feat(orders): добавлен версионный ODS заказов
- Зачем: - менти должен различать версию заказа, наблюдение источника и запуск загрузки. - Что: - добавлены таблицы версий и брака заказов, а также представление ods.order_v. - даг orders_ingest дополнен строгим переходом одного среза STG в две цели ODS. - результаты опытов записаны в документации, дефект генератора вынесен в #102. - Проверка: - make lint config-test smoke check-clickhouse check-services.
This commit is contained in:
+164
-13
@@ -1,8 +1,9 @@
|
||||
"""Приём заказов: пакетный забор слепка из Kafka в хранилище.
|
||||
|
||||
Путь Kafka → STG → ODS у заказов один и живёт одним дагом; здесь его первый
|
||||
шаг — забор. Расписания у дага нет: его дёргает тот, кто положил слепок в
|
||||
топик, — работник пульта мира после проигрыша дня, — и ждёт конца.
|
||||
Путь Kafka → STG → ODS у заказов один и живёт одним дагом: сначала забор
|
||||
порции в сырьё, затем разбор того же среза в типизированный ODS и в таблицу
|
||||
брака. Расписания у дага нет: его дёргает тот, кто положил слепок в топик, —
|
||||
работник пульта мира после проигрыша дня, — и ждёт конца.
|
||||
|
||||
Контраст с приёмом событий и есть урок. События тянет матвью, навсегда
|
||||
подписанная на чтеца: приём идёт сам, пока идёт поток. Слепок заказов
|
||||
@@ -10,8 +11,8 @@
|
||||
и забирает её запрос по команде. Push против pull — два режима на одном стенде,
|
||||
каждый там, где ему место по природе источника.
|
||||
|
||||
Решения и доводы целиком — ADR 0008; форма перехода STG → ODS, который
|
||||
прирастёт сюда вторым шагом, — docs/architecture/orders/ingestion.md.
|
||||
Решения и доводы целиком — ADR 0008 (забор) и ADR 0010 (версии в ODS); форма
|
||||
перехода — docs/architecture/orders/ingestion.md.
|
||||
"""
|
||||
|
||||
from __future__ import annotations
|
||||
@@ -50,6 +51,133 @@ SETTINGS
|
||||
distributed_foreground_insert = 1
|
||||
"""
|
||||
|
||||
# Строгий приём: проверяется форма провода и ничего сверх неё.
|
||||
#
|
||||
# Ключей одиннадцать, и проверяются все: десять скалярных значений прямо
|
||||
# образуют типизированную строку заказа. Внутрь items приём не смотрит —
|
||||
# содержимое позиций, переходы статуса и равенства сумм остаются ниже границы
|
||||
# (docs/architecture/orders/ingestion.md, «Граница строгого приёма»).
|
||||
#
|
||||
# Блок общий у обеих вставок нарочно: годная ветвь берёт row_is_valid, брак —
|
||||
# буквальное NOT. Разойдись условия хоть на символ — строка либо задвоится,
|
||||
# либо исчезнет молча.
|
||||
#
|
||||
# Отсюда два запрета на выражения предиката, и оба серьёзные. Первый: ни одно
|
||||
# не возвращает NULL — трёхзначная логика дала бы строку, которую не берёт ни
|
||||
# условие, ни его отрицание. Поэтому сравнения дают 0 или 1, а обнуляемый
|
||||
# разбор заканчивается IS NOT NULL. Второй: ни одно не бросает исключений на
|
||||
# произвольном raw — иначе одна грязная строка роняет весь переход, ради
|
||||
# отсутствия чего таблица брака и заведена.
|
||||
WIRE_CONTRACT = r"""
|
||||
WITH
|
||||
-- Каноническое время провода: UTC, ровно три знака долей секунды.
|
||||
'yyyy-MM-dd\'T\'HH:mm:ss.SSS\'Z\'' AS ts_mask,
|
||||
JSONType(raw) = 'Object' AS is_object,
|
||||
arraySort(JSONExtractKeys(raw)) = arraySort([
|
||||
'order_id', 'user_id', 'status', 'created_at', 'updated_at',
|
||||
'items_total', 'discount', 'delivery', 'total', 'items',
|
||||
'snapshot_date'
|
||||
]) AS keys_match,
|
||||
JSONType(raw, 'order_id') = 'String'
|
||||
AND JSONType(raw, 'status') = 'String'
|
||||
-- Целое у JSONType зовётся двумя именами, и нужны оба: с одним
|
||||
-- Int64 законный идентификатор за 2^63 уехал бы в брак.
|
||||
AND JSONType(raw, 'user_id') IN ('Int64', 'UInt64')
|
||||
AND JSONExtract(raw, 'user_id', 'Nullable(UInt64)') IS NOT NULL
|
||||
AND JSONType(raw, 'items') = 'Array'
|
||||
-- Форму держит регулярка, реальность — разбор, и порознь они дырявы:
|
||||
-- маска берёт «2026-6-3T…» без ведущих нулей, а регулярка пропускает
|
||||
-- 30 февраля. Обе половины измерены — docs/architecture/storage.md,
|
||||
-- «Что проверено».
|
||||
AND arrayAll(k ->
|
||||
JSONType(raw, k) = 'String'
|
||||
AND match(JSONExtractString(raw, k),
|
||||
'^\\d{4}-\\d{2}-\\d{2}T\\d{2}:\\d{2}:\\d{2}\\.\\d{3}Z$')
|
||||
AND parseDateTime64InJodaSyntaxOrNull(
|
||||
JSONExtractString(raw, k), ts_mask, 'UTC') IS NOT NULL,
|
||||
['created_at', 'updated_at'])
|
||||
-- Деньги — строка с ровно двумя знаками после точки. Регулярка держит
|
||||
-- форму, разбор — вместимость: у строки из двадцати девяток форма
|
||||
-- хороша, а в Decimal(18, 2) она не влезает.
|
||||
AND arrayAll(k ->
|
||||
JSONType(raw, k) = 'String'
|
||||
AND match(JSONExtractString(raw, k), '^\\d+\\.\\d{2}$')
|
||||
AND toDecimal64OrNull(JSONExtractString(raw, k), 2) IS NOT NULL,
|
||||
['items_total', 'discount', 'delivery', 'total'])
|
||||
AND JSONType(raw, 'snapshot_date') = 'String'
|
||||
AND match(JSONExtractString(raw, 'snapshot_date'), '^\\d{4}-\\d{2}-\\d{2}$')
|
||||
AND parseDateTimeInJodaSyntaxOrNull(
|
||||
JSONExtractString(raw, 'snapshot_date'), 'yyyy-MM-dd', 'UTC') IS NOT NULL
|
||||
AS fields_valid,
|
||||
is_object AND keys_match AND fields_valid AS row_is_valid
|
||||
"""
|
||||
|
||||
# Годные версии заказа. Срез читается по _load_id — тому же, что проставил
|
||||
# забор: разбор идёт по неизменной порции, а не по «всему, что появилось».
|
||||
#
|
||||
# Разобранные значения берёт assumeNotNull: обнуляемый разбор стоит за
|
||||
# предикатом, который NULL уже отсёк, и приведение здесь не может упасть.
|
||||
PARSE_GOOD_ROWS = (
|
||||
"INSERT INTO ods.order_snapshot_dist"
|
||||
+ WIRE_CONTRACT
|
||||
+ r"""
|
||||
SELECT
|
||||
JSONExtractString(raw, 'order_id') AS order_id,
|
||||
JSONExtract(raw, 'user_id', 'UInt64') AS user_id,
|
||||
JSONExtractString(raw, 'status') AS status,
|
||||
assumeNotNull(parseDateTime64InJodaSyntaxOrNull(
|
||||
JSONExtractString(raw, 'created_at'), ts_mask, 'UTC')) AS created_at,
|
||||
assumeNotNull(parseDateTime64InJodaSyntaxOrNull(
|
||||
JSONExtractString(raw, 'updated_at'), ts_mask, 'UTC')) AS updated_at,
|
||||
assumeNotNull(toDecimal64OrNull(
|
||||
JSONExtractString(raw, 'items_total'), 2)) AS items_total,
|
||||
assumeNotNull(toDecimal64OrNull(JSONExtractString(raw, 'discount'), 2)) AS discount,
|
||||
assumeNotNull(toDecimal64OrNull(JSONExtractString(raw, 'delivery'), 2)) AS delivery,
|
||||
assumeNotNull(toDecimal64OrNull(JSONExtractString(raw, 'total'), 2)) AS total,
|
||||
-- items кладётся сырым фрагментом JSON, а не разобранной структурой.
|
||||
JSONExtractRaw(raw, 'items') AS items,
|
||||
toDate(assumeNotNull(parseDateTimeInJodaSyntaxOrNull(
|
||||
JSONExtractString(raw, 'snapshot_date'),
|
||||
'yyyy-MM-dd', 'UTC'))) AS snapshot_date,
|
||||
-- Метки запуска и прибытия переносятся как есть. Поставь здесь now64(3) —
|
||||
-- и _load_ts молча ответила бы на другой вопрос: «когда разобрали».
|
||||
_load_id,
|
||||
_load_ts
|
||||
FROM stg.orders_raw_dist
|
||||
WHERE _load_id = {load_id:String} AND row_is_valid
|
||||
SETTINGS distributed_foreground_insert = 1
|
||||
"""
|
||||
)
|
||||
|
||||
# Брак: тот же срез и буквальное отрицание того же предиката.
|
||||
#
|
||||
# Классы перекрываются, поэтому проверяются по порядку, а в error_class идёт
|
||||
# первый совпавший: скаляр проваливает и проверку на объект, и сверку ключей —
|
||||
# без объявленного порядка он попал бы то в один класс, то в другой.
|
||||
PARSE_BAD_ROWS = (
|
||||
"INSERT INTO ods.order_snapshot_errors_dist"
|
||||
+ WIRE_CONTRACT
|
||||
+ r"""
|
||||
SELECT
|
||||
raw,
|
||||
multiIf(
|
||||
NOT is_object, 'not_an_object',
|
||||
NOT keys_match, 'keyset_mismatch',
|
||||
'field_invalid'
|
||||
) AS error_class,
|
||||
kafka_topic,
|
||||
kafka_partition,
|
||||
kafka_offset,
|
||||
kafka_timestamp,
|
||||
consumer_host,
|
||||
_load_id,
|
||||
_load_ts
|
||||
FROM stg.orders_raw_dist
|
||||
WHERE _load_id = {load_id:String} AND NOT row_is_valid
|
||||
SETTINGS distributed_foreground_insert = 1
|
||||
"""
|
||||
)
|
||||
|
||||
|
||||
@dag(
|
||||
dag_id="orders_ingest",
|
||||
@@ -63,17 +191,16 @@ SETTINGS
|
||||
tags=["заказы"],
|
||||
)
|
||||
def orders_ingest():
|
||||
"""Забрать приехавший слепок заказов из топика в сырьё."""
|
||||
"""Забрать приехавший слепок заказов и разложить его по слоям."""
|
||||
|
||||
@task
|
||||
def pull_batch() -> None:
|
||||
# Импорт внутри задачи: обработчик DAG разбирает этот файл снова и
|
||||
# снова, и импорт наверху оплачивался бы каждым разбором.
|
||||
def clickhouse_client():
|
||||
# Импорт при выполнении задачи, а не при разборе файла: обработчик DAG
|
||||
# разбирает его снова и снова, и импорт наверху оплачивался бы каждым
|
||||
# разбором.
|
||||
import clickhouse_connect
|
||||
|
||||
load_id = get_current_context()["run_id"]
|
||||
connection = Connection.get("clickhouse_default")
|
||||
client = clickhouse_connect.get_client(
|
||||
return clickhouse_connect.get_client(
|
||||
host=connection.host,
|
||||
port=connection.port,
|
||||
username=connection.login,
|
||||
@@ -82,6 +209,11 @@ def orders_ingest():
|
||||
connect_timeout=5,
|
||||
send_receive_timeout=30,
|
||||
)
|
||||
|
||||
@task
|
||||
def pull_batch() -> None:
|
||||
load_id = get_current_context()["run_id"]
|
||||
client = clickhouse_client()
|
||||
try:
|
||||
summary = client.command(TAKE_ONE_BATCH, parameters={"load_id": load_id})
|
||||
finally:
|
||||
@@ -94,7 +226,26 @@ def orders_ingest():
|
||||
load_id,
|
||||
)
|
||||
|
||||
pull_batch()
|
||||
@task
|
||||
def parse_batch() -> None:
|
||||
"""Разобрать срез сырья в версии заказов и в брак.
|
||||
|
||||
Обе вставки в одном task_id: транзакции между ними ClickHouse не даёт,
|
||||
а повтор задачи безопасен — срез читается по тому же неизменному
|
||||
_load_id (docs/architecture/orders/ingestion.md, «Поток данных»).
|
||||
"""
|
||||
load_id = get_current_context()["run_id"]
|
||||
client = clickhouse_client()
|
||||
try:
|
||||
client.command(PARSE_GOOD_ROWS, parameters={"load_id": load_id})
|
||||
client.command(PARSE_BAD_ROWS, parameters={"load_id": load_id})
|
||||
finally:
|
||||
client.close()
|
||||
# Счётчиков строк нет: у запроса с WHERE read_rows считает прочитанное
|
||||
# с диска, а не подошедшее (storage.md, «Что проверено»).
|
||||
logging.info("срез разобран: _load_id %s", load_id)
|
||||
|
||||
pull_batch() >> parse_batch()
|
||||
|
||||
|
||||
orders_ingest()
|
||||
|
||||
Reference in New Issue
Block a user