pairs_are_the_agreed_share_of_buyers():
|
||||
"""15% покупателей (мастер-спека, раздел 5) — доля решена, не переоткрыта."""
|
||||
cohort = plan.cohort(CANONICAL_SEED, 0)
|
||||
buyers = int(cohort.buyer[: cohort.people].sum())
|
||||
assert 0.10 < cohort.pairs / buyers < 0.20
|
||||
assert 0.03 < buyers / cohort.people < 0.07
|
||||
|
||||
|
||||
@pytest.mark.parametrize("day", [-world.RETURN_TAIL_DAYS, -20, 0, 5])
|
||||
def test_every_pair_orders_from_both_cookies_on_the_axis(day: int):
|
||||
"""Гарантия двухкуковых: заказ назначен на день визита куки, не раньше D0."""
|
||||
cohort = plan.cohort(CANONICAL_SEED, day)
|
||||
visits = set(visits_of(cohort))
|
||||
for cookies, days in zip(
|
||||
cohort.pair_cookies.tolist(), cohort.pair_order_days.tolist(), strict=True
|
||||
):
|
||||
assert len(set(days)) == len(days) or cookies[0] != cookies[1]
|
||||
for cookie, order_day in zip(cookies, days, strict=True):
|
||||
assert order_day >= 0
|
||||
assert (cookie, order_day) in visits
|
||||
|
||||
|
||||
def test_the_daily_audience_matches_the_spec_band():
|
||||
"""6–8 тыс. посетителей в день — правдоподобный средний магазин."""
|
||||
counters = plan.counters(CANONICAL_SEED, SNAPSHOT_DAYS)
|
||||
assert all(6_000 <= size <= 8_000 for size in counters.audience)
|
||||
|
||||
|
||||
def test_the_influx_holds_its_daily_number():
|
||||
counters = plan.counters(CANONICAL_SEED, SNAPSHOT_DAYS)
|
||||
average = sum(counters.new_cookies) / len(counters.new_cookies)
|
||||
assert abs(average - world.DAILY_INFLUX) < world.DAILY_INFLUX // 10
|
||||
|
||||
|
||||
def test_the_influx_breathes_with_the_week():
|
||||
"""Приток модулируется тем же недельным профилем, что трафик."""
|
||||
|
||||
def mean(numbers: tuple[int, ...] | list[int]) -> float:
|
||||
return sum(numbers) / len(numbers)
|
||||
|
||||
counters = plan.counters(CANONICAL_SEED, SNAPSHOT_DAYS)
|
||||
weekdays = [size for day, size in enumerate(counters.new_cookies) if day % 7 < 5]
|
||||
weekend = [size for day, size in enumerate(counters.new_cookies) if day % 7 >= 5]
|
||||
expected = mean(world.WEEKLY_INFLUX_PERCENT[5:]) / mean(
|
||||
world.WEEKLY_INFLUX_PERCENT[:5]
|
||||
)
|
||||
assert abs(mean(weekend) / mean(weekdays) - expected) < 0.03
|
||||
|
||||
|
||||
def test_the_influx_differs_even_on_the_same_weekday():
|
||||
"""Ровный приток выдал бы себя в первом же графике по дням."""
|
||||
mondays = {plan.cohort(CANONICAL_SEED, day).people for day in (0, 7, 14, 21)}
|
||||
assert len(mondays) > 1
|
||||
|
||||
|
||||
def test_the_influx_is_visible_on_the_plan():
|
||||
"""Накопленная аудитория растёт с горизонтом и с дневной не сходится."""
|
||||
week = plan.counters(CANONICAL_SEED, 7)
|
||||
fortnight = plan.counters(CANONICAL_SEED, SNAPSHOT_DAYS)
|
||||
assert week.visitors < fortnight.visitors
|
||||
assert fortnight.visitors > 2 * max(fortnight.audience)
|
||||
|
||||
|
||||
def test_the_horizon_is_a_prefix_not_another_world():
|
||||
"""Продление истории днём N+1 не трогает дни 1…N."""
|
||||
week = plan.counters(CANONICAL_SEED, 7)
|
||||
fortnight = plan.counters(CANONICAL_SEED, SNAPSHOT_DAYS)
|
||||
assert fortnight.audience[:7] == week.audience
|
||||
assert fortnight.new_cookies[:7] == week.new_cookies
|
||||
|
||||
|
||||
def test_counters_count_the_same_audience_that_the_day_gets():
|
||||
"""Счётчики и дня-функция спрашивают один план — расходиться им негде."""
|
||||
counters = plan.counters(CANONICAL_SEED, SNAPSHOT_DAYS)
|
||||
for day in (0, 7, SNAPSHOT_DAYS - 1):
|
||||
actual = plan.audience(CANONICAL_SEED, day).client_id.size
|
||||
assert actual == counters.audience[day]
|
||||
|
||||
|
||||
def test_counters_know_the_pairs_before_a_single_event():
|
||||
counters = plan.counters(CANONICAL_SEED, SNAPSHOT_DAYS)
|
||||
assert counters.pairs > 0
|
||||
|
||||
|
||||
def test_the_audience_of_a_day_carries_its_assigned_orders():
|
||||
audience = plan.audience(CANONICAL_SEED, 5)
|
||||
assert audience.client_id.size == audience.buyer.size
|
||||
assert audience.assigned_order.sum() > 0
|
||||
assert np.all(audience.buyer[audience.assigned_order])
|
||||
assert len(set(audience.client_id.tolist())) == audience.client_id.size
|
||||
|
||||
|
||||
def test_randomness_is_drawn_in_whole_numbers():
|
||||
"""Дисциплина спеки (раздел 2): целые числа, никакой системной математики.
|
||||
|
||||
Сторож — разрешительный: плавающие распределения numpy расходятся между
|
||||
архитектурами и версиями (NEP 19), поэтому в план пускается только выбор
|
||||
целого.
|
||||
"""
|
||||
for module in (plan, world):
|
||||
source = inspect.getsource(module)
|
||||
assert set(re.findall(r"\brng\.(\w+)", source)) <= {"integers"}
|
||||
assert not re.search(r"^\s*import (random|math)\b", source, re.MULTILINE)
|
||||
|
||||
|
||||
def test_plan_arrays_are_whole_numbers():
|
||||
cohort = plan.cohort(CANONICAL_SEED, 0)
|
||||
for array in (
|
||||
cohort.client_id,
|
||||
cohort.birth_day,
|
||||
cohort.visit_cookie,
|
||||
cohort.visit_day,
|
||||
cohort.pair_cookies,
|
||||
cohort.pair_order_days,
|
||||
):
|
||||
assert np.issubdtype(array.dtype, np.integer)
|
||||
@@ -0,0 +1,66 @@
|
||||
"""Свойства иерархии зёрен, на которых держится детерминизм.
|
||||
|
||||
Проверяется не «числа такие-то» (они зависят от numpy и закреплены
|
||||
`uv.lock`), а три обещания спеки, раздел 2: подпоток определяется позицией
|
||||
в дереве, а не порядком вычислений; продление истории днём N+1 не трогает
|
||||
дни 1…N; правка одного компонента не задевает соседние.
|
||||
"""
|
||||
|
||||
import numpy as np
|
||||
|
||||
from clickstream_generator.seeds import (
|
||||
CANONICAL_SEED,
|
||||
Component,
|
||||
cohort_stream,
|
||||
day_stream,
|
||||
)
|
||||
|
||||
|
||||
def first_draws(stream: np.random.Generator) -> list[int]:
|
||||
"""Отпечаток подпотока: первые броски целыми."""
|
||||
return stream.integers(0, 2**32, 8).tolist()
|
||||
|
||||
|
||||
def test_canonical_seed_is_a_repository_constant():
|
||||
assert isinstance(CANONICAL_SEED, int)
|
||||
|
||||
|
||||
def test_stream_is_a_position_in_the_tree_not_an_order_of_calls():
|
||||
straight = first_draws(cohort_stream(CANONICAL_SEED, 5))
|
||||
cohort_stream(CANONICAL_SEED, 0)
|
||||
day_stream(CANONICAL_SEED, 3, Component.TRAFFIC)
|
||||
detoured = first_draws(cohort_stream(CANONICAL_SEED, 5))
|
||||
assert straight == detoured
|
||||
|
||||
|
||||
def test_cohorts_of_different_days_are_independent():
|
||||
draws = [first_draws(cohort_stream(CANONICAL_SEED, day)) for day in range(5)]
|
||||
assert len({tuple(draw) for draw in draws}) == len(draws)
|
||||
|
||||
|
||||
def test_prehistory_does_not_collide_with_the_axis():
|
||||
"""Дни до D0 отрицательны, позиция в дереве — нет: своя ветвь."""
|
||||
for depth in range(1, 5):
|
||||
assert first_draws(cohort_stream(CANONICAL_SEED, -depth)) != first_draws(
|
||||
cohort_stream(CANONICAL_SEED, depth)
|
||||
)
|
||||
|
||||
|
||||
def test_day_components_do_not_share_randomness():
|
||||
draws = [
|
||||
first_draws(day_stream(CANONICAL_SEED, 3, component)) for component in Component
|
||||
]
|
||||
assert len({tuple(draw) for draw in draws}) == len(Component)
|
||||
|
||||
|
||||
def test_composition_and_day_are_separate_streams():
|
||||
"""Состав мира ветвится сам по себе — день-функция его не сдвигает."""
|
||||
assert first_draws(cohort_stream(CANONICAL_SEED, 3)) != first_draws(
|
||||
day_stream(CANONICAL_SEED, 3, Component.TRAFFIC)
|
||||
)
|
||||
|
||||
|
||||
def test_another_seed_is_another_world():
|
||||
assert first_draws(cohort_stream(CANONICAL_SEED, 3)) != first_draws(
|
||||
cohort_stream(CANONICAL_SEED + 1, 3)
|
||||
)
|
||||
@@ -0,0 +1,66 @@
|
||||
"""Сторожа конфигурации мира: связность чисел, решённых спекой (раздел 9).
|
||||
|
||||
Крутить числа менти можно и нужно — тесты сторожат не значения, а то, на чём
|
||||
держатся выводы спеки: D0 — понедельник (от него считается день недели),
|
||||
недельный профиль в среднем даёт единицу, профиль возвратов сходится с
|
||||
«в среднем 3–4 возврата» и «средняя кука активна ≈1,9 дня».
|
||||
"""
|
||||
|
||||
from clickstream_generator import world
|
||||
|
||||
|
||||
def mean_by_weights(values: tuple[int, ...], weights: tuple[int, ...]) -> float:
|
||||
pairs = zip(values, weights, strict=True)
|
||||
weighted = sum(value * weight for value, weight in pairs)
|
||||
return weighted / sum(weights)
|
||||
|
||||
|
||||
def test_origin_is_a_monday():
|
||||
"""День недели считается как остаток номера дня — это верно от понедельника."""
|
||||
assert world.ORIGIN.weekday() == 0
|
||||
|
||||
|
||||
def test_weekly_profile_covers_a_week_and_averages_to_one():
|
||||
assert len(world.WEEKLY_INFLUX_PERCENT) == 7
|
||||
assert sum(world.WEEKLY_INFLUX_PERCENT) == 700
|
||||
|
||||
|
||||
def test_returning_share_matches_the_spec():
|
||||
assert world.ONE_SHOT_PERCENT == 75
|
||||
|
||||
|
||||
def test_returns_average_three_to_four():
|
||||
counts = tuple(range(1, len(world.RETURN_COUNT_WEIGHTS) + 1))
|
||||
assert 3 <= mean_by_weights(counts, world.RETURN_COUNT_WEIGHTS) <= 4
|
||||
|
||||
|
||||
def test_average_cookie_is_active_about_two_days():
|
||||
"""Сходимость с разделом 5: ≈1,9 активного дня на куку — отсюда 6–8 тыс."""
|
||||
counts = tuple(range(1, len(world.RETURN_COUNT_WEIGHTS) + 1))
|
||||
returns = mean_by_weights(counts, world.RETURN_COUNT_WEIGHTS)
|
||||
active_days = 1 + (100 - world.ONE_SHOT_PERCENT) / 100 * returns
|
||||
assert 1.8 <= active_days <= 2.0
|
||||
|
||||
|
||||
def test_return_delays_cover_the_whole_activity_window():
|
||||
delays = world.RETURN_DELAY_WEIGHTS
|
||||
assert len(delays) == world.RETURN_TAIL_DAYS
|
||||
assert all(weight > 0 for weight in delays)
|
||||
|
||||
|
||||
def test_return_profile_decays_towards_the_edge():
|
||||
"""Затухание — чтобы обрыв на краю окна в данных был не виден."""
|
||||
delays = world.RETURN_DELAY_WEIGHTS
|
||||
steps = zip(delays, delays[1:], strict=False)
|
||||
assert all(later <= earlier for earlier, later in steps)
|
||||
assert delays[-1] * 10 < delays[0]
|
||||
|
||||
|
||||
def test_most_returns_land_in_the_first_days():
|
||||
delays = world.RETURN_DELAY_WEIGHTS
|
||||
assert sum(delays[:10]) > sum(delays[10:])
|
||||
|
||||
|
||||
def test_pairs_are_a_small_part_of_the_cohort():
|
||||
"""Вторые куки пар добавляют к притоку меньше процента (спека, раздел 9)."""
|
||||
assert world.BUYER_PERCENT * world.PAIRED_BUYER_PERCENT < 100
|
||||
Reference in New Issue
Block a user