docs(specs): итог тикета #203 внесен в раздел 9 спеки программы лаб

- Зачем: - раздел 9 отсылал к открытому тикету #203; решение принято, указатель должен вести на итог, а не на вопрос. - Что: - фраза «докуда ведет карта #182» заменена итогом: карта закрыта приемкой спеки, исполнение ведет карта #206. - Проверка: - вычитка раздела 9 файла docs/specs/2026-09-01-labs-program.md. Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>
Merge pull request 'docs(specs): спека программы учебных лаб' (#205 ) from 202-labs-program-spec into main
2026-09-01 09:32:27 -04:00 · 2026-09-01 16:13:49 +03:00 · 2026-09-01 09:07:40 -04:00 · 2026-09-01 08:45:43 -04:00 · 2026-08-31 18:39:20 +03:00 · 2026-08-31 11:38:54 -04:00
41 changed files with 2206 additions and 240 deletions
@@ -160,7 +160,7 @@ Airflow) и названия из кода. Если для понятия ес
 - Имена файлов в `docs/labs/` — слаг строчными латинскими буквами через дефис
  (`top-pages-daily.md`), индекс папки — `README.md`. Здесь живут ТЗ учебных
  заданий. Ни даты, ни номера: задание — не событие истории, а живой документ,
-  и правится он вместе с тем, о чем говорит. Слаг называет витрину задания.
+  и правится он вместе с тем, о чем говорит. Слаг называет предмет задания.
 - Имена файлов в `docs/adr/` — `NNNN-краткое-имя.md`: сквозной номер из четырёх
  цифр и слаг (`0001-stand-services.md`). Решения нумеруются подряд, дата
  в имени не нужна.
@@ -118,8 +118,8 @@ ClickHouse. Форма файла решена, длина — нет: стро
 **Стартовый мир**:
 Первые восемь дней оси (понедельник по понедельник), которыми стенд
-наполняется при каждом `make up`. Маленький кусок эталонного мира, всегда
+наполняется при каждом `make up`. Он же эталонный мир, всегда один и тот же:
-один и тот же: на нём принимаются следующие этапы.
+на нем принимаются следующие этапы.
 _Избегать_: зерновой мир
 **Опись мира**:
@@ -151,11 +151,17 @@ def build_classes_vs_inventory() -> list[str]:
        raise AirflowException("classes_vs_inventory: в описи нет закрытых дней")
    query = (SQL_ROOT / "dq" / "classes_vs_inventory.sql").read_text(encoding="utf-8")
-    actual = {
+    # GROUP BY закономерно не возвращает группу из нуля строк.
-        (data_date, mismatch_class): count
+    actual = {key: 0 for key, count in expected.items() if count == 0}
-        for data_date, mismatch_class, count in _clickhouse_hook().get_records(query)
+    actual.update(
-        if (data_date, mismatch_class) in expected
+        {
-    }
+            (data_date, mismatch_class): count
            for data_date, mismatch_class, count in _clickhouse_hook().get_records(
                query
            )
            if (data_date, mismatch_class) in expected
        }
    )
    summaries = []
    for data_date in sorted({day for day, _ in expected}):
        details = []
@@ -6,92 +6,94 @@
    {
      "day": 0,
      "date": "2026-06-01",
-      "events": 50626,
+      "events": 50628,
-      "sha256": "81ad7f402bdd4c8b56425f6439a024b9996e5ca95dd207d444290d20a70ed407",
+      "sha256": "d09704ed99e45824e451e2f6bbbbd5c547df382f7a582699955010f3807eb0ee",
      "orders": {
-        "match": 197,
+        "match": 192,
        "cancelled": 20,
        "lost_event": 3,
        "duplicate_event": 2,
        "amount_delta": 6
      }
    },
    {
      "day": 1,
      "date": "2026-06-02",
-      "events": 49722,
+      "events": 49727,
-      "sha256": "5f7aa0301832008db612eff05899b1210af958c888ac2e9e89f4b7a552569eff"
+      "sha256": "8005d2934eb353478e35331d7ae7ae6876c7934b2d9032fde92cf6ce86d6460f"
    },
    {
      "day": 2,
      "date": "2026-06-03",
-      "events": 52361,
+      "events": 52363,
-      "sha256": "10ac9ce65ca6dc171689edf78ef5cd785e8c8a80e54d236bf2b9d6dbf6997070"
+      "sha256": "e13f6f3f3977386a94d0e63b6849675cb5d2486a277d559fd415923cfc82e53a"
    },
    {
      "day": 3,
      "date": "2026-06-04",
-      "events": 53157,
+      "events": 53159,
-      "sha256": "7bf4deadd8f69a6c479fceabfe2d1e8ea8db76919b10a8b9e780006708da31c3"
+      "sha256": "91c713add62222adc3f89c04e6cc087d8c44e2385d14d0464e2c016b6952b9fd"
    },
    {
      "day": 4,
      "date": "2026-06-05",
-      "events": 50078,
+      "events": 50087,
-      "sha256": "b9e758fb72f937aa5ad1f2e90dee5ec147b16cfd89e49e51a00582f909458c29"
+      "sha256": "b7fc27d73fc157a48bece0189c7983f6bc672f052e0703cd799b9774da4b904e"
    },
    {
      "day": 5,
      "date": "2026-06-06",
-      "events": 47164,
+      "events": 47169,
-      "sha256": "f08a9f9a439f1da9e4ad8d94b9f65b7f3329256e41446d22d900cc4825f2480c"
+      "sha256": "82cb8017d53d6dee8438d3683b7a901f1ace139f3b8ae836215722bb580fe207"
    },
    {
      "day": 6,
      "date": "2026-06-07",
-      "events": 48683,
+      "events": 48686,
-      "sha256": "7e45d9dd59c902067fa6847d813669b1ab9a4ee88d2f192382577a5ed8d590a7"
+      "sha256": "b50ad0fcc7d1ea0c637cfcba98e5c2b55d65215cffa3693bc77edeaa83e6c783"
    },
    {
      "day": 7,
      "date": "2026-06-08",
      "events": 49394,
-      "sha256": "286ccc2451847ac8de215b5e902c328371021ad5502bd4afca0494b6f313aef7"
+      "sha256": "358d51b36221d822960237702fa6327fb663a57cf49cc4415a859b16e5aa05a2"
    }
  ],
  "snapshots": [
    {
      "day": 0,
      "date": "2026-06-01",
-      "sha256": "6c3e3c1c8689ec23f53f0953db1b941e6f010e9e56a74d8d017f40195d3dec17"
+      "sha256": "93b39f261cbbe894402ebe0525460fed1809e5712639be4b73b79dac2b39f5bd"
    },
    {
      "day": 1,
      "date": "2026-06-02",
-      "sha256": "9acb523cfd47f3d97d55122025852982ba5a1d8362036308ce72a4d9fb767f43"
+      "sha256": "4fef382cd84868ccfb61a9d8610cdd26f9a749bbae8b20800c45e520e9ce414e"
    },
    {
      "day": 2,
      "date": "2026-06-03",
-      "sha256": "b81482491c4c0b874ea84d5f3f05144100c906dacc059c068b331df258b97172"
+      "sha256": "caf9ed2e77d2fcc99066a548dcba60f61f1ff0d4402de31457a06f23fd2d8306"
    },
    {
      "day": 3,
      "date": "2026-06-04",
-      "sha256": "9d1ab326c4bf8b78c9fcaf7015d8029f9ad4cff5558b89c730eb428d175cc9ee"
+      "sha256": "cdb9e4e00b57c04985866b5a851a8e2f23b3e9205ea131c7a5076672ee8b5669"
    },
    {
      "day": 4,
      "date": "2026-06-05",
-      "sha256": "0e30d0e192e121121003c0cc9aaa55e24924afb983caff15ab105705fbf2bd00"
+      "sha256": "c58d2c20fe3b4cee2973f34c322090dbb66d3793bfaab0337c22b53fb5a3ec7f"
    },
    {
      "day": 5,
      "date": "2026-06-06",
-      "sha256": "9a2ad812fcff9a40a988f24f8aa4fc7a379873d173a95ddacd438592aed0bfb5"
+      "sha256": "bbf28b1d375e4815695c72a5915a22a3c9b36195b97ec4cc7c739466dbe70b53"
    },
    {
      "day": 6,
      "date": "2026-06-07",
-      "sha256": "e1706a27ff55de489a505489148c7a959329d95ad6597d92d3f78505f67bb221"
+      "sha256": "8ca077576bcf014c0d492c7d7190e38c0e46ec95951ad840df93eb75ee5a00d3"
    }
  ]
 }
@@ -46,8 +46,9 @@
 пересобирать нечего. Тексты заданий — в [`docs/labs/`](../labs/README.md).
 Дашборд этапа 8 стоит только на витринах стенда: приёмка этапа не зависит
-от выполненных домашек. Расширение дашборда визуализациями по своим
+от выполненных домашек. Свой дашборд по витринам менти —
-витринам — отдельная домашка после этапа 8.
+[необязательная лаба](../labs/superset-dashboard.md) после этапа 8. Устройство
 стендового дашборда — в [доке зоны Superset](superset.md).
 ## Ритм пересборки
@@ -111,7 +112,7 @@
 Зерно — заказ. Покупки из `dds.event_v` сначала сворачиваются по
 `purchase_id[1]`: контракт источника обещает один номер и одну объявленную
-сумму, а отдельный счет событий оставляет будущий класс `duplicate_event`
+сумму, а отдельный счет событий оставляет класс `duplicate_event`
 наблюдаемым. Заказы приходят из `dds.order_v`. Обе стороны записаны
 подзапросами, затем соединены `FULL OUTER GLOBAL JOIN`: голая левая
 Distributed-таблица вернула бы каждый непарный заказ по разу с каждого шарда
@@ -176,8 +177,8 @@ Distributed-таблица вернула бы каждый непарный з
  `dds.session_v`;
 - `classes_vs_inventory`: ключ — `mismatch_class`, эталон — счётчик из
  `orders` в описи мира, объект — число заказов класса в
-  `dm.purchase_vs_orders_v`. Проверяются `match`, `cancelled` и
+  `dm.purchase_vs_orders_v`. Проверяются `match`, `cancelled`, `lost_event`,
-  `amount_delta` только для покрытых описью закрытых дней;
+  `duplicate_event` и `amount_delta` только для покрытых описью закрытых дней;
 - `revenue_daily_vs_dds`: ключ — `product_category` внутри дня. Сравниваются
  `orders`, `units`, `revenue` и `aov` с прямым агрегатом `dds.order_v`;
 - `purchase_vs_orders_vs_dds`: ключ — `order_id` внутри дня. Все деловые
@@ -214,7 +215,8 @@ business_key`.
 ## Даг самопроверки
 Домашки контролирует `homework_check` — отдельный даг без расписания: менти
-запускает его рукой. По задаче на каждое из пяти [заданий](../labs/README.md).
+запускает его рукой. По задаче на каждое из
 [пяти заданий по витринам](../labs/README.md).
 Задача красная, пока витрины нет или счёт не сходится, и зелёная, когда
 построено верно; сообщение об ошибке говорит, что не так и куда смотреть. Проверки — инварианты против источников витрины,
 золотые константы не прибиваются. В `dq_summary` даг не пишет: он инструмент
@@ -30,7 +30,7 @@
        ├── TRAFFIC
        ├── COMMERCE
        ├── ORDERS
-        └── LATECOMERS — место будущей событийной стороны
+        └── BEACONS — потеря и повторная отправка событий
 ```
 Отрицательному дню нельзя отдать отрицательную позицию, поэтому предыстория
@@ -27,8 +27,8 @@
  не случиться вовсе. На выходе из окна заказ либо `paid`, либо `cancelled` —
  [судьба заказа](fate.md).
 - **Расхождения и опоздания — часть мира, а не грязь**: два подпотока —
-  заказная и событийная стороны; броски независимы, пересечения выходят
+  `ORDERS` для заказной стороны и `BEACONS` для событийной; броски независимы,
-  арифметикой, приоритет классов работает по-настоящему —
+  пересечения выходят арифметикой, приоритет классов работает по-настоящему —
  [классы расхождений и опоздание](fate.md).
 - **Опись хранит только то, чего движение мира не меняет**: хеш байтов
  каждого слепка и счётчики наблюдаемых классов —
@@ -51,14 +51,6 @@
 ## Открытые решения
 - **Имя подпотока событийной стороны** — вместе с её содержимым на этапе 6;
  из мёртвых имён никто не бросает, переименование ничего не сдвигает (#72).
  Заказная сторона уже названа — подпоток `ORDERS` ([судьба
  заказа](fate.md)).
 - **Конкретные веса и доли** — таблицы исходов, моментов, задержки опоздания,
  доли классов, стоимость доставки — калибровка при реализации; финальная
  фиксация чисел — пересборка эталонного мира, этап 7. При пересборке правки
  потребуют только числа, не устройство.
 - **Контур проверок качества для расхождений** (даг DQ, `dm.dq_summary`) —
  остаётся в тумане карты #69; естественное место разговора — этап 4.
 - **Каноническое чтение событий `ods.event_v`** — отдельный тикет #86, к
@@ -16,11 +16,10 @@
 и `LATECOMERS` решения не переживают — они названы по классам витрины, а
 компонент называет часть мира; новые стороны занимают те же позиции.
 Заказная сторона названа при реализации — подпоток `ORDERS` на позиции 2;
-событийная получит имя вместе с содержимым на этапе 6, до тех пор позиция 3
+событийная — `BEACONS` на позиции 3: маячок счетчика либо не долетает, либо
-занята мёртвым именем прежней нарезки. Отклонено: *один компонент на всю
+отправляется повторно. Отклонено: *один компонент на всю судьбу* — правка
-судьбу* — правка событийной механики молча меняла бы байты слепка;
+событийной механики молча меняла бы байты слепка; *компонент на класс* —
-*компонент на класс* — пять имён под ручки калибровки, которые крутятся
+пять имён под ручки калибровки, которые крутятся разом.
 разом.
 **Правило формы, без которого разделение не работает: броски заказной стороны
 делаются на полную длину дня, а не на отобранных заказах.** Иначе длина броска
@@ -56,8 +55,11 @@
 часа покупки, и менти нашёл бы этот наклон первым же разрезом.
 **Доли.** Ориентир мастер-спеки ~5% читается как доля отменённых вообще; как
-она делится между двумя дорогами — строки таблицы исходов. Точные числа —
+она делится между двумя дорогами — строки таблицы исходов. Замер на
-калибровка этапа 7; проверок вида «отмен от 4 до 6 процентов» не заводим.
+каноническом мире (28 дней, 2026-08-30, docs/architecture/testing.md, «Что
 проверено»): отменено 5,15% заказов — 3,03% оплачен-потом-отменен, 2,12%
 отменен неоплаченным; в пределах ориентира. Проверок вида «отмен от 4 до 6
 процентов» не заводим.
 **Что из двух дорог видно.** В `dds.order` дороги неразличимы — там последняя
 версия; различает их история версий: сырьё STG и физические версии
@@ -108,12 +110,13 @@
 покупку. Довод не в связности легенды: точечный дубль ломал бы урок соседнего
 класса — разрыв воронки, на котором держится потеря, сжался бы втрое; при
 сюжетном разрыв снова равен доле потерь. `purchaseID`, суммы и позиции у дубля
-один в один — посчитал наивно, удвоил выручку. Дубль случается только там, где
+один в один — посчитал наивно, удвоил выручку. Дубль случается только там,
-до следующего визита куки остаётся запас сверх таймаута: иначе сборка сессий у
+где пауза до следующего визита куки длиннее таймаута и задержки дубля вместе:
-менти разошлась бы с `VisitID` — сломался бы эталон, ради которого `VisitID`
+иначе сборка сессий у менти разошлась бы с `VisitID` — сломался бы эталон,
-в потоке лежит. Задержка дубля — секунды-минуты, короче таймаута визита,
+ради которого `VisitID` в потоке лежит. Задержка дубля —
-поэтому `VisitID` тот же. Полночь режет дубль парой — просмотр вместе с
+секунды-минуты, короче таймаута визита, поэтому `VisitID` тот же. Полночь
-покупкой, по тому же правилу, что у подтверждения с торговым хвостом.
+режет дубль парой — просмотр вместе с покупкой, по тому же правилу, что у
 подтверждения с торговым хвостом.
 Отклонено: *обе точечные* — дубль затирает урок потери; *обе сюжетные* —
 потеря перестаёт быть видна со стороны трекера.
@@ -127,18 +130,20 @@
 подделывается — строка создана, когда заказ родился, — но в слепках дней
 d…d+δ−1 её нет, а с d+δ она появляется в том состоянии, до которого заказ
 дожил: отменённый на второй день и опоздавший на третий приедет в первом же
-своём слепке как `cancelled` — «выгрузка догоняет жизнь». Задержка — таблица
+своём слепке как `cancelled` — «выгрузка догоняет жизнь». Таблица задержки
-весов из трёх строк: 0 на подавляющем весе, 1 и 2 — это и есть «D+1/D+2»
+состоит из трёх строк: δ = 0/1/2 с весами 90/5/5; 1 и 2 — это D+1 и D+2
-мастер-спеки. Меряется она в днях снятия слепка, а не отправки: иначе сдвиг
+мастер-спеки. Бросок идёт последним в подпотоке `ORDERS`; затем δ назначенного
-отправки удвоился бы, и обещанные D+1/D+2 стали бы D+2/D+3. Дальше таблица не
+планом заказа обнуляется. Меряется задержка в днях снятия слепка, а не
-идёт: заказ с δ = 6 приехал бы ровно в одном слепке, и обещание «пропущенный
+отправки: иначе сдвиг отправки удвоился бы, и обещанные D+1/D+2 стали бы
-день ничего не ломает» на нём перестало бы быть верным; при δ ≤ 2 у всякого
+D+2/D+3. Дальше таблица не идёт: заказ с δ = 6 приехал бы ровно в одном
-заказа слепков не меньше пяти. Легенда: заказ ушёл в ручную обработку и попал
+слепке, и обещание «пропущенный день ничего не ломает» на нём перестало бы
-в выгрузку позже. Отклонено: *сдвиг `created_at`* — подделка аудита источника:
+быть верным; при δ ≤ 2 у всякого заказа слепков не меньше пяти.
-день создания строки разошёлся бы с днём покупки, чьё равенство держит
+Легенда: заказ ушёл в ручную обработку и попал в выгрузку позже. Отклонено:
-синхронная модель ([откуда берётся заказ](snapshot.md)), заказ уехал бы в
+*сдвиг `created_at`* — подделка аудита источника: день создания строки
-чужую партицию, и «выручка дня D» перестала бы отвечать покупкам дня D —
+разошёлся бы с днём покупки, чьё равенство держит синхронная модель
-сломалась бы та самая сверка, ради которой всё строится.
+([откуда берётся заказ](snapshot.md)), заказ уехал бы в чужую партицию,
 и «выручка дня D» перестала бы отвечать покупкам дня D — сломалась бы та
 самая сверка, ради которой всё строится.
 **Пересечения.** Броски независимы, пересечения выходят арифметикой, приоритет
 мастер-спеки работает по-настоящему. Исключений два, и оба названы выше: дубль
@@ -60,12 +60,14 @@
 топик льёт даг* — второй путь доставки и второй сериализатор; *слепок едет
 топиком `hits`* — убивает два режима приёма.
-**Сборка окна.** Слепок дня D несёт заказы, рождённые в дни D−6…D, и
+**Сборка окна.** Слепок дня D берет заказы, рожденные в дни D−6…D, а несет из
-собирается переигровкой этих семи дней: заказы дня — производная всей воронки
+них те, что уже попали в выгрузку: механика опоздания живет в
-дня, дешёвого пути к ним нет. Цена — семь проигрышей дня (~14 с) на слепок; у
+[судьбе заказа](fate.md). Окно собирается переигровкой этих семи дней: заказы
-начала оси окно усекается само. Отклонено: *кэш заказов на томе* — состояние
+дня — производная всей воронки дня, дешёвого пути к ним нет. Цена — семь
-между прогонами; *окно держит хранилище* — топик перестаёт нести слепок;
+проигрышей дня (~14 с) на слепок; у начала оси окно усекается само. Отклонено:
-*K = 1* — это страховочный срез 1 мастер-спеки, он в резерве.
+*кэш заказов на томе* — состояние между прогонами; *окно держит хранилище* —
 топик перестаёт нести слепок; *K = 1* — это страховочный срез 1 мастер-спеки,
 он в резерве.
 **Отправка.** Слепок **снимается на границе суток, а отправляется следующим
 прогоном**: даг, играющий день D, отправляет слепок дня D−1 — ночная выгрузка
@@ -0,0 +1,165 @@
 # Superset: витрины глазами
 Документ описывает зону BI: куда Superset ходит за данными и за своими
 метаданными, из чего собран стендовый дашборд, как снять свежий экспорт после
 правки в интерфейсе и почему правка руками живет только до перезапуска.
 Состав сюжетов и колонок витрин здесь не повторяется: он живет в
 [спеке](../specs/2026-07-30-stand-v2-realism.md), раздел 7, и в
 [доке слоя DM](dm.md).
 ## Устройство зоны
 Superset читает ClickHouse пользователем `bi` **на ноде 2** — так задано
 подключением `ClickHouse` (`clickhousedb://bi@clickhouse-02:8123`). Нода 2
 здесь — ловушка правильных ошибок из
 [спеки](../specs/2026-07-30-stand-v2-realism.md), раздел «Роли нод»: DDL идет
 с ноды 1, и забытый `ON CLUSTER` виден в дашборде.
 Пароля в подключении нет. Его отдает штатное хранилище паролей Superset
 (`SQLALCHEMY_CUSTOM_PASSWORD_STORE` в `infra/superset/superset_config.py`),
 которое читает `CLICKHOUSE_BI_PASSWORD` из окружения. Поэтому файл подключения
 безопасно лежит в git, и экспорт из интерфейса не должен возвращать пароль
 обратно в YAML.
 Свои метаданные — подключения, датасеты, графики, дашборды, пользователи —
 Superset держит в базе `superset` служебного `postgres-metadata`, рядом с базой
 Airflow. В ClickHouse он не пишет ничего.
 ## Дерево импорта
 `infra/superset/import/` — это дашборд стенда в виде файлов. Каталог
 смонтирован в контейнер как `/app/import`.
 | Файл | Что описывает |
 |---|---|
 | `metadata.yaml` | версия формата, `1.0.0`; больше в нем ничего нет |
 | `databases/clickhouse.yaml` | подключение к ClickHouse: URI без пароля и постоянный uuid |
 | `datasets/ClickHouse/*.yaml` | три витрины: `revenue_daily_v`, `purchase_vs_orders_v`, `daily_traffic_v` |
 | `charts/*.yaml` | три графика: столбики выручки, сводная таблица сверки, линии трафика |
 | `dashboards/business_stories.yaml` | дашборд «Бизнес-сюжеты» и раскладка панелей |
 Связаны файлы не путями, а uuid. Датасет называет `database_uuid`, график —
 `dataset_uuid`, а дашборд не называет графики вовсе: единственная связь с ними
 лежит в его `position`, где узел `CHART-*` несет `meta.uuid` нужного графика.
 График, которого нет в `position`, импортируется молча и не появляется нигде.
 Uuid у стенда розданы рукой: общее начало
 `19600000-0000-4000-8000-`, дальше номер объекта в последнем блоке — `1`–`3`
 у датасетов, `101`–`103` у графиков, `201` у дашборда
 (`…-000000000101`). Экспорт из интерфейса приносит свои, сгенерированные;
 их заменяют на эти, иначе повторный импорт заведет вторую копию объекта вместо
 обновления первой.
 Датасет несет русские имена колонок, формат денег и метрику — а график только
 ссылается на них по имени. Значит, подпись или формат правятся в одном месте, а
 не в каждом графике.
 Датасеты объявлены физическими (`schema: dm`, `sql: null`), хотя за именем стоит
 представление ClickHouse. Импорт в источник не ходит и разницы между таблицей и
 представлением не знает, а виртуальный датасет со своим SQL просто повторил бы
 запрос, который уже живет в `sql/ddl/60-dm-views.sql`.
 ## Импорт при каждой инициализации
 Последняя строка `infra/superset/init.sh`:
 ```
 superset import-directory /app/import --overwrite
 ```
 Служба `superset-init` отрабатывает перед подъемом самого Superset, то есть при
 каждом `make up`. Без `--overwrite` второй прогон падал бы на первом же
 знакомом uuid; с ним объект обновляется на месте, и повторная инициализация
 проходит без ошибок.
 Отсюда правило зоны: **стендовый дашборд не расширяют руками в интерфейсе.**
 Правка живет до следующей инициализации, а потом молча заменяется тем, что
 лежит в git. Пробовать интерфейс менти никто не мешает — но все, что должно
 пережить перезапуск, приезжает файлом.
 Это правило относится только к стендовым объектам. Свои датасеты, графики и
 дашборды менти живут в той же базе метаданных Superset, а импорт трогает
 только объекты с известными ему uuid. Поэтому свои объекты переживают
 `make up` и `make rebuild-storage`. Их стирает только `make clean` или
 адресный сброс базы метаданных по рецепту ниже.
 ## Как снять свежий экспорт
 Маршрут один: правишь на живом стенде, забираешь экспорт, кладешь дерево в git.
 1. Собрать или поправить график и дашборд в интерфейсе — на стенде, а не в
   файлах. Ключи `params` графиков велики, недокументированы и меняются от
   версии к версии; неверный ключ не ошибается, а рисует пустоту. Интерфейс
   здесь единственный надежный оракул.
 2. Снять экспорт и достать его из контейнера:
   ```
   docker compose exec superset superset export-dashboards -f /tmp/export.zip
   docker compose cp superset:/tmp/export.zip /tmp/export.zip
   unzip -d /tmp/superset-export /tmp/export.zip
   ```
   Внутри архива — один каталог `dashboard_export_<дата>` ровно той же формы,
   что и дерево импорта. Команда выгружает все дашборды сразу; на стенде он
   один.
 3. Вычистить экспортный сор перед коммитом:
   - выбросить экспортный `databases/` — наш `clickhouse.yaml` остается как
     есть, с постоянным uuid и без пароля;
   - оставить в `metadata.yaml` одну строку `version: 1.0.0`;
   - убрать из графиков `params.datasource`, `params.slice_id` и
     `params.dashboards` — это идентификаторы строк того Superset, где
     снимали, а импорт выводит связи из uuid;
   - убрать `query_context` — снимок запроса оттуда же. Импорт его не
     требует и обратно не заполняет: после переимпорта он остается пустым, на
     отрисовку это не влияет;
   - перезаписать русские строки читаемыми. Экспорт кодирует их
     `\uXXXX`-последовательностями, и после каждого круга их приходится
     раскодировать заново: имена графиков и подписи колонок читает менти, и в
     файле, и в диффе. Годится любой повторный дамп YAML с
     `allow_unicode=True`;
   - вернуть постоянные uuid из схемы выше.
 4. Скопировать вычищенное дерево в `infra/superset/import/` и проверить
   импортом **на пустых метаданных** — иначе прогон проверит только обновление
   уже стоящих объектов, а молчаливый пропуск нового спрячется за старым.
   Активы Superset лежат в базе `superset` службы `postgres-metadata`, поэтому
   адресный сброс — эта база:
   ```
   docker compose stop superset
   docker compose exec postgres-metadata sh -c \
     'psql -U "$POSTGRES_USER" -d postgres \
        -c "DROP DATABASE superset WITH (FORCE)" \
        -c "CREATE DATABASE superset OWNER \"$SUPERSET_METADATA_USER\""'
   docker compose run --rm superset-init
   docker compose up -d superset
   ```
   Базу приходится создавать тут же: скрипт `infra/postgres/init/` заводит ее
   один раз, при первой инициализации тома Postgres. `make rebuild-storage`
   для этой проверки не годится — он гоняет `world_recreate` в ClickHouse и
   метаданных Superset не касается. `make clean` сбросит и их, но заодно снесет
   весь стенд, включая метаданные Airflow в той же службе.
   После импорта дашборд смотрят глазами: это единственное доказательство —
   см. ловушку ниже.
 ## Ловушки
 **Импорт молчит.** График, чей `dataset_uuid` не разрешился, отбрасывается без
 единого слова; дашборд, у которого не сошлись ссылки на графики,
 пропускается. Ошибки уходят в журнал, и `init.sh`
 завершается нулем в любом случае. Поэтому импорт проверяют глазами или
 запросом к API — но не тем, что команда отработала.
 **`--overwrite` синхронизирует датасет разрушительно.** Колонки и метрики
 берутся из YAML целиком: добавленная в интерфейсе метрика или подпись колонки
 исчезнет при следующем старте контейнера. Правка датасета — это правка файла.
 ## Что проверяет стенд
 `make check-services` входит в Superset, находит подключение `ClickHouse`,
 сверяет его uuid и безопасный URI и требует схему `dm` — то есть подтверждает
 живое подключение и хранилище пароля. Сами графики и дашборд ни одна цель не
 проверяет: их смотрят глазами после переинициализации. Полная карта целей — в
 [доке проверок](testing.md).
@@ -36,7 +36,7 @@
 Стенд нужен трём целям из восьми. Цена — замер, см. «Что проверено».
 `make smoke` и `make check-services` перемерены 28 августа 2026 года,
 `make config-test` — 21 августа, `make check-clickhouse` — 19 августа,
-корневой `make lint` — 9 августа, `make test` — 7 августа; остальные стоят с
+корневой `make lint` — 9 августа, `make test` — 30 августа; остальные стоят с
 замера 6 августа.
 | Цель | Откуда | Что утверждает | Стенд | Цена |
@@ -48,7 +48,7 @@
 | `make check-services` | корень | **Службы работают**: DAG запускается и доходит, топик создаётся и удаляется, Superset логинится и ходит в базу | нужен | 71 с |
 | `make lint` | `generator/` | Код генератора отформатирован и проходит ruff | не нужен | 0,4 с |
 | `make typecheck` | `generator/` | Типы генератора сходятся (ty) | не нужен | 0,5 с |
-| `make test` | `generator/` | Генератор делает то, что обещает; схема события остаётся объявленным контрактом, а собранные из кода [описание выгрузки](../formats/clickstream-event.md) и [опись мира](../../data/world-inventory.json) — свежими | не нужен | 71 с |
+| `make test` | `generator/` | Генератор делает то, что обещает; схема события остаётся объявленным контрактом, а собранные из кода [описание выгрузки](../formats/clickstream-event.md) и [опись мира](../../data/world-inventory.json) — свежими | не нужен | 176,5 с |
 **Строк с именем `make lint` две, и это не опечатка.** Одноимённые цели за
 разными дверями охватывают разное: корневая не видит ни одного файла
@@ -121,10 +121,11 @@ ClickHouse отвечает сразу.
 из каталога `generator/`: стенд им не нужен, а `make test` из них самая
 дорогая. Правки дагов и Superset — корневой `make lint`.
-Тринадцать секунд из её семидесяти одной — пересборка восьми модельных дней
+Двадцать секунд из ее ста семидесяти шести — пересборка восьми модельных дней
-для сверки с описью мира. Дешевле хеши не сравнить: чтобы узнать, тот ли
+для сверки с описью мира (20,5 с из 176,5). Дешевле хеши не сравнить: чтобы
-получается мир, его надо получить. Место выбрано по той же оси «кого
+узнать, тот ли получается мир, его надо получить. Место выбрано по той же
-спрашивают» — вопрос обращён к коду генератора, стенд ему не нужен, — и
+оси «кого спрашивают» — вопрос обращён к коду генератора, стенд ему не
 нужен, — и
 краснеет проверка там, где надо: сразу после правки генератора. Не будь её,
 расхождение всплыло бы получасом позже, на поднятом стенде, где выглядит
 поломкой хранилища, а не забытой пересборкой.
@@ -238,6 +239,77 @@ Kafka → STG → ODS, и живёт он в `make check-clickhouse`.
 ## Что проверено
 **Калибровка заказной стороны 30 августа 2026 года при исполнении #194.**
 Пересборки эталонного мира не будет (#192), поэтому доли заказной стороны
 сверены замером внутренностей генератора — окно 28 модельных дней,
 канонический seed, без транспорта, — тем же приемом, каким `test_plan.py` и
 `test_commerce.py` меряют мир. Команда (из `generator/`):
 ```bash
 uv run python - <<'PY'
 from collections import Counter
 from clickstream_generator import day, inventory, orders, world
 from clickstream_generator.seeds import CANONICAL_SEED
 WINDOW = 28
 class_totals: Counter[str] = Counter()
 outcome_totals: Counter[int] = Counter()
 delivery_totals: Counter[int] = Counter()
 delay_totals: Counter[int] = Counter()
 total_orders = 0
 for d in range(WINDOW):
    today = day.stream(CANONICAL_SEED, d)
    for key, value in inventory._order_class_counts(today).items():
        class_totals[key] += value
    money = today.orders
    total_orders += len(money)
    for value in money.outcome.tolist():
        outcome_totals[value] += 1
    for value in money.delivery.tolist():
        delivery_totals[value] += 1
    for value in money.snapshot_delay.tolist():
        delay_totals[value] += 1
 print(total_orders, dict(class_totals), dict(outcome_totals),
      dict(delivery_totals), dict(delay_totals))
 PY
 ```
 6973 заказов за 28 дней. Доли из таблицы сверки (после приоритета классов):
 отменено 5,15% (ориентир мастер-спеки ~5%, в пределах; из них 3,03%
 оплачен-потом-отменен и 2,12% отменен неоплаченным — веса `world.py`
 95/3/2); дубль `purchase` 1,89% (ориентир ~2%, в пределах); дельта суммы
 1,32% (ориентир 1–2%, в пределах); потеря `purchase` 1,78% при броске 3% —
 вычеты штатные: назначенные планом покупки из броска исключены (мост
 склейки), часть случаев уходит в отмену приоритетом; наблюдаемая доля
 принята решением владельца (#194). Стоимость доставки — 35,5% / 49,2%
 / 15,4%, совпадает с весами `DELIVERY_KOPECKS_WEIGHTS`. Опоздание слепков
 (`ORDER_SNAPSHOT_DELAY_WEIGHTS`) — доля заказов с δ>0 составила 8,39%
 (ориентир мастер-спеки ~10%, в пределах). Скрипт замера в репозиторий не
 входит; вывод — в отчете issue #194.
 **Перезамер 30 августа 2026 года при исполнении #192.** Команды запускались
 из `generator/`:
 ```bash
 time make inventory
 uv run python -m clickstream_generator batch --day 0 --days 8 \
  --file /tmp/stage7-events.jsonl
 for snapshot_day in 1 2 3 4 5 6 7; do
  uv run python -m clickstream_generator snapshot --day "$snapshot_day" \
    --file "/tmp/stage7-snapshot-${snapshot_day}.jsonl"
 done
 wc -c /tmp/stage7-events.jsonl /tmp/stage7-snapshot-{1,2,3,4,5,6,7}.jsonl
 time make test
 ```
 Опись пересобралась за 20,515 с. Файловый приемник записал 460 731 812 байт:
 458 478 771 байт событий и 2 253 041 байт слепков. `make test` прошел 437/0
 за 176,476 с. Прежние 71 с (7 августа, #42) выросли по двум причинам: тестов
 стало 437 против 407, и потяжелел сам мир — та же пересборка восьми дней
 стоила 13 с, теперь 20,5. Эта правка добавила один тест — проигрыш дня.
 **Приемка #172 28 августа 2026 года.** Холодный `create_app()` занимал
 28,3-28,4 секунды, а чтение подключения после запуска - 0,07 секунды. Предел
 30 секунд почти целиком уходил на запуск второго приложения. Увеличивать его
@@ -1,9 +1,13 @@
-# Учебные задания: витрины слоя DM
+# Учебные задания: витрины слоя DM и дашборд в Superset
-Пять домашек. Стенд привозит слой DM наполовину: витрины трех сюжетов
+Пять домашних заданий — про витрины слоя DM. Стенд привозит слой
-дашборда и контроль качества построены, остальные витрины строит менти.
+наполовину: витрины трех сюжетов дашборда и контроль качества построены,
-Каждое задание — самостоятельное ТЗ: что за витрина, какое у нее зерно,
+остальные витрины строит менти. Каждое из них — самостоятельное ТЗ: что за
-из чего она собирается и как проверить, что собралась верно.
+витрина, какое у нее зерно, из чего она собирается и как проверить, что
 собралась верно.
 Шестое задание — необязательная лаба в Superset. В ней менти собирает свой
 дашборд поверх пяти витрин.
 Общее устройство слоя — [дока DM](../architecture/dm.md). Она отвечает на
 вопросы «почему так», задание отвечает на вопрос «что сделать».
@@ -13,18 +17,19 @@
 Задания идут по нарастанию: каждое следующее опирается на то, что уже
 усвоено.
-| № | Витрина | Чему учит |
+| № | Результат | Чему учит |
 |---|---|---|
 | 1 | [`events_enriched_v`](events-enriched.md) | слой — это контракт, а не копия данных |
 | 2 | [`top_pages_daily`](top-pages-daily.md) | зерно сменилось — витрина материализуется и встает в конвейер |
 | 3 | [`session_overview`](session-overview.md) | зерно решает, на какие вопросы витрина уже не ответит |
 | 4 | [`dq_errors_daily`](dq-errors-daily.md) | у брака свой день и свой срок жизни |
 | 5 | [`utm_effectiveness`](utm-effectiveness.md) | `declared_` в имени — предупреждение, а не украшение |
 | 6 | [Свой дашборд в Superset](superset-dashboard.md) — необязательная лаба | свои объекты BI живут отдельно от стендовых |
 ## Общие правила
-Они одни на все пять заданий, поэтому записаны здесь, а не повторяются в
+Они одни для пяти заданий по витринам, поэтому записаны здесь, а не
-каждом ТЗ.
+повторяются в каждом ТЗ.
 **Читать — через `_v`.** Публичный договор сущности DDS — представление с
 суффиксом `_v`: `dds.event_v`, `dds.session_v`. Витрина называет только
@@ -74,18 +79,18 @@ DDS, и задания остаются независимыми. Исключе
 собрано верно. В сводку качества конвейера `dm.dq_summary` он не пишет:
 это инструмент лабы, а не история качества стенда.
-Проверка у всех заданий устроена одинаково и золотых констант не содержит:
+Проверка пяти заданий по витринам устроена одинаково и золотых констант не
-рядом с витриной независимым запросом собирается тот же ответ — прямо из
+содержит: рядом с витриной независимым запросом собирается тот же ответ —
-источника витрины, минуя ее саму. У четырех заданий источник эталона тот
+прямо из источника витрины, минуя ее саму. У четырех заданий источник эталона
-же, что у витрины, `dds.session_v` или `dds.event_v`; у задания 4 это
+тот же, что у витрины, `dds.session_v` или `dds.event_v`; у задания 4 это
-таблицы брака ODS, потому что в DDS у брака представительства нет. Обе
+таблицы брака ODS, потому что в DDS у брака представительства нет. Обе стороны
-стороны соединяются по деловому ключу через `FULL OUTER JOIN`, и считается
+соединяются по деловому ключу через `FULL OUTER JOIN`, и считается число строк,
-число строк, где стороны разошлись или одной стороны нет. Ноль — зеленый.
+где стороны разошлись или одной стороны нет. Ноль — зеленый.
 Полное соединение здесь обязательно: при обычном пропавший день или
 пропавший ключ просто не попал бы в результат и остался бы незамечен.
-Раздел «Как проверить себя» каждого ТЗ называет деловой ключ и сравниваемые
+Раздел «Как проверить себя» каждого ТЗ по витрине называет деловой ключ и
-величины. Тот же прием в стендовом исполнении — [даг
+сравниваемые величины. Тот же прием в стендовом исполнении — [даг
 `dq_check`](../../dags/dq_check.py) и запросы в [`sql/dq/`](../../sql/dq).
 **Предупреждение.** Запросы самой проверки лежат в `sql/dq/` открыто, и
@@ -0,0 +1,87 @@
 # Задание 6 (необязательное): свой дашборд в Superset
 **Чему учит:** довести свои витрины до потребителя — завести в Superset
 датасеты поверх публичных представлений, подобрать графики под вопросы и
 собрать из них один связный экран.
 Эта лаба идет после заданий 1–5 и опирается на их результат. Ее можно
 пропустить: основной предмет стенда — ClickHouse, а здесь вся работа — в
 интерфейсе BI.
 ## Роль дашборда
 Собери обзор трафика и поведения посетителей. Он должен отвечать на три
 вопроса: что происходило в магазине, какие страницы, устройства и рекламные
 каналы дали результат, были ли ошибки приема данных.
 Стендовый дашборд «Бизнес-сюжеты» собран из готовых витрин. Свой дашборд
 собери из пяти витрин, которые ты построил в заданиях. Копировать раскладку
 стендового дашборда не нужно: выбери форму, в которой ответы читаются без
 пояснений рядом с экраном.
 ## Свои объекты — отдельно
 Не добавляй графики в стендовый дашборд и не правь его датасеты. При
 инициализации Superset импорт с `--overwrite` заменит ручные правки стендовых
 объектов файлами из репозитория. `make up` свой дашборд не стирает; срок жизни
 таких объектов описан в [доке Superset](../architecture/superset.md), «Импорт
 при каждой инициализации».
 Заведи отдельные датасеты и графики, собери из них свой дашборд. Назови его,
 например, «Мои витрины DM». Это то же правило, по которому DDL домашек лежит
 в `sql/ddl/70-labs.sql`: стенд привозит свои объекты, менти создает свои.
 ## Датасеты
 Заведи в подключении `ClickHouse` пять физических датасетов схемы `dm`:
 - `events_enriched_v`;
 - `top_pages_daily_v`;
 - `session_overview_v`;
 - `dq_errors_daily_v`;
 - `utm_effectiveness_v`.
 ## Состав дашборда
 Каждая из пяти витрин должна появиться хотя бы в одном графике. Точный тип
 графика выбери сам. На дашборде покажи следующее:
 | Витрина | Что показать |
 |---|---|
 | `events_enriched_v` | число событий по часу и типу события |
 | `top_pages_daily_v` | страницы с просмотрами, посетителями и добавлениями в корзину |
 | `session_overview_v` | сравнение устройств по визитам, отказам и визитам с покупкой |
 | `dq_errors_daily_v` | число ошибок по дню загрузки, источнику и классу |
 | `utm_effectiveness_v` | трафик, покупки и заявленную выручку по рекламным каналам |
 Для долей используй слагаемые из витрин. Например, доля отказов считается
 как сумма `bounce_sessions`, деленная на сумму `sessions`. Среднее по готовым
 долям для такого графика не подходит — урок задания 3 остается в силе.
 Названия графиков, осей и показателей должны объяснять экран без чтения SQL.
 ## Как проверить себя
 Эта лаба проверяется глазами. У расположения панелей и понятных подписей нет
 счетного инварианта, поэтому задачи для нее в `homework_check` нет.
 Открой список дашбордов и проверь:
 - «Бизнес-сюжеты» остался отдельным стендовым дашбордом;
 - твой дашборд открывается без ошибок и содержит график от каждого из пяти
  датасетов;
 - подписи, единицы измерения и легенды читаются без обращения к SQL;
 - прямой трафик не исчез из графика UTM, а заявленная выручка не выдана за
  серверную;
 - пустой график ошибок нормален, если в таблицах брака сейчас нет строк.
 Последний проход сделай как читатель: найди на экране самый заметный канал,
 страницу и устройство, затем проверь, понятно ли из подписей, что именно
 сравнивается. Если ответ приходится угадывать, поправь график или его название.
 ## Приемка
 - [ ] пять датасетов читают публичные представления витрин заданий 1–5;
 - [ ] создан отдельный дашборд, стендовые объекты не изменены;
 - [ ] каждая витрина представлена хотя бы одним графиком;
 - [ ] дашборд проверен глазами по разделу выше.
@@ -0,0 +1,279 @@
 # Инвентаризация сюжетов лаб по слоям стенда
 Это материал для спеки программы лаб (#202): полный список сюжетов без отбора. Спека решит, что оставить и в каком порядке поставить. Здесь для каждого участка стенда записано, чему на нем научится менти. Тикет — #201, карта — #182.
 Каждый сюжет описан четырьмя строками: **урок**, **материал**, **форма** и **проверка**. Возможны три формы:
 - *построить свое по ТЗ* — как в пяти домашних заданиях DM: рядом есть образец, но нет готового ответа;
 - *вычитание* — удалить SQL готовой трансформации и написать его заново; даги остаются без изменений (уточнение владельца в комментарии к #148);
 - *расследование* — данные уже лежат на стенде или стенд намеренно ломается, а менти ищет причину и объясняет ее.
 Существующие шесть заданий из `docs/labs/` входят в список как готовое ядро слоя DM. Идеи из тикетов #143, #145, #148, #149, #186, #187, #188 разнесены по подходящим участкам. В конце отдельно проверяется гипотеза «вычитание + DQ» для каждого потока нижних слоев.
 ## STG — прием и сырье
 **1. Push против pull: два способа принять топик.**  
 Урок: способ приема зависит от источника. Поток постоянно читает подписанная матвью, а слепок забирает отдельный запрос по команде.  
 Материал: оба чтеца в `sql/ddl/10-stg-tables.sql` (у `orders_raw_kafka` нет ни матвью, ни `ON CLUSTER`, зато есть `kafka_commit_on_select`), матвью приема `sql/ddl/40-stg-views.sql`, забор `sql/stg/orders_raw_load.sql`, `dags/orders_ingest.py`; сравнение цены и наблюдаемости — заготовка спеки (`docs/specs/2026-07-30-stand-v2-realism.md`, раздел 12).  
 Форма: расследование двух живых путей на одном стенде.  
 Проверка: офсеты групп `clickstream_hits` и `clickstream_orders`, счет строк сырья по `_load_id`.
 **2. Кто читал топик и куда легли данные.**  
 Урок: нода, которая читает топик, может меняться от прогона к прогону. Раскладка данных не меняется: ее определяет ключ шардирования — свойство самих данных.  
 Материал: колонка `consumer_host` в `stg.hits_raw_dist`; `docs/architecture/storage.md`, «Раскладка по шардам».  
 Форма: расследование данных.  
 Проверка: пересчет ключа шардирования по `hostName()` — строк на чужом шарде нет.
 **3. Вторая consumer group — дубли.**  
 Урок: на кластер нужна одна группа потребителей. Если завести вторую, каждая нода получит полную копию топика.  
 Материал: `kafka_group_name` в `sql/ddl/10-stg-tables.sql`; сцена названа спекой (раздел 12).  
 Форма: расследование-опыт «сломай — увидь — верни» на переигранном дне.  
 Проверка: счет событий против описи мира (`make check-clickhouse`); уборка — снятием партиции `_load_ts` (правило из `docs/architecture/testing.md`).
 **4. Дырка в офсетах.**  
 Урок: сырье может сохранить не все сообщения, которые пришли из источника. Пустое сообщение или зазор после пересоздания матвью видны только по разрыву в `kafka_offset`, поэтому пропажу не нужно искать глазами.  
 Материал: `docs/architecture/storage.md`, «Что проверено» (опыты 5 и 7 августа); колонка `kafka_offset` в сырье.  
 Форма: расследование.  
 Проверка: непрерывность офсетов внутри партиции.
 **5. Две оси времени.**  
 Урок: переобработка данных и очистка диска живут по разным часам. Сырье разбивается на части и удаляется по `_load_ts`, а модельный день появляется только в ODS. Поэтому TTL по модельной дате работал бы неверно.  
 Материал: `sql/ddl/10-stg-tables.sql` (TTL трое суток, `ttl_only_drop_parts`), `docs/architecture/storage.md`, «Срок жизни сырья».  
 Форма: расследование-вопрос (почему нельзя нарезать сырье по `EventDate`).  
 Проверка: ответ сверяется с доводом доки; счетного инварианта нет.
 ## ODS — типизация и брак
 **6. Предикат и его буквальное отрицание.**  
 Урок: годные строки и брак должны делить поток без пропусков и пересечений. NULL в предикате незаметно теряет строку, а исключение роняет вставку и останавливает чтение топика.  
 Материал: `sql/ddl/30-ods-views.sql` (пара матвью событий), `sql/ods/order_parse.sql` (макрос `order_wire_contract`), ADR 0005.  
 Форма: расследование — подложить в топик по строке каждого класса брака и найти их в `ods.event_errors_dist` / `ods.order_errors_dist`.  
 Проверка: «сырье среза = годные + брак» на управляемой пачке; строки опыта убрать за собой.
 **7. Три времени и версия-наблюдение.**  
 Урок: у строки заказа есть четыре временные координаты. Версию сущности задает дата слепка источника, а не время загрузки. `FINAL` живет ровно в одном месте — за представлением `_v`.  
 Материал: `sql/ddl/20-ods-tables.sql`, `sql/ddl/30-ods-views.sql`, ADR 0010 и 0014, `docs/architecture/orders/ingestion.md` («Роль ODS»).  
 Форма: расследование — физические версии `ods.order_dist` против `ods.order_v`.  
 Проверка: эталон `argMax` по `updated_at` прямо из сырья (прием #165).
 **8. Часовой пояс как способ смотреть на время.**  
 Урок: у ночных событий `toDate(UTCEventTime)` может не совпадать с `EventDate`. Это нормальное свойство данных. День нужно считать по готовой колонке и явно называть часовой пояс, в котором его рассматривают.  
 Материал: `docs/architecture/storage.md`, «Часовые пояса»; ADR 0015.  
 Форма: расследование данных.  
 Проверка: менти сам находит ночные события и объясняет расхождение.
 **9. Сырое против разобранного: `ecommerce`.**  
 Урок: типизированный разбор JSON может молча подменить ошибку значением. Например, `qty` со значением «oops» превратится в 0. Поэтому правильность разбора нужно подтверждать инвариантом источника.  
 Материал: колонка `ecommerce` рядом с массивами `purchase_*` / `product_*` в `ods.event`; разбор `items` в `sql/dds/order_rebuild.sql`; спека, раздел 1.2 («кандидат будущей лабы»).  
 Форма: построить свое по ТЗ — разобрать `ecommerce` запросом и сверить с готовыми массивами того же события.  
 Проверка: построчная сверка с колонками-массивами.
 ## DDS — модель
 **10. Лаба сессий: своя нарезка против эталона.**  
 Урок: сессия — расчетная сущность, границы которой определяет логика в хранилище. Самостоятельная нарезка может разойтись с эталоном. Если расхождение невозможно, задание сводится к `GROUP BY` по готовому полю.  
 Материал: `docs/architecture/dds/session.md`, `sql/dds/session_rebuild.sql` (два окна, полный порядок `(event_time, event_id)`, детерминированный чекан), эталон `VisitID` в `ods.event_v`.  
 Форма: построить свое — менти собирает нарезку сам до знакомства со стендовым кодом; либо вычитание `session_rebuild.sql` (раздел о гипотезе ниже).  
 Проверка: `dq_check` / `sessions_vs_reference` (зерно кука × день против `uniqExact(VisitID)`); затем сравнение со стендовой нарезкой по `session_id`.
 **11. Поштучный разбор расхождения нарезки.**  
 Урок: счетная сверка показывает, сколько сессий разошлось. Чтобы понять, где именно отличаются границы, нужно вручную соединить свою сессию с эталонной по времени.  
 Материал: `sql/dq/sessions_vs_reference.sql`, `docs/architecture/dds/session.md`, «Сверка с эталоном» («поштучное сопоставление границ — материал лабы»).  
 Форма: расследование.  
 Проверка: найденная кука, день и пауза, на которой решения разошлись.
 **12. Склейка идентичностей во времени (#145).**  
 Урок: текущее знание о пользователе и знание на выбранную дату дают разные отчеты. Если использовать сведения из будущего, исторический график известной аудитории изменится.  
 Материал: `dds.identity_map_v` (пары без временной колонки — решение `docs/architecture/dds/identity.md`), момент связи выводится как минимум времени `purchase`-события, соединенного с заказом.  
 Форма: построить свое (запрос, без изменения стенда).  
 Проверка: два способа на одном наборе данных; расхождение объясняется письменно.
 **13. Справочник регионов (#143).**  
 Урок: справочник содержит данные, которыми источник владеет вне хранилища. Если собрать словарь руками, можно разобраться в механике, которую готовый каталог стенда позволяет только использовать.  
 Материал: образец `sql/ddl/05-dic-catalog.sql` и ADR 0012; зацепка в контракте — `region_city_id` / `region_country_id` отдаются как есть (`dds.event_v`).  
 Форма: построить свое по образцу (свой CSV, подложка, словарь, `dictGet` в отчете).  
 Проверка: обогащенный отчет; неатомарность обновления словаря на двух нодах — дополнительное наблюдение (спека, раздел 12).
 **14. Инвариант позиций: недостающая проверка.**  
 Урок: равенство «цена × количество = items_total» проверяет, не исказил ли молчаливый разбор данные. Сейчас это равенство проверяют вручную, хотя ему нужно постоянное место в контуре DQ.  
 Материал: комментарий в `sql/dds/order_rebuild.sql` («постоянное место такой проверки — контур DQ этапа 4; пока она делается руками»), образцы `sql/dq/*_vs_dds.sql`, `dags/dq_check.py`.  
 Форма: построить свое — новая проверка по образцу существующих пяти.  
 Проверка: проверка обязана уметь краснеть — испортить позицию руками и увидеть красное (`docs/architecture/testing.md`).
 **15. Сверка слоя с источником по дню.**  
 Урок: трансформация выполняет заданное правило, но сама не замечает, что часть данных не приехала. Это обнаруживает отдельная сверка слоя с источником.  
 Материал: `docs/architecture/etl.md`, «Чего конвейер о себе не знает» (три слепых пятна и лекарство: счет заказов и поздний `updated_at` с обеих сторон).  
 Форма: построить свое — вторая самодельная DQ-проверка.  
 Проверка: снести часть дня в ODS-окне — проверка краснеет, конвейер сам не замечал.
 ## DM — витрины
 **16. Пять домашек DM (готовое ядро).**  
 Урок: готовые ТЗ уже содержат пять отдельных уроков (`docs/labs/README.md`): `events_enriched_v` показывает, что слой задает контракт, а не копирует данные; `top_pages_daily` меняет зерно, материализует витрину и включает ее в конвейер; `session_overview` учит хранить слагаемые вместо средних и не складывать уникальные значения, даже если на текущих данных результат совпадает; `dq_errors_daily` показывает, что у брака есть собственный день и срок жизни, а витрина может пережить источник; `utm_effectiveness` объясняет, зачем в имени нужно предупреждение `declared_`.  
 Материал: пять готовых ТЗ в `docs/labs/README.md`.  
 Форма: построить свое по ТЗ.  
 Проверка: `dags/homework_check.py` + `sql/dq/*_vs_dds.sql` (полное внешнее соединение с независимым ответом).
 **17. Свой дашборд в Superset (готовая необязательная лаба).**  
 Урок: пользовательские объекты BI хранятся отдельно от стендовых и переживают перезапуск. Стендовые объекты при импорте перезаписываются.  
 Материал: `docs/labs/superset-dashboard.md`, `docs/architecture/superset.md`.  
 Форма: построить свое.  
 Проверка: глазами — счетного инварианта у раскладки панелей нет.
 **18. Инкремент против пересборки (#149, повышенная сложность).**  
 Урок: чтобы обновлять меньше данных, приходится хранить историю изменений. Полная перезагрузка эту историю стирает.  
 Материал: `sql/dm/daily_traffic_rebuild.sql` (полный пересчет), `docs/architecture/dm.md`, «Ритм пересборки» и отклоненный вариант; момент `first_matched_at` — из сюжета 12.  
 Форма: построить свое (инкрементальная альтернатива рядом со стендовой).  
 Проверка: бесплатный контроль — результат обязан совпасть с эталонной витриной `dm.daily_traffic_v`.
 **19. Вычитание стендовых витрин.**  
 Урок: при сверке двух источников нужен `GLOBAL FULL OUTER JOIN` с подзапросами с обеих сторон, `join_use_nulls` и явный приоритет классов. Значение с отсутствующей стороны должно остаться `NULL`, а не превратиться в ноль.  
 Материал: `sql/dm/purchase_vs_orders_rebuild.sql` (и соседние `revenue_daily_*`, `daily_traffic_*`), `docs/architecture/dm.md`.  
 Форма: вычитание — с оговоркой: запросы `sql/dq/*_vs_dds.sql` лежат открыто и почти дословно повторяют рецепт витрины. Предупреждение из `docs/labs/README.md` («открыв их до того, как задание сделано, ты обменяешь урок на готовый SQL») здесь особенно важно.  
 Проверка: `dq_check`, группа `marts_vs_dds` + `classes_vs_inventory`.
 ## BI — Superset (сюжеты сверх готовой лабы)
 **20. Ловушка ноды 2.**  
 Урок: забытый `ON CLUSTER` и представление над локальной таблицей могут проявиться только в дашборде. Superset намеренно читает ноду 2, а DDL запускается с ноды 1.  
 Материал: `docs/architecture/superset.md`, «Устройство зоны»; спека, «Роли нод».  
 Форма: расследование-опыт (создать объект без `ON CLUSTER`, открыть дашборд).  
 Проверка: своя же находка и починка.
 ## Поперек слоев
 ### Airflow-переобработка по дневным партициям
 **21. Переиграть день X.**  
 Урок: объем повторного прогона определяется состоянием хранилища. После падения конвейеру не нужно помнить параметры прошлого запуска: он ищет первую несобранную дату, а не последнюю собранную.  
 Материал: `sql/dds/order_scope.sql` и `session_scope.sql` (окно + хвост от первой дыры, `GLOBAL NOT IN`), `dags/dds_transform.py` (день — отдельная размноженная задача замены), `docs/architecture/etl.md`.  
 Форма: расследование-опыт — снести партицию дня в `dds.session_rep`, запустить `etl_pipeline` без параметров, увидеть, как объем сам нашел дыру.  
 Проверка: `dq_check` зеленый, день вернулся тем же (детерминированный чекан).
 **22. Атомарность — пошардовая.**  
 Урок: `REPLACE PARTITION` заменяет данные в локальных таблицах по одному шарду. Если одна из двух замен завершится ошибкой, половина дня останется старой. Сам конвейер этого не заметит, поэтому нужна отдельная сверка.  
 Материал: `sql/dds/order_replace.sql` (комментарий о границе обещания), `docs/architecture/etl.md`, «Чего конвейер о себе не знает»; правило донора — `sql/ddl/45-dds-tables.sql`.  
 Форма: расследование (в паре с сюжетом 15).  
 Проверка: `purchase_vs_orders_vs_dds` или самодельная сверка по дню.
 ### Сверка purchase vs orders (классы A–D)
 **23. Воронка подтверждений и недосчет трекера (#186, класс B).**  
 Урок: со стороны трекера потерянное событие можно обнаружить только по разрыву воронки между `/confirmation` и `purchase`. Отсюда правило: поведение считаем по трекеру, деньги — по бэкенду.  
 Материал: `lost_event` в `dm.purchase_vs_orders_v`, события дня в `dds.event_v`; механика — `docs/architecture/orders/fate.md` («потеря точечная»).  
 Форма: расследование.  
 Проверка: оцененный недосчет сходится с долей `lost_event` закрытых дней.
 **24. Бизнес-дубль и наивная выручка (#187, класс D).**  
 Урок: движок удаляет технические дубли, а бизнес-дубли приходится определять самим — по `purchaseID`, а не по совпадению строк. `ReplacingMergeTree` не удалит дубль с новым `WatchID`, и это правильное поведение.  
 Материал: `duplicate_event`, свертка по `purchase_id[1]` в `sql/dm/purchase_vs_orders_rebuild.sql`; `fate.md` («дубль сюжетный»).  
 Форма: расследование — наивный `SUM` против дедуплицированного.  
 Проверка: разница равна вкладу дублей; сверка с `dm.revenue_daily_v`.
 **25. Дельта суммы объясняется сравнением позиций (класс C).**  
 Урок: `amount_delta` обозначает конкретное расхождение, а не случайный шум. Его можно до копейки объяснить вычеркнутой позицией, если разобрать вложенный JSON и применить `ARRAY JOIN`. Ради этого навыка позиции и разбираются.  
 Материал: `amount_delta` в сверке, массивы `product_*` события против `item_*` заказа; `fate.md` («дельта — вычеркнутая позиция»).  
 Форма: расследование.  
 Проверка: найденная позиция и ее полная стоимость равны дельте.
 **26. Две дороги отмены и история версий (класс A).**  
 Урок: текущее состояние заказа не сохраняет его историю. Различить случаи «оплачен и отменен» и «отменен неоплаченным» можно только по следам: физическим версиям ODS до слияния и сырью STG, пока оно хранится трое суток.  
 Материал: `fate.md`, «Что из двух дорог видно»; `ods.order_dist`, `stg.orders_raw_dist`; выручка дня, которая выросла и убыла.  
 Форма: расследование с ограничением по времени — часть случаев неразличима принципиально, и признать это тоже урок.  
 Проверка: списки заказов по дорогам, сверенные с историей версий.
 ### Опоздания и закрытие дня
 **27. Опоздавшие заказы и закрытое окно (#188).**  
 Урок: отчет за день зависит от момента расчета. День можно считать закрытым, когда источник уже не способен его изменить. Поэтому опись хранит счетчики классов только для закрытых дней.  
 Материал: `awaiting_order` в `dm.purchase_vs_orders_v`, задержка слепков D+1/D+2 (`fate.md`, «Опоздание»), `data/world-inventory.json` (счетчики `orders` только у дней с закрытым окном), возврат `awaiting_order`-дней в объем — `sql/dm/purchase_vs_orders_scope.sql`.  
 Форма: расследование по ходу проживаемых дней.  
 Проверка: вчерашний отчет, не сошедшийся утром, сходится завтра; разность слепков называет опоздавших.
 **28. Дыхание выручки.**  
 Урок: значение выручки за день меняется, пока день внутри окна изменяемости, а после выхода из окна фиксируется. Эти изменения видны как повторные пересборки партиции.  
 Материал: `dm.revenue_daily_v` по ходу дней, окно из ярлыка `snapshot_date` (`sql/dm/revenue_daily_scope.sql`), K = 7 — константа мира.  
 Форма: расследование-наблюдение (снять один день несколько раз).  
 Проверка: за окном значение больше не меняется.
 ### Мониторинг и runbook
 В репозитории пока нет runbook для случаев «keeper упал / DDL повис». Спека оставляет его в хвосте этапа 9 вместе с `system.text_log` (ADR 0002), потому что такой документ должен опираться на реальный опыт. Поэтому менти может написать runbook сам: по шагам сломать сценарий, записать наблюдения и оставить стенду документ, которого сейчас не хватает.
 **29. Keeper — общая память кластера.**  
 Урок: без keeper останавливаются DDL и репликация. На дашборде это бывает видно раньше, чем в ошибках запросов. Читаемый путь в keeper помогает понять, какие данные он хранит и за что отвечает.  
 Материал: панель keeper и очередь DDL в `docs/architecture/monitoring/cluster.md`, `system.zookeeper` (читаемый путь — `docs/architecture/storage.md`, «Путь реплицированных таблиц»), `make smoke` / `make check-clickhouse`.  
 Форма: расследование-опыт «посмотрели — сломали — увидели — вернули» (остановить keeper), итог — свой runbook.  
 Проверка: возврат к зеленым целям `make`; шаги записаны.
 **30. Повисший DDL.**  
 Урок: каждый запрос `ON CLUSTER` проходит через keeper. Очередь распределенных DDL показывает, дошел ли запрос до обеих нод и что ответила каждая из них.  
 Материал: `system.distributed_ddl_queue`, панель «Распределенный DDL» (`cluster.md`: единственная панель без `clusterAllReplicas` — и почему).  
 Форма: расследование-опыт (DDL при недоступной второй ноде, таймаут `ON CLUSTER`).  
 Проверка: запись в очереди со статусом по нодам; починка доводит до `Finished`.
 **31. Мониторинг сам стоит денег.**  
 Урок: запросы Grafana попадают в `system.query_log` вместе с запросами людей. Самый частый клиент хранилища — сам мониторинг. Если отфильтровать его запросы, стоимость наблюдаемости станет невидимой.  
 Материал: `docs/architecture/monitoring/queries.md` (панель «Кто спрашивает», строки начала и конца, куски шардов в панели ошибок).  
 Форма: расследование.  
 Проверка: собственное объяснение верха списка тяжелых запросов.
 **32. Свежесть второго источника — пила, а не линия.**  
 Урок: возраст заказов растет в течение дня и резко уменьшается после нового слепка. Так устроен источник; это не признак деградации. Для панелей свежести, потока и брака выбираются разные слои данных. Если выбрать неверный слой, панель даст правдоподобный, но ложный ответ.  
 Материал: `docs/architecture/monitoring/data.md` (почему свежесть — ODS, поток и брак — сырье, окно доли брака).  
 Форма: расследование.  
 Проверка: предсказать форму графика до взгляда на него.
 ### За границей лаб — опорные точки лекций
 Спека (раздел 12) оставляет несколько сюжетов для лекций и не включает их в лабораторные работы: `Sign` и CollapsingMergeTree (почему на стенде `sum(Sign)` равен `count()`, а в бою нет), «как выбирают топологии в бою», идентичность «как в бою» (`setUserID`, вероятностная склейка, identity graph), анти-паттерны ключа шардирования. Последний сюжет уже входит в домашние задания DM как требование защитить выбранный ключ (`docs/labs/README.md`).
 ## Гипотеза «вычитание + DQ» для нижних слоев
 В #148 предложено удалить SQL трансформаций потока и написать его заново. Владелец уточнил, что даги менять не нужно: это несущая инфраструктура. Обратную связь дают инварианты, которые не зависят от реализации слоя. Ниже каждый поток проверяется отдельно: что можно отдать на переписывание, что должно остаться, чем проверять результат и где заканчивается эталон.
 На всю таблицу влияют два общих факта:
 - `homework_check` покрывает только пять витрин DM. `dq_check` содержит пять проверок, но внешний эталон есть лишь у двух: `sessions_vs_reference` использует чужой чекан `VisitID` из `ods.event_v`, а `classes_vs_inventory` — опись мира. Три проверки `*_vs_dds` пересчитывают витрину из DDS по тому же рецепту. Они находят ошибку в сборке витрины, но не ошибку в DDS, потому что обе стороны читают один слой.
 - Все сверки читают таблицы `_dist`, поэтому их агрегаты не зависят от раскладки (спека, раздел 6). Если строка попала не на свой шард, счетные проверки останутся зелеными. Это ловит только пересчет ключа шардирования по `hostName()` (прием из `docs/architecture/storage.md`, замер #137). Такой пересчет нужно явно включать в ТЗ каждого вычитания.
 ### По потокам
 **События STG (прием).** На переписывание этот участок не отдается. Здесь почти нет трансформации: `stg.hits_raw_mv` перекладывает колонки (`sql/ddl/40-stg-views.sql`). При этом пересоздание матвью на работающем стенде незаметно пропускает ближайшие сообщения (замер в `storage.md`, «Что проверено»). Чтец, таблицы сырья и матвью остаются несущей стеной. Урок этого участка раскрывают расследования из сюжетов 1–5.
 **События STG → ODS (разбор).** Вся логика — в DDL, в паре матвью `sql/ddl/30-ods-views.sql`; отдельных файлов событий в `sql/ods/` нет. Удаление и пересоздание этих матвью остановит прием и снова создаст зазор с пропущенными сообщениями. Поэтому обычное вычитание здесь не подходит. Рабочая форма — **«собери рядом»**: выполнить пакетный `INSERT SELECT` из сырья в собственную таблицу по срезу `_load_ts`, а затем построчно сверить результат с нетронутым `ods.event_v`. Эталоном служат стендовый ODS и подневный счет против описи (`make check-clickhouse`). Однако опись проверяет только количество и только для покрытых ею дней. Содержимое неопорных колонок остается без независимой проверки: неверно разобранные UTM или браузер нигде не покраснеют, потому что витрины сверяются с DDS, а DDS читает ODS. Срок работы тоже ограничен: сырье хранится трое суток.
 **Заказы STG (забор, `sql/stg/orders_raw_load.sql`).** Формально трансформация вынесена в отдельный файл, но ее учебный смысл сводится к перекладке колонок, а цена ошибки велика. Офсеты коммитятся при чтении, поэтому неверный повтор унесет слепок до следующего переигрыша дня через пульт. Этот участок остается стеной. Эталон описи — хеш байтов слепка — проверяет топик, но не сам забор.
 **Заказы STG → ODS (`sql/ods/order_parse.sql`).** Вычитание возможно с оговоркой. Это пакетный шаг, идемпотентный по `_load_id`: повтор не меняет `ods.order_v` («Что проверено» в `orders/ingestion.md`). Брак обрабатывается отдельной целью, а слепок можно вернуть переигрышем дня. Обратную связь менти собирает сам: проверяет равенство «сырье среза = годные + брак» по `_load_id`, а текущее состояние сверяет с `argMax` по `updated_at` из сырья. Ниже по течению результат проверяет `classes_vs_inventory` через DDS и витрину. Слабое место — ветвь брака. Чистый мир не производит брак, поэтому отрицание предиката останется непроверенным, пока менти сам не подложит по строке каждого класса. Готовый рецепт есть в `orders/ingestion.md`, «Риски и проверка»; после опыта данные нужно обязательно убрать.
 **DDS сессия (`session_scope` / `rebuild` / `replace`).** Это лучший поток для вычитания: здесь гипотеза подтверждается без дополнительных условий. Эталон `VisitID` внешний, а `sessions_vs_reference.sql` считает чужой чекан и не повторяет алгоритм нарезки. Ошибиться можно в важных местах: в полном порядке окон, границе суток в `PARTITION BY`, детерминированном чекане и расчете объема из позиции мира. Эталон заканчивается на атрибутах строки. Сверка работает на зерне кука × день и проверяет только число сессий. Поэтому неверные границы, длительность, вход, выход или UTM могут пройти зеленым. `session_overview` из `homework_check` тоже согласится, потому что сверяет витрину с тем же слоем. Вторая ступень обратной связи — поштучная сверка границ по `VisitID` из сюжета 11, которую менти пишет сам.
 **DDS заказ (`order_scope` / `rebuild` / `replace`).** Вычитание возможно при условии: сначала нужно построить недостающую проверку. Косвенный эталон уже есть. `classes_vs_inventory` ловит потерянные заказы и неверные статусы закрытых дней, а `purchase_vs_orders` проверяет `items_total`. Но независимо не проверяются разбор массивов `item_*` и время в поясе `Europe/Samara`. Выручка сойдется сама с собой, а счетчиков выручки в описи намеренно нет (спека, раздел 8). Стенд уже подсказывает решение: до вычитания нужно реализовать инвариант «цена × количество = items_total» из сюжета 14. Последовательность «сначала сторож, потом ломать» сама становится частью урока.
 **DDS карта идентичностей (`identity_map_rebuild.sql`).** Для чистого вычитания этот поток не подходит: независимого эталона нет. `daily_traffic_vs_dds` читает карту с обеих сторон, поэтому пустая или задвоенная карта пройдет проверку. Счетчики идентичности в опись не входят (спека, раздел 8). Менти может сам написать слабые инварианты: `known_users <= visitors` и «каждая пара подтверждена покупкой и заказом». Они проверят допустимость пар, но не их полноту. Подходящие формы — «собери рядом и сверь со стендовой картой» либо вычитание вместе с самодельной проверкой, которая честно названа неполной.
 **DM стендовые витрины.** Формально это самый защищенный участок: `dq_check` независимо пересчитывает каждую витрину. На деле проверка содержит готовый ответ: `revenue_daily_vs_dds.sql` дословно повторяет рецепт витрины. Вычитание возможно как сюжет 19, но только с предупреждением из `docs/labs/README.md` о цене подглядывания.
 ### Сводная таблица
 | Поток | Отдать на переписывание | Несущая стена | Обратная связь | Где кончается эталон |
 |---|---|---|---|---|
 | События STG | ничего | чтец, сырье, `hits_raw_mv` | опись (счет) | все, кроме счета |
 | События STG→ODS | «собери рядом», не вычитание | обе матвью, `*_errors` | стендовый ODS рядом, опись | содержимое неопорных колонок; окно сырья 3 суток |
 | Заказы STG | ничего | чтец, забор | хеш слепка в описи | сам забор |
 | Заказы STG→ODS | `order_parse.sql` | `*_errors`, чтец | баланс среза по `_load_id`, `argMax(updated_at)`, опись классов | ветвь брака — пока не подложен брак руками |
 | DDS сессия | `session_*` (все три) | донор, DDL, даг | `sessions_vs_reference` (внешний эталон) | атрибуты строки — нужна поштучная сверка |
 | DDS заказ | `order_*` (все три) | донор, DDL, даг | опись классов, `items_total` в сверке | разбор позиций и пояс — сначала сюжет 14 |
 | DDS карта | только с оговорками | DDL, даг | нет независимой | почти сразу; форма — «собери рядом» |
 | DM витрины | `revenue/pvo/traffic` | доноры, DDL, даг | `dq_check` целиком | ответ лежит в самой проверке |
 ### Вывод
 Гипотеза «вычитание + DQ» подходит не для всех нижних слоев. Без оговорок она работает только для сессий DDS: там есть внешний эталон, настоящие места для ошибок и проверка, которая не содержит готового решения.
 Для заказов DDS и разбора заказов ODS нужна последовательность «сначала построй сторожа, потом ломай». Недостающие инварианты — сюжеты 14 и 15, а также баланс среза — сами входят в учебный материал. Их нужно построить до вычитания.
 STG и прием событий нельзя отдавать в форме «удали и перепиши»: код там служит несущей частью стенда. Для этих участков подходят расследования и форма «собери рядом».
 У всех счетных проверок остается общая дыра — раскладка по шардам. Поэтому пересчет ключа по `hostName()` должен входить в ТЗ каждого вычитания отдельной строкой.
@@ -265,7 +265,7 @@ CSV в репозитории (`data/catalog/products.csv`: `sku`, `name`, `cate
 | | Расхождение | Механика в генераторе | Ориентир доли |
 |---|---|---|---|
 | A | Отмена | заказ дошёл до `cancelled`, `purchase` остался | ~5% заказов — отменённые вообще, обе дороги отмены вместе |
-| B | Потерянное событие | заказ есть, `purchase` не доехал | ~3% |
+| B | Потерянное событие | заказ есть, `purchase` не доехал | бросок 3%, наблюдаемых ~1,8%: часть маячков защищена парами склейки, часть уходит в отмену приоритетом |
 | C | Дельта суммы | вычеркнутая позиция: товара не оказалось в наличии, у заказа на одну позицию меньше, чем в клиентских массивах. Сверка приведена к сравнимой базе (`items_total`, не `total`); `amount_delta` — остаток, не объяснённый этим приведением, и сравнением позиций он объясняется — на этом стоит урок класса | ~1–2% |
 | D | Дубль события | повторный `purchase` от обновления `/confirmation`: новый `WatchID` с тем же `purchaseID` — бизнес-дубль, не технический; дедуп ReplacingMergeTree его не съедает и не должен | ~2% |
@@ -274,8 +274,9 @@ CSV в репозитории (`data/catalog/products.csv`: `sku`, `name`, `cate
 Пятое — **опоздание** — бесплатно даёт формат доставки: часть заказов
 впервые появляется в слепке D+1/D+2 («вчера не сходилось, сегодня сошлось»),
-ориентир ~10%. Точные доли фиксируются при пересборке эталонного мира;
+ориентир ~10%. Точные доли зафиксированы замером на каноническом мире
-опись хранит счётчики наблюдаемых классов после приоритета — в заказах и
+(28 дней, 2026-08-30, #194) — запись в «Что проверено»
 [карты проверок](../architecture/testing.md); опись хранит счётчики наблюдаемых классов после приоритета — в заказах и
 только по дням с закрытым окном (раздел 8).
 Не берём: сироту-фрод (`purchase` есть, а заказа не будет никогда) —
@@ -532,10 +533,11 @@ Kafka день переигрывается генератором заново:
 ## 8. Эталонный мир и опись
-В git хранится только опись эталонного мира; сам снимок (14 модельных
+В git хранится только опись эталонного мира; сам снимок генерируется на
-дней) генерируется на месте — при `make up` и при проверках (решение
+месте — при `make up` и при проверках (решение развилки «Производительность»
-развилки «Производительность» карты #26, подробности —
+карты #26, подробности — [спека генератора](2026-08-01-generator.md),
-[спека генератора](2026-08-01-generator.md), раздел 5). Опись несёт
+раздел 5). Снимок — 8 дней, совпадает со стартовым миром: обещание в 14 дней
 снято на этапе 7. Опись несёт
 паспорт мира (каноническое зерно, версия генератора), контрольные счётчики
 и хеши по дням; проверки «пустой git diff» и «пересгенерируй день N —
 сравни хеш» живут на ней. Политика версионирования артефакта (бывший туман
@@ -555,8 +557,8 @@ Kafka день переигрывается генератором заново:
  названного читателя в опись не кладётся
  ([что хранит опись](../architecture/orders/inventory.md)).
-Снимок вырастет против v1 (ecommerce-массивы, заказы) — размер проверить
+Размер снимка замерен на этапе 7 — запись в разделе «Что проверено»
-при пересборке.
+[карты проверок](../architecture/testing.md).
 ## 9. Оценка объёма исполнения
@@ -618,8 +620,8 @@ v2 стартует пустым, поэтому объём ниже — это
   выручка, сверка A+C.
 5. Airflow: `etl_pipeline` (партиционная переобработка).
 6. Расхождения B+D и опоздания; счётчики описи.
-7. Эталонный мир: опись и пересборка снимка, чек-скрипты; CI-генерация
+7. Эталонный мир: опись и пересборка снимка, чек-скрипты. CI-генерация
-   на amd64 и arm64.
+   снята (спека генератора, раздел 5).
 8. Superset-дашборд v2.
 9. Мониторинг и runbook «keeper упал / DDL повис в очереди». Состав дашбордов
   и границы — ADR 0002. Этап идёт не подряд, см. ниже.
@@ -658,7 +660,10 @@ ADR 0002 с приёмочными совпадают почти целиком.
  работой после этой спеки; редизайн лаб v1 (#7) остаётся в v1 и сюда не
  переносится. Исключение — домашки слоя DM: ТЗ витрин менти и даг
  самопроверки забраны в этап 4 резолюцией #135, потому что витрина менти и
-  конвейер, в который она встает, проектируются вместе. Единый стиль блока
+  конвейер, в который она встает, проектируются вместе. Сюда же —
  необязательная лаба «свой дашборд в Superset» (#197): она стоит на
  витринах домашек DM и продумана до готового ТЗ в этапе 8, тогда как
  остальные лабы пока на уровне идей. Единый стиль блока
  домашек — за работой учебного пути. Спека даёт будущим лабам только
  опорные точки — контрольные числа описи (сверка, идентичность). Явное
  следствие: после этапа 9 стенд работает, но учебного пути на нём ещё нет.
@@ -65,7 +65,8 @@
  приём на стороне хранилища.
 - **Один сериализатор, глупые приёмники.** День-функция выдаёт канонические
  байты; приёмники — файл, Kafka пачкой, Kafka с темпом.
- **Числа.** Средний день ~50 тыс. событий; эталонный снимок — 14 дней;
+- **Числа.** Средний день ~50 тыс. событий; эталонный снимок совпадает со
  стартовым миром — 8 дней;
  в git — только опись мира; автоматических порогов по времени нет.
 ## 1. Модель мира
@@ -358,10 +359,17 @@
 - **Средний модельный день — ~50 тыс. событий**; суточные волны с пиками до
  ~2× среднего, будни/выходные; ≈8–12 тыс. сессий, 6–8 тыс. посетителей —
  правдоподобный средний магазин.
- **Эталонный снимок — 14 дней**: две полные календарные недели, D0 —
+- **Эталонный снимок совпадает со стартовым миром — 8 дней**: понедельник
-  понедельник. Самая короткая длина, при которой есть замороженная зона за
+  по понедельник, полная неделя и один закрытый день за окном K = 7.
-  окном K = 7, дышащая зона и две волны недельной сезонности. Удлинение до
+  Обещание в 14 дней снято на этапе 7 (решение владельца 2026-08-30):
-  месяца — дешёвый ход (пересборка описи), если понадобится.
+  у дней 8–13 не нашлось читателя — лабы проигрывают мир дальше без описи,
  транспорт байты с описью не сверяет, а проверке «пересгенерируй день N —
  сравни хеш» день 3 годится так же, как день 13. Замеры и тесты, меряющие
  мир на окне в две недели, не меняются: мир — функция без края, окну
  замера опись не нужна. Удлинение описи остается дешевым ходом
  (пересборка) и делается, когда читатель появится — например, если
  растяжке `classes_vs_inventory` понадобится сверять больше одного
  закрытого дня.
 - **В git — только опись, снимок не хранится.** Снимок генерируется при
  создании мира и в проверках генератора: артефакт — кэш чистой функции, кэш в
  git не хранят. Опись несёт паспорт мира, счётчики и хеши по дням; проверки
@@ -370,7 +378,9 @@
  повторный подъём не пересчитывает. Честная потеря —
  страховка на случай платформенного бага: раньше менти с расходящимися
  байтами мог взять готовый снимок из git, теперь он упрётся в красный чек
-  описи; смягчение — CI гоняет генерацию на amd64 и arm64.
+  описи; смягчение — дисциплина целочисленной случайности (раздел 2):
  расхождения amd64/arm64 сняты устройством, а не сторожем. CI ради одного
  прогона не заводится (решение владельца 2026-08-30).
 - **Живой день — ×60 по умолчанию**: модельные сутки за 24 реальные минуты,
  суточная волна разворачивается на глазах; темп в среднем ~35 событий/с,
  в пиковые часы сильных дней — до ~100. Число —
@@ -389,7 +399,7 @@
 | Операция | Ориентир |
 |---|---|
 | Генерация одного дня | 1,7–2,8 с (замер 7 августа 2026 года) |
-| Пересборка эталонного мира (14 дней + опись, без транспорта) | до минуты |
+| Пересборка эталонного мира (8 дней + опись, без транспорта) | 20,5 с (замер 30 августа 2026 года) |
 | Заливка стартового мира при `make up` (8 дней, Kafka → матвью → ODS) | 22,5 с (замер 7 августа 2026 года) |
 | Лаг живого дня | секунды |
@@ -497,8 +507,8 @@
  Расхождение переменной с данными (менти почистил партицию руками) лечится
  документацией, а не сторожем: постоянная сверка была бы проверкой, красной
  в норме ([ADR 0002](../adr/0002-monitoring-scope.md)).
- **Этап 7 (эталонный мир)**: пересборка — это опись, не артефакт;
+- **Этап 7 (эталонный мир)**: пересборка — это опись, не артефакт.
-  CI-генерация на amd64 и arm64.
+  CI-генерация на amd64 и arm64 снята — резолюция в разделе 5.
 - **Будущие лабы**: перезаливка дня X пакетным режимом проигрывателя —
  готовая демонстрация идемпотентности конвейера.
@@ -925,11 +935,13 @@
 ### Опись мира и словарь
- **Опись мира одна и растет до эталонной** (#42, 2026-08-07; решение владельца
+- **Опись мира одна** (#42, 2026-08-07; эталонная длина — 8 дней, этап 7,
-  при нарезке, 2026-08-01). Стартовый мир этапа 2 — первые восемь дней,
+  2026-08-30). Стартовый мир этапа 2 — первые восемь дней,
  понедельник по понедельник: полная неделя и первый замкнутый цикл K = 7.
-  `data/world-inventory.json` — та самая опись, которую обещает раздел 5, пока
+  `data/world-inventory.json` — та самая опись, которую обещает раздел 5.
-  короткая; этап 7 продлит ее до 14 дней, а не заведет вторую. В JSON лежат
+  Этап 7 оставил ее восьмидневной: у хвоста в шесть дней не нашлось читателя
  (резолюция — в разделе 5); вырастет она продолжением этого же файла, а не
  вторым. В JSON лежат
  паспорт мира — зерно, версия генератора и хеш каталога — и строки дней с
  датой, числом событий и хешем. Опись собирает `make inventory`, свежесть
  сторожит `test_inventory.py` тем же способом, что свежесть описания выгрузки.
@@ -0,0 +1,293 @@
 # Программа учебных лаб
 Эта спека собирает программу лаб из
 [инвентаризации сюжетов](../research/2026-08-31-labs-inventory.md), выполненной
 в тикете #201. Тикет спеки — #202, карта — #182.
 Статус: спека принята владельцем; судьба идей-кандидатов решена здесь поименно.
 ## 1. Кому и зачем
 Менти уже прошел большой теоретический курс ClickHouse объемом около 60 часов.
 Он знает устройство системы в теории, но почти ничего не делал своими руками.
 Поэтому в программе нет вводного блока с теорией. Здесь теория становится
 ремеслом: менти руками осваивает слои хранилища, DQ, оркестрацию и
 идемпотентность.
 Обещание программы: менти проходит конвейер стенда автором, а не читателем.
 ## 2. Устройство программы: основная программа и факультативы
 У частей программы два статуса, третьего нет.
 **Основная программа** — обязательная часть. Менти проходит ее целиком и по
 порядку, потому что каждая следующая ступень опирается на предыдущую. От
 ступени к ступени растет самостоятельность: сначала менти получает готовые ТЗ с
 готовыми сторожами (DQ-проверками), а затем строит сторожей сам.
 **Факультативы** — необязательные лабы. Они собраны в тематические разделы,
 чтобы менти мог одним взглядом выбрать интересное. Для каждого раздела указано,
 после какой ступени основной программы он открывается.
 В программе используются четыре формы заданий:
 - *построить свое по ТЗ* — рядом есть образец, но готового ответа нет;
 - *вычитание* — SQL готовой трансформации удаляется и пишется заново, а даги
  остаются как несущая инфраструктура;
 - *собери рядом* — менти строит свою копию результата рядом с нетронутым
  стендовым и сверяет их построчно;
 - *расследование* — данные уже лежат на стенде или стенд намеренно ломается, а
  менти ищет причину и объясняет ее.
 ## 3. Основная программа — семь ступеней
 ### Ступень 1. Построй пять витрин слоя DM
 Первая часть программы опирается на шесть существующих заданий из
 [`docs/labs/`](../labs/README.md). Пять ТЗ по витринам входят в первую ступень
 основной программы и выполняются как есть. Их точечный пересмотр — работа
 реализации. Шестое задание, про свой дашборд в Superset, остается факультативом
 в разделе «Superset и BI». Набор уроков пяти витрин уже записан в их общем
 описании: от слоя как договора до честных имен показателей.
 Форма — построить свое по ТЗ. Обратную связь дает даг `homework_check`.
 ### Ступень 2. Свой отчет в Superset
 Менти строит один график в Superset поверх витрины, которую сделал на первой
 ступени. Урок — увидеть, как собственный результат из хранилища становится
 отчетом в BI, не превращая знакомство с инструментом в отдельный большой
 проект.
 Форма — построить свое по ТЗ. Результат проверяется глазами. ТЗ для этой новой
 ступени предстоит написать при реализации программы. Полный собственный дашборд
 остается факультативом в разделе «Superset и BI».
 ### Ступень 3. Нарежь сессии сам
 До того как открыть стендовый SQL нарезки сессий в DDS, менти самостоятельно
 делит события на визиты. Сначала он сравнивает число своих сессий с эталоном
 `VisitID`. Затем вручную соединяет свою сессию с эталонной и поштучно разбирает
 хотя бы одно расхождение границ. Урок — счет называет проблему, но причину
 приходится искать в отдельных строках.
 Форма — построить свое по ТЗ и провести расследование. Обратная связь состоит
 из счетной сверки с `VisitID` и ручного сопоставления границ.
 ### Ступень 4. Перепиши нарезку стенда
 Менти удаляет и заново пишет SQL нарезки сессий DDS: расчет объема, пересборку
 и замену. Урок — изменить расчетную сущность внутри готового конвейера и
 проверить ее внешним эталоном. Это единственный поток, для которого
 инвентаризация подтвердила вычитание без оговорок: здесь есть настоящие места
 для ошибок, а проверка не содержит готового ответа.
 Форма — вычитание. Обратную связь дают `dq_check` и поштучная сверка,
 построенная на третьей ступени.
 ### Ступень 5. Сначала сторож, потом ломай: заказы
 Сначала менти строит две недостающие DQ-проверки. Первая утверждает равенство
 «цена × количество = items_total». Вторая сверяет слой с источником по дням. Их
 менти строит по образцу пяти стендовых проверок в `sql/dq/`. Обе проверки
 должны покраснеть на управляемой ошибке. Затем менти вручную подкладывает по
 строке каждого класса брака, проверяет разбор и убирает эти строки за собой.
 Только после этого он вычитает разбор заказов ODS `order_parse` и трансформацию
 заказа DDS. Урок — сторожа строят до рискованного изменения, а не после первой
 поломки.
 Форма — построить свои проверки по ТЗ, провести управляемое расследование и
 выполнить вычитание. Обратную связь дают две новые проверки, баланс годных и
 ошибочных строк по срезу и существующие сверки заказов.
 ### Ступень 6. Разбери сырые события и сверь результат со стендом
 Менти пакетно разбирает срез сырья событий в собственную таблицу и построчно
 сверяет результат с нетронутым стендовым ODS. Урок — изучить разбор потока
 отдельно от живого приема и использовать стендовый результат как образец для
 сверки. Матвью разбора остаются несущей стеной: их пересоздание молча теряет
 сообщения.
 Форма — «собери рядом». Обратная связь — построчная сверка двух разборов. Ее
 границы называются прямо: срок работы ограничен окном хранения сырья, а
 содержимое неопорных колонок можно сравнить только со стендовым разбором, не с
 независимым эталоном.
 ### Ступень 7. Мониторинг: куда смотреть
 Сначала менти знакомится с панелями стенда. Затем проводит два безопасных
 расследования. В первом он находит в `query_log`, что верх списка тяжелых
 запросов занимает сам мониторинг. Во втором объясняет, почему свежесть второго
 источника выглядит как пила, а не как линия, и выбирает правильный слой данных
 для панели.
 Форма — расследование. Обратная связь — найденные запросы и верное объяснение
 формы графика и выбора слоя. Ломательные опыты остаются в факультативе «Что
 делать, когда стенд сломался». Урок ступени — куда и на что смотреть в живой
 системе.
 **Общее правило вычитания:** ТЗ каждого вычитания на ступенях 4 и 5 включает
 пересчет ключа шардирования по `hostName()`. Счетные сверки читают `_dist`,
 поэтому учитывают строку даже на чужом шарде и остаются зелеными: они не видят
 саму ошибку раскладки.
 ## 4. Факультативы — пять разделов
 Ниже перечислены только названия сюжетов и их уроки. Материал, формы и способы
 проверки остаются в [инвентаризации](../research/2026-08-31-labs-inventory.md).
 ### Почему выручка не сходится
 Этот раздел рекомендован первым из факультативов. Он открывается после ступени
 1 основной программы: материал живет на стенде с этапа 6.
 - **Почему трекер недосчитывает покупки (#186).** Разрыв воронки подтверждений
  показывает потерянные события и границу доверия к двум источникам.
 - **Почему повтор покупки завышает выручку (#187).** Движок убирает технический
  дубль строки, а повтор одной покупки приходится находить по деловому ключу.
 - **Какая позиция объясняет разницу в сумме.** Расхождение суммы нужно
  разложить до конкретной вычеркнутой позиции и объяснить до копейки.
 - **Был ли отмененный заказ оплачен.** Текущее состояние не заменяет историю, а
  некоторые различия после истечения срока сырья уже не восстановить.
 - **Когда отчет за день можно считать окончательным (#188).** Отчет за день
  становится окончательным лишь после того, как источник больше не может
  изменить этот день.
 - **Почему выручка за день еще меняется.** Внутри окна изменяемости выручка
  движется, а после закрытия дня фиксируется.
 ### Тонкий анализ данных
 Открывается после ступени 1 основной программы.
 - **Что мы знали о пользователе в тот день (#145).** Текущее знание и знание на
  дату дают разные отчеты; сведения из будущего меняют прошлое.
 - **Добавь названия регионов в отчет (#143).** Менти собирает свой словарь по
  образцу каталога и обогащает отчет через `dictGet`.
 ### Superset и BI
 Открывается после ступени 2 основной программы.
 - **Свой дашборд.** Готовая лаба
  [`docs/labs/superset-dashboard.md`](../labs/superset-dashboard.md) учит
  хранить пользовательские объекты отдельно от стендовых.
 - **Почему дашборд не видит объект на второй ноде.** Забытый `ON CLUSTER` может
  остаться незаметным до тех пор, пока дашборд не обратится ко второй ноде.
 ### Инженерия стенда
 Открывается после ступени 1 основной программы. Сюжеты про переигрывание дня и
 пошардовую атомарность раскроются полнее после ступени 4, когда менти уже
 спускался в DDS.
 - **Как принимать данные из Kafka: потоком или слепком.** Поток и слепок
  требуют разных способов приема и дают разную наблюдаемость.
 - **Почему данные попадают на свои шарды независимо от ноды чтения.**
  Нода-потребитель может меняться, а раскладку строк определяет ключ
  шардирования.
 - **Почему вторая группа потребителей дублирует поток.** Еще одна группа
  потребителей создает еще одну полную копию потока.
 - **Как заметить пропущенные сообщения по офсетам.** Разрыв в офсетах
  показывает потерю, которую трудно заметить по самим данным.
 - **Почему сырье удаляется по времени загрузки.** Очистка сырья живет по
  времени загрузки, а не по модельному дню.
 - **Куда попадают битые строки.** Годные строки и брак делят поток без
  пропусков и пересечений; менти подкладывает по строке каждого класса брака
  событий и находит их в `ods.event_errors_dist`.
 - **Какая версия заказа считается текущей.** Версию заказа задает слепок
  источника, а `FINAL` скрывается за представлением.
 - **Почему один момент попадает в разные дни.** Один момент дает разные дни в
  разных поясах, поэтому день и пояс нужно называть явно.
 - **Проверь, как стенд разобрал JSON в `ecommerce`.** Типизированный разбор
  может молча подменить ошибку значением, поэтому менти сам разбирает сырой
  JSON и сравнивает результат с массивами стенда.
 - **Как конвейер восстанавливает пропущенный день.** Конвейер сам находит дыру
  и определяет объем повторной обработки по состоянию хранилища.
 - **Что будет, если день заменился не на всех шардах.** Замена дня завершается
  отдельно на каждом шарде, поэтому целостность результата подтверждает
  отдельная сверка.
 - **Как обновлять витрину без полной пересборки (#149) — повышенная
  сложность.** Экономия на пересчете требует хранить историю изменений, которую
  полная пересборка стирает.
 ### Что делать, когда стенд сломался
 Открывается после ступени 7 основной программы; весь раздел — повышенная
 сложность.
 - **Что ломается вместе с keeper.** Остановка keeper связывает состояние DDL и
  репликации с тем, что видно на панелях и в системных таблицах.
 - **Где искать запрос DDL, который не завершился.** Очередь распределенного DDL
  показывает путь запроса и ответ каждой ноды.
 Итог раздела — runbook, которого сейчас не хватает стенду. Менти пишет его по
 результатам опытов, и документ остается в проекте.
 ## 5. Границы вычитания по потокам
 Подробное сравнение потоков и таблица доказательств остаются в
 [инвентаризации](../research/2026-08-31-labs-inventory.md). Спека берет это
 сравнение за основу и проводит свои границы. Без оговорок вычитанию отдаются
 только сессии DDS. Заказы можно вычитать лишь после самодельных сторожей. Для
 событий ODS выбрана форма «собери рядом»; вычитание здесь отклонено. Прием STG
 и забор заказов остаются несущей стеной и доступны только для расследований.
 Карту идентичностей спека решает не отдавать вычитанию; причины этого выбора
 названы в следующем разделе.
 ## 6. Что не вошло
 Вычитание стендовых витрин DM не входит в программу. Оно повторяет урок
 готового ядра DM, а открытые сверочные запросы в `sql/dq/` почти дословно
 содержат ответ.
 Форма «собери рядом» для карты идентичностей тоже не входит. Независимого
 эталона нет, а слабые инварианты проверяют допустимость связей, но не полноту.
 Аналитический урок идентичности уже несет склейка во времени (#145) в
 факультативе «Тонкий анализ данных».
 Сюжеты, которые инвентаризация относит к лекциям, остаются лекциями: `Sign` и
 CollapsingMergeTree, топологии в бою и идентичность «как в бою». Эта спека
 оставляет их в
 [списке опорных точек раздела 12 спеки v2](2026-07-30-stand-v2-realism.md#опорные-точки-для-будущих-лекций-и-лаб).
 ## 7. Судьба идей-кандидатов
 Эти решения закрывают тикеты после приемки спеки:
 - #143, справочник регионов — вошла в факультатив «Тонкий анализ данных».
 - #145, склейка во времени — вошла в факультатив «Тонкий анализ данных».
 - #148, домашки ниже DM и вычитание — вошла в основную программу как ступени
  4–6. Форму для каждого потока уточнила инвентаризация #201: вычитание,
  «сначала сторож» или «собери рядом».
 - #149, инкрементальный `daily_traffic` — вошла в факультатив «Инженерия
  стенда» с пометкой «повышенная сложность».
 - #186, воронка подтверждений — вошла в факультатив «Почему выручка не
  сходится».
 - #187, бизнес-дубль — вошла в факультатив «Почему выручка не сходится».
 - #188, опоздавшие заказы — вошла в факультатив «Почему выручка не сходится».
 ## 8. Отклоненные варианты оси
 - **Чистое «снизу вверх»: STG → ODS → DDS → DM.** Оно начинает программу с
  самого тяжелого по инфраструктуре участка. Внизу быстро кончается эталон
  обратной связи, а вычитание вслепую заставляет переписывать слой, которым
  менти еще не пользовался.
 - **Два прохода: сначала расследования снизу вверх, потом постройка сверху
  вниз.** Пролог из восьми расследований откладывает первый собственный
  результат. Вместо этого расследования разнесены по факультативам и
  открываются по мере прохождения основной программы.
 - **Сюжетами поперек слоев.** Такой порядок ломает принятое решение, по
  которому готовые задания открывают программу, и превращает путь в сетку
  зависимостей.
 ## 9. Границы спеки и что дальше
 Спека не переписывает существующие ТЗ в `docs/labs/` и общий README; точечный
 пересмотр относится к реализации.
 Реализация программы тоже находится за границей спеки. В нее входят новые ТЗ
 для ступеней 2–7 основной программы и факультативов, а также отражение порядка
 программы в `docs/labs/README.md`. Карту #182 приемка этой спеки закрыла;
 исполнение ведет отдельная карта — тикет #206 (решение тикета #203).
@@ -53,6 +53,7 @@
 """
 from dataclasses import dataclass
 from enum import IntEnum
 from typing import Any
 import numpy as np
@@ -160,6 +161,14 @@ class Purchases:
        return self.person_id.size
 class EventOutcome(IntEnum):
    """Что случилось с маячком purchase после создания заказа."""
    DELIVERED = 0
    LOST = 1
    DUPLICATED = 2
@dataclass(frozen=True, slots=True)
 class _Events:
    """Строки одного вида торговых событий, готовые встать в поток.
@@ -177,9 +186,18 @@ class _Events:
    basket: NDArray[np.int64]
-# Что торговая половина отдаёт дню: поток целиком — колонки, страницы и
+@dataclass(frozen=True, slots=True)
-# товары — и покупки дня вторым выходом.
+class Woven:
-Woven = tuple[dict[str, NDArray[Any]], NDArray[np.uint8], NDArray[np.int64], Purchases]
+    """Что торговая половина отдает дню после вплетения событий."""
    columns: dict[str, NDArray[Any]]
    page: NDArray[np.uint8]
    product: NDArray[np.int64]
    purchases: Purchases
    event_outcome: NDArray[np.int8]
    # Для каждой покупки: назначен ли её заказ планом.
    assigned_order: NDArray[np.bool_]
 # День без единой корзины: покупок в нём нет, а форма у рядов есть.
 _NO_PURCHASES = Purchases(
@@ -191,6 +209,8 @@ _NO_PURCHASES = Purchases(
    revenue=np.empty(0, dtype=np.int64),
    moment=np.empty(0, dtype="datetime64[s]"),
 )
 _NO_EVENT_OUTCOMES = np.empty(0, dtype=np.int8)
 _NO_ASSIGNED_ORDERS = np.empty(0, dtype=np.bool_)
 def weave(
@@ -200,6 +220,7 @@ def weave(
    page: NDArray[np.uint8],
    product: NDArray[np.int64],
    person: NDArray[np.uint64],
    assigned_order: NDArray[np.bool_],
 ) -> Woven:
    """Вплетает торговые события в поток и отдаёт поток и покупки дня.
@@ -207,14 +228,21 @@ def weave(
    события встают между ними, и поток пересобирается одним порядком. Второй
    выход — покупки дня: то же самое, чем они уехали в события.
-    `person` — человек за кукой каждой строки, выровненный по входящему
+    `person` и `assigned_order` выровнены по входящему потоку. Оба
-    потоку: личность приходит от плана состава, а не выводится из трекера
+    признака приходят из плана состава: личность дает заказу `user_id`,
-    (docs/architecture/orders/identity.md).
+    а назначение защищает мост склейки от потери purchase.
    """
    rng = day_stream(seed, day, Component.COMMERCE)
    baskets = _baskets(rng, page, product, columns["VisitID"])
    if not len(baskets):
-        return columns, page, product, _NO_PURCHASES
+        return Woven(
            columns=columns,
            page=page,
            product=product,
            purchases=_NO_PURCHASES,
            event_outcome=_NO_EVENT_OUTCOMES,
            assigned_order=_NO_ASSIGNED_ORDERS,
        )
    goods = catalog.catalog()
    draws = _draws(rng, baskets)
@@ -225,8 +253,20 @@ def weave(
        _order_events(columns, baskets, goods, draws, revenue, coupons),
    )
    columns, page, product, basket = _stream(rng, columns, page, product, events)
-    purchases = _purchases(columns, basket, baskets, draws, revenue, coupons, person)
+    purchases, assigned = _purchases(
-    return columns, page, product, purchases
+        columns, basket, baskets, draws, revenue, coupons, person, assigned_order
    )
    columns, page, product, event_outcome = _corrupt_events(
        seed, day, columns, page, product, purchases, assigned
    )
    return Woven(
        columns=columns,
        page=page,
        product=product,
        purchases=purchases,
        event_outcome=event_outcome,
        assigned_order=assigned,
    )
 def _draws(rng: np.random.Generator, baskets: _Baskets) -> _Draws:
@@ -653,7 +693,8 @@ def _purchases(
    revenue: NDArray[np.int64],
    coupons: NDArray[np.object_],
    person: NDArray[np.uint64],
-) -> Purchases:
+    assigned_order: NDArray[np.bool_],
 ) -> tuple[Purchases, NDArray[np.bool_]]:
    """Покупки дня — то же, чем они уехали в события, только структурой.
    Порядок здесь — порядок строк потока, он же порядок номеров заказа:
@@ -664,7 +705,7 @@ def _purchases(
    here = np.flatnonzero(rows["EventType"] == PURCHASE)
    mine = basket[here]
    bought = [baskets.positions_of(number, draws.kept) for number in mine.tolist()]
-    return Purchases(
+    purchases = Purchases(
        order_id=tuple(rows["purchaseID"][row][0] for row in here.tolist()),
        person_id=person[baskets.confirmation[mine]],
        product=tuple(baskets.product[group] for group in bought),
@@ -673,6 +714,118 @@ def _purchases(
        revenue=revenue[mine],
        moment=rows["UTCEventTime"][here],
    )
    return purchases, assigned_order[baskets.confirmation[mine]]
 def _corrupt_events(
    seed: int,
    day: int,
    rows: dict[str, NDArray[Any]],
    page: NDArray[np.uint8],
    product: NDArray[np.int64],
    purchases: Purchases,
    assigned: NDArray[np.bool_],
 ) -> tuple[
    dict[str, NDArray[Any]], NDArray[np.uint8], NDArray[np.int64], NDArray[np.int8]
 ]:
    """Теряет purchase или повторяет пару подтверждения.
    Заказы уже собраны, а номера покупок уже вписаны в строки. Поэтому
    порча меняет только событийную сторону. Все броски делаются на полную
    длину покупок дня, чтобы отбор одного класса не сдвигал другой.
    """
    count = len(purchases)
    if not count:
        return rows, page, product, _NO_EVENT_OUTCOMES
    rng = day_stream(seed, day, Component.BEACONS)
    lost = (rng.integers(0, 100, count) < world.LOST_PURCHASE_PERCENT) & ~assigned
    duplicate_draw = rng.integers(0, 100, count) < world.DUPLICATE_PURCHASE_PERCENT
    delay = rng.integers(*world.DUPLICATE_DELAY_SECONDS, count)
    watch = ids.unique_apart_from(rng, 2 * count, rows["WatchID"]).reshape(count, 2)
    purchase_rows = np.flatnonzero(rows["EventType"] == PURCHASE)
    confirmation_rows = _confirmation_rows(rows, page, purchase_rows)
    eligible = _duplicate_eligibility(rows, purchase_rows, delay)
    duplicated = ~lost & duplicate_draw & eligible
    outcome = np.full(count, EventOutcome.DELIVERED, dtype=np.int8)
    outcome[lost] = EventOutcome.LOST
    outcome[duplicated] = EventOutcome.DUPLICATED
    keep = np.ones(page.size, dtype=bool)
    keep[purchase_rows[lost]] = False
    sources = np.column_stack(
        (confirmation_rows[duplicated], purchase_rows[duplicated])
    )
    selected = np.flatnonzero(duplicated)
    if selected.size:
        copies = sources.ravel()
        shifted = np.repeat(delay[selected], 2).astype("timedelta64[s]")
        additions = {name: values[copies] for name, values in rows.items()}
        additions["UTCEventTime"] = additions["UTCEventTime"] + shifted
        additions["WatchID"] = watch[selected].ravel()
        # Первая строка пары — обновление confirmation: ее предыдущая
        # страница — она же, а не checkout из первого просмотра.
        additions["Referer"] = additions["URL"].copy()
        rows = {
            name: np.concatenate((values[keep], additions[name]))
            for name, values in rows.items()
        }
        page = np.concatenate((page[keep], page[copies]))
        product = np.concatenate((product[keep], product[copies]))
    else:
        rows = {name: values[keep] for name, values in rows.items()}
        page = page[keep]
        product = product[keep]
    order = np.lexsort((rows["WatchID"], rows["UTCEventTime"]))
    return (
        {name: values[order] for name, values in rows.items()},
        page[order],
        product[order],
        outcome,
    )
 def _confirmation_rows(
    rows: dict[str, NDArray[Any]],
    page: NDArray[np.uint8],
    purchase_rows: NDArray[np.int64],
 ) -> NDArray[np.int64]:
    """Находит просмотр, с которым purchase образует пару."""
    confirmation = (rows["EventType"] == "pageview") & (page == Page.CONFIRMATION)
    by_visit = {
        int(rows["VisitID"][row]): row for row in np.flatnonzero(confirmation).tolist()
    }
    return np.array(
        [by_visit[int(rows["VisitID"][row])] for row in purchase_rows.tolist()],
        dtype=np.int64,
    )
 def _duplicate_eligibility(
    rows: dict[str, NDArray[Any]],
    purchase_rows: NDArray[np.int64],
    delay: NDArray[np.int64],
 ) -> NDArray[np.bool_]:
    """Проверяет полночь и запас до следующего визита куки."""
    moment = rows["UTCEventTime"][purchase_rows]
    shifted = moment + delay.astype("timedelta64[s]")
    before_midnight = shifted < _midnight(rows) + np.timedelta64(1, "D")
    eligible = before_midnight.copy()
    for number, row in enumerate(purchase_rows.tolist()):
        later_visit = (
            (rows["ClientID"] == rows["ClientID"][row])
            & (rows["VisitID"] != rows["VisitID"][row])
            & (rows["UTCEventTime"] > moment[number])
        )
        if np.any(later_visit):
            next_start = rows["UTCEventTime"][later_visit].min()
            eligible[number] &= next_start - moment[number] > np.timedelta64(
                world.VISIT_TIMEOUT_SECONDS + int(delay[number]), "s"
            )
    return eligible
 def _midnight(columns: dict[str, NDArray[Any]]) -> np.datetime64:
@@ -100,6 +100,8 @@ class Day:
    page: NDArray[np.uint8]
    product: NDArray[np.int64]
    orders: orders.Orders
    # Событийный исход каждого заказа, в том же порядке.
    purchase_outcome: NDArray[np.int8]
    def __len__(self) -> int:
        return self.page.size
@@ -162,20 +164,23 @@ def stream(seed: int, day: int) -> Day:
    # целиком: в нём же они и упорядочиваются. Вторым выходом приходят
    # покупки дня — из них заказная сторона собирает заказы.
    person = np.repeat(audience.person_id[visits.cookie], visits.pages)
-    columns, page, product, purchases = commerce.weave(
+    assigned_order = np.repeat(visits.ordering, visits.pages)
    woven = commerce.weave(
        seed,
        day,
        {name: value[order] for name, value in columns.items()},
        page[alive][order],
        product[alive][order],
        person[alive][order],
        assigned_order[alive][order],
    )
    return Day(
        day=day,
-        columns=columns,
+        columns=woven.columns,
-        page=page,
+        page=woven.page,
-        product=product,
+        product=woven.product,
-        orders=orders.of_day(seed, day, purchases),
+        orders=orders.of_day(seed, day, woven.purchases, woven.assigned_order),
        purchase_outcome=woven.event_outcome,
    )
@@ -8,8 +8,9 @@
 Дней в описи восемь: столько заливается в стенд при `make up`. Понедельник по
 понедельник — полная неделя с выходными и первый замкнутый цикл окна K = 7.
-Эталонный снимок в четырнадцать дней придёт на этапе 7 и станет продолжением
+Это и есть эталонный мир: обещание в четырнадцать дней снято на этапе 7 —
-этой же описи, а не вторым файлом.
+у хвоста не нашлось читателя. Понадобится длиннее — опись продолжит этот
 же файл, а не заведет второй.
 **Сторожат мир хеши, а не паспорт.** Паспорт отвечает на другой вопрос — «чем
 это сделано»: зерно и версия генератора. Поменяй кто-нибудь код так, что мир
@@ -119,17 +120,38 @@ def _snapshot(number: int, orders: list[orders_module.Orders]) -> dict[str, Any]
 def _order_class_counts(today: day_module.Day) -> dict[str, int]:
-    """Заказы дня по итоговому классу: отмена перевешивает дельту суммы."""
+    """Заказы дня по итоговому классу по приоритету спеки."""
    purchase = today.columns["EventType"] == commerce.PURCHASE
-    declared = today.columns["purchaseRevenue"][purchase]
+    declared = {
-    counts = {"match": 0, "cancelled": 0, "amount_delta": 0}
+        purchase_id[0]: round(revenue[0] * commerce.KOPECKS)
        for purchase_id, revenue in zip(
            today.columns["purchaseID"][purchase],
            today.columns["purchaseRevenue"][purchase],
            strict=True,
        )
    }
    counts = {
        "match": 0,
        "cancelled": 0,
        "lost_event": 0,
        "duplicate_event": 0,
        "amount_delta": 0,
    }
-    for outcome, items_total, revenue in zip(
+    for order_id, order_outcome, event_outcome, items_total in zip(
-        today.orders.outcome, today.orders.items_total, declared, strict=True
+        today.orders.order_id,
        today.orders.outcome,
        today.purchase_outcome,
        today.orders.items_total,
        strict=True,
    ):
-        if outcome != orders_module.OrderOutcome.PAID:
+        if order_outcome != orders_module.OrderOutcome.PAID:
            counts["cancelled"] += 1
-        elif items_total != round(revenue[0] * commerce.KOPECKS):
+        elif event_outcome == commerce.EventOutcome.LOST:
            counts["lost_event"] += 1
        elif event_outcome == commerce.EventOutcome.DUPLICATED:
            counts["duplicate_event"] += 1
        elif items_total != declared[order_id]:
            counts["amount_delta"] += 1
        else:
            counts["match"] += 1
@@ -24,11 +24,13 @@
 одной доли перебрасывала бы весь подпоток после себя
 (docs/architecture/orders/fate.md).
-**Судьба заказа — исход и его моменты**: из окна изменяемости заказ выходит
+**Судьба заказа — исход, его моменты и задержка выгрузки**. Из окна
-оплаченным или отменённым, а когда именно это случилось, сказано смещением в
+изменяемости заказ выходит оплаченным или отменённым, а когда именно это
-секундах от рождения заказа. Момента, которого у исхода нет, нет и в данных:
+случилось, сказано смещением в секундах от рождения заказа. Момента, которого
-его место занимает −1, а не ноль, — иначе «оплатили в секунду рождения» было
+у исхода нет, нет и в данных: его место занимает −1, а не ноль, — иначе
-бы не отличить от «не оплатили вовсе».
+«оплатили в секунду рождения» было бы не отличить от «не оплатили вовсе».
 Задержка говорит, сколько ранних слепков заказ пропустит; назначенный планом
 приезжает сразу.
 **Состояние на границе суток** — чтение готовой судьбы, а не накопление:
 слепок дня D учитывает моменты не позже границы D|D+1 и по ним называет
@@ -62,6 +64,7 @@ _DELIVERY_CUMULATIVE = np.cumsum(
 )
 _OUTCOME_CUMULATIVE = np.cumsum(world.ORDER_OUTCOME_WEIGHTS)
 _MOMENT_HOUR_CUMULATIVE = np.cumsum(world.ORDER_MOMENT_HOUR_WEIGHTS)
 _SNAPSHOT_DELAY_CUMULATIVE = np.cumsum(world.ORDER_SNAPSHOT_DELAY_WEIGHTS)
 class OrderOutcome(IntEnum):
@@ -103,12 +106,18 @@ class Orders:
    outcome: NDArray[np.int64]
    paid_after: NDArray[np.int64]
    cancelled_after: NDArray[np.int64]
    snapshot_delay: NDArray[np.int64]
    def __len__(self) -> int:
        return self.user_id.size
-def of_day(seed: int, day: int, purchases: Purchases) -> Orders:
+def of_day(
    seed: int,
    day: int,
    purchases: Purchases,
    assigned_order: NDArray[np.bool_],
 ) -> Orders:
    """Заказы дня `day`: его покупки, к которым бэкенд добавил свои деньги."""
    rng = day_stream(seed, day, Component.ORDERS)
    delivery = _delivery(rng, len(purchases))
@@ -116,6 +125,7 @@ def of_day(seed: int, day: int, purchases: Purchases) -> Orders:
    product, quantity, items_total = _delta(rng, purchases)
    created_at = _created_at(rng, purchases)
    discount = _discount(purchases, items_total)
    snapshot_delay = _snapshot_delay(rng, assigned_order)
    return Orders(
        day=day,
        order_id=purchases.order_id,
@@ -130,6 +140,7 @@ def of_day(seed: int, day: int, purchases: Purchases) -> Orders:
        outcome=outcome,
        paid_after=paid_after,
        cancelled_after=cancelled_after,
        snapshot_delay=snapshot_delay,
    )
@@ -166,6 +177,11 @@ def at_boundary(rows: Orders, day: int) -> tuple[list[str], NDArray[np.datetime6
    return status.tolist(), updated
 def arrived(rows: Orders, day: int) -> NDArray[np.bool_]:
    """Какие заказы уже попали в выгрузку к слепку дня `day`."""
    return rows.day + rows.snapshot_delay <= day
 def _boundary(day: int) -> np.datetime64:
    """Граница суток `day`|`day+1` абсолютной меткой: полночь пояса счётчика.
@@ -218,6 +234,15 @@ def _created_at(
    )
 def _snapshot_delay(
    rng: np.random.Generator,
    assigned_order: NDArray[np.bool_],
 ) -> NDArray[np.int64]:
    """Сколько ранних слепков пропустит заказ; назначенный приезжает сразу."""
    delay = pick(rng, _SNAPSHOT_DELAY_CUMULATIVE, assigned_order.size)
    return np.where(assigned_order, 0, delay)
 def _moment(rng: np.random.Generator, orders: int) -> NDArray[np.int64]:
    """Момент внутри окна: час по таблице весов и равномерная секунда в нём.
@@ -7,7 +7,7 @@
    │   ├── ось          → номер дня: когорта этого дня
    │   └── предыстория  → глубина: когорта дня до D0
    └── дни
-        └── номер дня    → трафик, торговля, заказная сторона, опоздания
+        └── номер дня    → трафик, торговля, заказы, маячки счетчика
 Механизм — `numpy.random.SeedSequence`: потомок полностью определяется парой
 (зерно, позиция в дереве), а не порядком вычислений. Сверено через Context7
@@ -40,10 +40,8 @@ class Component(IntEnum):
    # каждого заказа читает из его собственного дня
    # (docs/architecture/orders/fate.md).
    ORDERS = 2
-    # Событийную сторону — потерю и дубль события — заведёт этап 6; до тех
+    # Маячки счетчика: потеря и повторная отправка событий.
-    # пор позиция занята мёртвым именем прежней нарезки, и из него никто не
+    BEACONS = 3
    # бросает.
    LATECOMERS = 3
 class _Branch(IntEnum):
@@ -45,7 +45,7 @@ from numpy.typing import NDArray
 from clickstream_generator import catalog, schema, world
 from clickstream_generator.day import Day
-from clickstream_generator.orders import Orders, at_boundary
+from clickstream_generator.orders import Orders, arrived, at_boundary
 _ARRAY_PREFIX = "Array("
@@ -72,9 +72,10 @@ def events(day: Day, limit: int | None = None) -> list[bytes]:
 def orders(window: Sequence[Orders], day: int) -> list[bytes]:
    """Канонические байты слепка дня `day`: по документу JSON на заказ.
-    `window` — заказы дней окна, от раннего дня к позднему: слепок несёт их
+    `window` — заказы дней окна, от раннего дня к позднему. Уже приехавшие
-    подряд, и порядок строк выходит порядком рождения заказов, он же
+    заказы слепок несёт подряд, поэтому порядок строк остаётся порядком
-    возрастание `order_id`. Какие это дни, решает `orders.window`.
+    рождения, он же возрастание `order_id`. Какие это дни, решает
    `orders.window`.
    Деньги уезжают строками с ровно двумя знаками, а не числами: у заказа они
    станут `Decimal`, и дробь двоичного числа была бы потерей точности до
@@ -97,7 +98,8 @@ def orders(window: Sequence[Orders], day: int) -> list[bytes]:
        delivery = rows.delivery.tolist()
        total = rows.total.tolist()
-        for number, order_id in enumerate(rows.order_id):
+        for number in np.flatnonzero(arrived(rows, day)).tolist():
            order_id = rows.order_id[number]
            payloads.append(
                orjson.dumps(
                    {
@@ -169,6 +169,16 @@ BUYER_CHECKOUT_OF_CART_PERCENT = 60
 # страницу, на которой посетитель его нажал.
 TRADE_DELAY_SECONDS = (2, 8)
 # Событийная сторона сверки: потерянные маячки purchase и повторная
 # отправка пары «просмотр подтверждения + purchase». Замер (28 дней,
 # канонический мир, 2026-08-30): дубль 1,89% — в пределах ориентира ~2%;
 # потеря 1,78% при броске 3% — так и задумано: назначенные планом покупки
 # из броска исключены (мост склейки), часть съедает приоритет отмены;
 # наблюдаемая доля принята решением владельца (#194).
 LOST_PURCHASE_PERCENT = 3
 DUPLICATE_PURCHASE_PERCENT = 2
 DUPLICATE_DELAY_SECONDS = (30, 301)
 # Кто и что кладёт в корзину: доля открытых карточек, которая до неё дошла.
 # Оба ряда читаются по уровням спроса товара (`catalog.DEMAND_LEVELS`):
 # магнит, обычный, залёживается.
@@ -238,8 +248,8 @@ GOAL_PURCHASE_ID = 42150002
 # обычная курьерская, срочная. Это единственные деньги заказа, которых нет
 # ни в одном событии: выручка клиента — сумма позиций, скидку по промокоду
 # считает бэкенд по таблице `COUPONS`, а доставку решает свой бросок
-# заказной стороны. Числа черновые: калибровка — пересборка эталонного
+# заказной стороны. Замер (28 дней, канонический мир, 2026-08-30): 35,5% /
-# мира, этап 7.
+# 49,2% / 15,4% — совпадает с весами.
 DELIVERY_KOPECKS_WEIGHTS = (
    (0, 35),
    (29_900, 50),
@@ -248,12 +258,13 @@ DELIVERY_KOPECKS_WEIGHTS = (
 # Чем кончается окно изменяемости заказа: веса трёх исходов, в порядке
 # `orders.OrderOutcome`. «Создан» навсегда мир не допускает — из окна заказ
-# выходит либо оплаченным, либо отменённым. Доли черновые: калибровка —
+# выходит либо оплаченным, либо отменённым. Замер (28 дней, 2026-08-30):
-# пересборка эталонного мира, этап 7.
+# отменено 5,15% заказов — 3,03% оплачен-потом-отменен, 2,12% отменен
 # неоплаченным; ориентир мастер-спеки ~5%.
 ORDER_OUTCOME_WEIGHTS = (
    95,  # оплачен
    3,  # оплачен, потом отменён
-    2,  # отменён неоплаченным
+    2,  # отменен неоплаченным
 )
 # Когда внутри окна случается момент заказа — оплата или отмена: веса часов
@@ -261,8 +272,8 @@ ORDER_OUTCOME_WEIGHTS = (
 # с каким весом»; часов в сумме ровно 144 — самый узкий край окна, у заказа,
 # рождённого в конце суток (docs/architecture/orders/fate.md). Почти всё в
 # первые сутки, дальше затухание до края:
-# профиль гаснет, поэтому обрыв окна в данных не виден. Веса черновые, как и
+# профиль гаснет, поэтому обрыв окна в данных не виден. Веса зафиксированы
-# доли исходов.
+# вместе с долями исходов — тем же замером выше.
 ORDER_MOMENT_HOUR_WEIGHTS = tuple(
    weight
    for hours, weight in ((6, 100), (18, 60), (24, 25), (48, 8), (48, 2))
@@ -273,6 +284,12 @@ ORDER_MOMENT_HOUR_WEIGHTS = tuple(
 # наличии, и заказ приезжает на строку короче клиентской корзины. Бросается
 # доля на все заказы дня, а достаётся дельта не всем — однопозиционному заказу
 # терять нечего, и таких больше половины, — поэтому в сверке наблюдаемая доля
-# выходит вдвое-втрое ниже броска, около ориентира мастер-спеки в 1–2%. Число
+# выходит вдвое-втрое ниже броска, около ориентира мастер-спеки в 1–2%. Замер
-# черновое: калибровка — пересборка эталонного мира, этап 7.
+# (28 дней, 2026-08-30): наблюдаемая доля 1,32% — в пределах ориентира.
 ORDER_DELTA_PERCENT = 4
 # На сколько первых дневных слепков заказ опоздает: веса δ = 0, 1, 2.
 # Назначенные планом заказы после броска получают 0, чтобы мост склейки
 # появился в стартовом мире. Замер (28 дней, 2026-08-30): доля опоздавших
 # (δ>0) 8,39% — в пределах ориентира мастер-спеки ~10%.
 ORDER_SNAPSHOT_DELAY_WEIGHTS = (90, 5, 5)
@@ -21,7 +21,7 @@ from clickstream_generator.seeds import CANONICAL_SEED, Component
 WEEKDAY = 2
 WEEK = 7
-# Окно эталонного снимка: доли по уровням спроса меряются на нём целиком —
+# Окно замера — две недели: доли по уровням спроса меряются на нем целиком —
 # на одном дне у самого редкого уровня набирается слишком мало карточек.
 FORTNIGHT = 14
@@ -133,15 +133,15 @@ def opened_cards(events: day.Day) -> set[tuple[int, int]]:
    )
-def test_a_confirmation_in_the_stream_always_has_its_purchase(weekday: day.Day):
+def test_only_a_lost_purchase_leaves_a_confirmation_without_purchase(
-    """Клиентская сторона честная: подтверждение без покупки — это потеря.
+    weekday: day.Day,
-
+):
-    Потери и дубли стенд заводит намеренно и позже (этапы 4 и 6); здесь их
+    """Потеря выбрасывает purchase, но оставляет просмотр confirmation."""
    быть не должно ни одной. Обратное тоже верно: покупка без подтверждения
    в потоке — заказ ниоткуда.
    """
    bought = set(rows_of(weekday, commerce.PURCHASE)["VisitID"].tolist())
-    assert confirmed_visits(weekday) == bought
+    missing = confirmed_visits(weekday) - bought
    lost = int((weekday.purchase_outcome == commerce.EventOutcome.LOST).sum())
    assert len(missing) == lost > 0
    assert bought <= confirmed_visits(weekday)
 def test_the_day_boundary_takes_the_confirmation_together_with_its_purchase(
@@ -159,7 +159,10 @@ def test_the_day_boundary_takes_the_confirmation_together_with_its_purchase(
    events = day.stream(CANONICAL_SEED, WEEKDAY)
    bought = set(rows_of(events, commerce.PURCHASE)["VisitID"].tolist())
    assert bought
-    assert confirmed_visits(events) == bought
+    missing = confirmed_visits(events) - bought
    lost = int((events.purchase_outcome == commerce.EventOutcome.LOST).sum())
    assert len(missing) == lost
    assert bought <= confirmed_visits(events)
 def test_a_purchase_carries_exactly_one_order_number(weekday: day.Day):
@@ -525,13 +528,15 @@ def test_the_goals_repeat_the_trade_events(weekday: day.Day):
 def test_the_order_number_reads_as_the_day_and_the_count(weekday: day.Day):
    """Номер — день и порядковый номер покупки в нём; он же `order_id` бэкенда."""
-    orders = rows_of(weekday, commerce.PURCHASE)
+    events = rows_of(weekday, commerce.PURCHASE)
-    numbers = [cell[0] for cell in orders["purchaseID"]]
+    numbers = [cell[0] for cell in events["purchaseID"]]
    date = str(weekday.columns["EventDate"][0]).replace("-", "")
-    assert numbers == [f"{date}-{place:04d}" for place in range(1, len(numbers) + 1)]
+    expected = [f"{date}-{place:04d}" for place in range(1, len(weekday.orders) + 1)]
-    assert len(set(numbers)) == len(numbers)
+    # Порча идет после нумерации: потеря оставляет дыру, а дубль
-    # Нумерация идёт в порядке событий: строки дня уже упорядочены по времени.
+    # повторяет готовый номер и не двигает соседей.
-    assert list(orders["UTCEventTime"]) == sorted(orders["UTCEventTime"])
+    assert list(weekday.orders.order_id) == expected
    assert set(numbers) <= set(expected)
    assert list(events["UTCEventTime"]) == sorted(events["UTCEventTime"])
 def test_the_coupon_comes_from_the_world_table_and_does_not_touch_the_revenue(
@@ -599,7 +604,23 @@ def test_the_trade_flow_draws_from_its_own_named_branch(
    monkeypatch.setattr(commerce, "day_stream", spy)
    day.stream(CANONICAL_SEED, WEEKDAY)
-    assert asked == [(CANONICAL_SEED, WEEKDAY, Component.COMMERCE)]
+    assert asked == [
        (CANONICAL_SEED, WEEKDAY, Component.COMMERCE),
        (CANONICAL_SEED, WEEKDAY, Component.BEACONS),
    ]
 def test_an_assigned_purchase_is_never_lost(monkeypatch: pytest.MonkeyPatch):
    """Гарантия плана сильнее порчи: мост склейки не теряется."""
    monkeypatch.setattr(world, "LOST_PURCHASE_PERCENT", 100)
    monkeypatch.setattr(world, "DUPLICATE_PURCHASE_PERCENT", 0)
    events = day.stream(CANONICAL_SEED, WEEKDAY)
    audience = plan.audience(CANONICAL_SEED, WEEKDAY)
    promised = set(audience.client_id[audience.assigned_order].tolist())
    bought = set(rows_of(events, commerce.PURCHASE)["ClientID"].tolist())
    assert promised
    assert bought == promised
 def test_the_promised_orders_of_a_pair_become_purchases(week: list[day.Day]):
@@ -627,6 +648,78 @@ def test_the_promised_orders_of_a_pair_become_purchases(week: list[day.Day]):
    assert pairs == plan.counters(CANONICAL_SEED, WEEK).pairs
 def test_a_duplicate_repeats_the_confirmation_story(weekday: day.Day):
    """Обновление повторяет просмотр и purchase в том же визите."""
    purchases = rows_of(weekday, commerce.PURCHASE)
    ids_by_order: dict[str, list[int]] = {}
    for row, cell in enumerate(purchases["purchaseID"]):
        ids_by_order.setdefault(str(cell[0]), []).append(row)
    duplicated = [rows for rows in ids_by_order.values() if len(rows) == 2]
    expected = int((weekday.purchase_outcome == commerce.EventOutcome.DUPLICATED).sum())
    assert len(duplicated) == expected > 0
    for pair in duplicated:
        first, second = sorted(pair, key=lambda row: purchases["UTCEventTime"][row])
        delay = (
            (purchases["UTCEventTime"][second] - purchases["UTCEventTime"][first])
            .astype("timedelta64[s]")
            .astype(int)
        )
        assert world.DUPLICATE_DELAY_SECONDS[0] <= delay
        assert delay < world.DUPLICATE_DELAY_SECONDS[1]
        assert delay < world.VISIT_TIMEOUT_SECONDS
        assert purchases["VisitID"][first] == purchases["VisitID"][second]
        assert purchases["WatchID"][first] != purchases["WatchID"][second]
        for name in (
            "purchaseID",
            "purchaseRevenue",
            "productID",
            "productQuantity",
            "ecommerce",
        ):
            left, right = purchases[name][first], purchases[name][second]
            if isinstance(left, np.ndarray):
                assert np.array_equal(left, right), name
            else:
                assert left == right, name
        visit = purchases["VisitID"][first]
        confirmation = (
            (weekday.columns["EventType"] == "pageview")
            & (weekday.page == Page.CONFIRMATION)
            & (weekday.columns["VisitID"] == visit)
        )
        views = np.flatnonzero(confirmation)
        assert views.size == 2
        assert len(set(weekday.columns["WatchID"][views].tolist())) == 2
        view_delay = (
            (
                weekday.columns["UTCEventTime"][views].max()
                - weekday.columns["UTCEventTime"][views].min()
            )
            .astype("timedelta64[s]")
            .astype(int)
        )
        assert view_delay == delay
        cookie = purchases["ClientID"][first]
        later_visit = (
            (weekday.columns["ClientID"] == cookie)
            & (weekday.columns["VisitID"] != visit)
            & (weekday.columns["UTCEventTime"] > purchases["UTCEventTime"][second])
        )
        if np.any(later_visit):
            gap = (
                (
                    weekday.columns["UTCEventTime"][later_visit].min()
                    - purchases["UTCEventTime"][second]
                )
                .astype("timedelta64[s]")
                .astype(int)
            )
            assert gap > world.VISIT_TIMEOUT_SECONDS
 def paired_cookies() -> set[int]:
    """Куки двухкуковых пар: их заказы обещаны планом, а не решены днём."""
    cookies: set[int] = set()
@@ -642,21 +735,26 @@ def test_flagged_buyers_buy_again_much_more_often(week: list[day.Day]):
    «Постоянный покупатель» читается только так — как кука, которая ходит
    неделями и покупает не раз: метки в событии нет и не будет.
-    Куки двухкуковых пар из счёта исключены: их заказы назначил план, и
+    Куки двухкуковых пар из счета исключены: их заказы назначил план, и
-    вместе с ними лифт мерил бы гарантию, а не два новых рычага. Остаются
+    вместе с ними лифт мерил бы гарантию, а не два новых рычага. Даже после
-    те помеченные, чьи покупки решил день: повторно покупают 4,6% из них
+    событийной порчи оставшиеся помеченные покупают повторно более чем вдвое
-    против 1,5% прочих — втрое чаще при пороге «вдвое».
+    чаще прочих.
    """
-    purchases: dict[int, int] = {}
+    purchases: dict[int, set[str]] = {}
    flagged: set[int] = set()
    for number, events in enumerate(week):
        audience = plan.audience(CANONICAL_SEED, number)
        flagged |= set(audience.client_id[audience.buyer].tolist())
-        for cookie in rows_of(events, commerce.PURCHASE)["ClientID"].tolist():
+        rows = rows_of(events, commerce.PURCHASE)
-            purchases[cookie] = purchases.get(cookie, 0) + 1
+        for cookie, order_id in zip(
            rows["ClientID"].tolist(),
            (str(cell[0]) for cell in rows["purchaseID"]),
            strict=True,
        ):
            purchases.setdefault(cookie, set()).add(order_id)
    def repeat_share(cookies: set[int]) -> float:
-        again = sum(1 for cookie in cookies if purchases[cookie] > 1)
+        again = sum(1 for cookie in cookies if len(purchases[cookie]) > 1)
        return again / len(cookies)
    buyers = set(purchases)
@@ -68,6 +68,7 @@ def orders(events: day.Day) -> list[list[Any]]:
            int(theirs.outcome[number]),
            int(theirs.paid_after[number]),
            int(theirs.cancelled_after[number]),
            int(theirs.snapshot_delay[number]),
        ]
        for number in range(len(theirs))
    ]
@@ -88,6 +89,7 @@ def snapshot(events: day.Day) -> dict[str, Any]:
        "page": events.page.tolist(),
        "product": events.product.tolist(),
        "orders": orders(events),
        "purchase_outcome": events.purchase_outcome.tolist(),
    }
@@ -115,6 +117,7 @@ def test_the_snapshot_notices_everything_the_day_hands_out(weekday: day.Day):
        page=weekday.page,
        product=weekday.product,
        orders=weekday.orders,
        purchase_outcome=weekday.purchase_outcome,
    )
    assert snapshot(reordered) != original
@@ -27,6 +27,9 @@ INVENTORY_PATH = Path(__file__).resolve().parents[2] / "data" / "world-inventory
 # отправляемых; этот дешевле прочих — его окно короче.
 RUN_DAY = 2
 # День любой: хеш дня не зависит ни от соседей, ни от края описи.
 REPLAY_DAY = 4
@pytest.fixture(scope="module")
 def inventory() -> dict:
@@ -48,7 +51,15 @@ def test_order_class_counters_cover_only_closed_days(inventory: dict):
    rows = [row for row in inventory["days"] if "orders" in row]
    assert [row["day"] for row in rows] == [0]
-    assert set(rows[0]["orders"]) == {"match", "cancelled", "amount_delta"}
+    assert set(rows[0]["orders"]) == {
        "match",
        "cancelled",
        "lost_event",
        "duplicate_event",
        "amount_delta",
    }
    assert rows[0]["orders"]["lost_event"] > 0
    assert rows[0]["orders"]["duplicate_event"] > 0
    today = day_module.stream(CANONICAL_SEED, rows[0]["day"])
    assert sum(rows[0]["orders"].values()) == len(today.orders)
@@ -72,3 +83,17 @@ def test_the_inventory_holds_the_hash_of_every_sent_snapshot(inventory: dict, tm
    row = next(row for row in inventory["snapshots"] if row["day"] == RUN_DAY - 1)
    assert row["sha256"] == sent
 def test_a_replayed_day_matches_its_inventory_hash(tmp_path):
    """Опись сверяется с байтами, вышедшими из CLI, а не с собранной тут же:
    пересчет сравнивался бы сам с собой.
    """
    stored = json.loads(INVENTORY_PATH.read_text(encoding="utf-8"))
    path = tmp_path / "day.jsonl"
    assert cli.main(["batch", "--day", str(REPLAY_DAY), "--file", str(path)]) == 0
    sent = hashlib.sha256(path.read_bytes()).hexdigest()
    row = next(row for row in stored["days"] if row["day"] == REPLAY_DAY)
    assert row["sha256"] == sent
@@ -58,17 +58,52 @@ def user_id_by_order(events: day.Day) -> dict[str, int]:
    )
-def test_every_order_of_the_day_is_a_purchase_of_the_day(weekday: day.Day):
+def purchase_row_by_order(
-    """Заказ — вторая проекция покупки, а не второе порождение.
+    events: day.Day,
 ) -> tuple[dict[str, NDArray[Any]], dict[str, int]]:
    """Первая строка purchase каждого доехавшего заказа."""
    rows = purchases_of(events)
    index: dict[str, int] = {}
    for row, cell in enumerate(rows["purchaseID"]):
        index.setdefault(str(cell[0]), row)
    return rows, index
-    У всякого заказа ровно одно событие `purchase`, и номер у них один:
+
-    сойтись двум источникам больше негде — сверка стенда соединяется
+def test_every_order_of_the_day_is_a_purchase_of_the_day(weekday: day.Day):
-    именно по нему.
+    """Заказ рождается до потери или дубля его событийной проекции."""
    """
    events = purchases_of(weekday)
    numbers = [cell[0] for cell in events["purchaseID"]]
    assert len(numbers) > 100
-    assert list(weekday.orders.order_id) == numbers
+    lost = {
        order_id
        for order_id, outcome in zip(
            weekday.orders.order_id, weekday.purchase_outcome, strict=True
        )
        if outcome == commerce.EventOutcome.LOST
    }
    assert set(numbers) == set(weekday.orders.order_id) - lost
    assert len(numbers) - len(set(numbers)) == int(
        (weekday.purchase_outcome == commerce.EventOutcome.DUPLICATED).sum()
    )
 def test_an_assigned_order_never_waits_for_a_later_snapshot(
    monkeypatch: pytest.MonkeyPatch,
 ):
    """Гарантия плана сильнее опоздания: мост склейки приезжает сразу."""
    # Все неназначенные заказы опаздывают на два дня. Нулевую задержку после
    # такого броска могут получить только заказы, защищённые планом.
    monkeypatch.setattr(
        orders, "_SNAPSHOT_DELAY_CUMULATIVE", np.array([0, 0, 1], dtype=np.int64)
    )
    events = day.stream(CANONICAL_SEED, WEEKDAY)
    audience = plan.audience(CANONICAL_SEED, WEEKDAY)
    promised = set(audience.person_id[audience.assigned_order].tolist())
    immediate = set(events.orders.user_id[events.orders.snapshot_delay == 0].tolist())
    assert promised
    assert immediate == promised
    assert (events.orders.snapshot_delay == 2).any()
 def dropped_line(client: list[tuple[Any, int]], order: list[tuple[Any, int]]):
@@ -88,16 +123,18 @@ def test_the_order_repeats_the_purchase_up_to_one_dropped_line(weekday: day.Day)
    """
    goods = catalog.catalog()
    price = dict(zip(goods.sku.tolist(), goods.price.tolist(), strict=True))
-    events = purchases_of(weekday)
+    events, row_by_order = purchase_row_by_order(weekday)
    money = weekday.orders
    deltas = 0
    for number, order in enumerate(weekday.orders.order_id):
-        assert order == events["purchaseID"][number][0]
+        if weekday.purchase_outcome[number] == commerce.EventOutcome.LOST:
            continue
        row = row_by_order[order]
        client = list(
            zip(
-                events["productID"][number].tolist(),
+                events["productID"][row].tolist(),
-                events["productQuantity"][number].tolist(),
+                events["productQuantity"][row].tolist(),
                strict=True,
            )
        )
@@ -110,7 +147,7 @@ def test_the_order_repeats_the_purchase_up_to_one_dropped_line(weekday: day.Day)
        )
        # Выручка клиента и `items_total` бэкенда — одно число: в событии
        # оно дробное, у заказа целое в копейках.
-        revenue = round(events["purchaseRevenue"][number][0] * commerce.KOPECKS)
+        revenue = round(events["purchaseRevenue"][row][0] * commerce.KOPECKS)
        if mine == client:
            assert money.items_total[number] == revenue
            continue
@@ -136,15 +173,18 @@ def test_the_discount_comes_from_the_coupon_of_the_event(
    for today in start_world:
        money = today.orders
-        events = purchases_of(today)
+        events, row_by_order = purchase_row_by_order(today)
-        codes = [cell[0] for cell in events["purchaseCoupon"]]
+        for number, order_id in enumerate(money.order_id):
-        for number, code in enumerate(codes):
+            if today.purchase_outcome[number] == commerce.EventOutcome.LOST:
                continue
            row = row_by_order[order_id]
            code = events["purchaseCoupon"][row][0]
            items_total = money.items_total[number]
            expected = items_total * percent[code] // 100 if code else 0
            assert money.discount[number] == expected, money.order_id[number]
            assert money.discount[number] < items_total
-            revenue = round(events["purchaseRevenue"][number][0] * commerce.KOPECKS)
+            revenue = round(events["purchaseRevenue"][row][0] * commerce.KOPECKS)
            discounted_delta += int(bool(code) and items_total != revenue)
    # Иначе проверка не отличила бы новую базу скидки от прежней.
@@ -255,8 +295,13 @@ def test_the_user_id_is_the_person_behind_the_cookie(weekday: day.Day):
        zip(audience.client_id.tolist(), audience.person_id.tolist(), strict=True)
    )
    events = purchases_of(weekday)
-    for number, cookie in enumerate(events["ClientID"].tolist()):
+    by_order = user_id_by_order(weekday)
-        assert weekday.orders.user_id[number] == person[cookie]
+    for order_id, cookie in zip(
        (cell[0] for cell in events["purchaseID"]),
        events["ClientID"].tolist(),
        strict=True,
    ):
        assert by_order[order_id] == person[cookie]
    assert np.all(weekday.orders.user_id > 0)
    assert weekday.orders.user_id.max() < 2**53
@@ -14,8 +14,8 @@ import pytest
 from clickstream_generator import plan, reference, world
 from clickstream_generator.seeds import CANONICAL_SEED
-# Горизонт эталонного снимка — две недели (спека, раздел 5).
+# Окно замера плана — две недели: два цикла недельной сезонности.
-SNAPSHOT_DAYS = 14
+WINDOW_DAYS = 14
@pytest.fixture(autouse=True)
@@ -54,9 +54,9 @@ def test_the_plan_is_a_pure_function_of_the_seed():
 def test_counters_are_a_pure_function_of_the_seed():
-    first = plan.counters(CANONICAL_SEED, SNAPSHOT_DAYS)
+    first = plan.counters(CANONICAL_SEED, WINDOW_DAYS)
    plan.cohort.cache_clear()
-    assert first == plan.counters(CANONICAL_SEED, SNAPSHOT_DAYS)
+    assert first == plan.counters(CANONICAL_SEED, WINDOW_DAYS)
 def test_a_remembered_cohort_cannot_be_spoiled_from_outside():
@@ -216,12 +216,12 @@ def test_the_passport_points_into_the_directories():
 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)
+    counters = plan.counters(CANONICAL_SEED, WINDOW_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)
+    counters = plan.counters(CANONICAL_SEED, WINDOW_DAYS)
    average = sum(counters.new_cookies) / len(counters.new_cookies)
    assert abs(average - world.DAILY_INFLUX) < world.DAILY_INFLUX // 10
@@ -232,7 +232,7 @@ def test_the_influx_breathes_with_the_week():
    def mean(numbers: tuple[int, ...] | list[int]) -> float:
        return sum(numbers) / len(numbers)
-    counters = plan.counters(CANONICAL_SEED, SNAPSHOT_DAYS)
+    counters = plan.counters(CANONICAL_SEED, WINDOW_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_PROFILE_PERCENT[5:]) / mean(
@@ -250,7 +250,7 @@ def test_the_influx_differs_even_on_the_same_weekday():
 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)
+    fortnight = plan.counters(CANONICAL_SEED, WINDOW_DAYS)
    assert week.visitors < fortnight.visitors
    assert fortnight.visitors > 2 * max(fortnight.audience)
@@ -258,21 +258,21 @@ def test_the_influx_is_visible_on_the_plan():
 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)
+    fortnight = plan.counters(CANONICAL_SEED, WINDOW_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)
+    counters = plan.counters(CANONICAL_SEED, WINDOW_DAYS)
-    for day in (0, 7, SNAPSHOT_DAYS - 1):
+    for day in (0, 7, WINDOW_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)
+    counters = plan.counters(CANONICAL_SEED, WINDOW_DAYS)
    assert counters.pairs > 0
@@ -78,7 +78,7 @@ def test_day_components_do_not_share_randomness():
        Component.TRAFFIC,
        Component.COMMERCE,
        Component.ORDERS,
-        Component.LATECOMERS,
+        Component.BEACONS,
    )
    assert len({int(component) for component in components}) == 4
    draws = {
@@ -128,7 +128,9 @@ def test_the_record_matches_the_wire_contract(days: list[day_module.Day]):
        )
        if _born(record) == _date(SHORT_WINDOW_DAY):
-            assert record["created_at"][:19] + "Z" == bought[record["order_id"]]
+            # Потерянного purchase в трекере нет, но заказ остается.
            if record["order_id"] in bought:
                assert record["created_at"][:19] + "Z" == bought[record["order_id"]]
 def test_negative_money_does_not_leave_the_source(days: list[day_module.Day]):
@@ -174,6 +176,63 @@ def test_the_rows_go_in_the_order_of_birth(days: list[day_module.Day]):
    assert len(set(numbers)) == len(numbers)
 def test_lateness_changes_only_the_rows_present_in_a_snapshot(
    days: list[day_module.Day],
 ):
    """Неопоздавшие строки остаются прежними байтами и в прежнем порядке."""
    number = SHORT_WINDOW_DAY
    window = [today.orders for today in days[: number + 1]]
    eager = serialize.orders(
        [
            replace(rows, snapshot_delay=np.zeros_like(rows.snapshot_delay))
            for rows in window
        ],
        number,
    )
    actual = serialize.orders(window, number)
    actual_ids = {json.loads(payload)["order_id"] for payload in actual}
    expected = [
        payload for payload in eager if json.loads(payload)["order_id"] in actual_ids
    ]
    assert len(actual) < len(eager)
    assert actual == expected
 def test_a_two_day_late_order_first_arrives_in_its_lived_state(
    days: list[day_module.Day],
 ):
    """Заказ δ = 2 пропускает D и D+1 и догоняет жизнь, не меняя `created_at`."""
    honest = days[0].orders
    target = 0
    delay = np.zeros_like(honest.snapshot_delay)
    delay[target] = 2
    cancelled_after = honest.cancelled_after.copy()
    cancelled_after[target] = 30 * 3600
    late = replace(
        honest,
        snapshot_delay=delay,
        cancelled_after=cancelled_after,
    )
    order_id = late.order_id[target]
    for number in (0, 1):
        assert order_id not in {
            json.loads(payload)["order_id"]
            for payload in serialize.orders([late], number)
        }
    arrived = {
        record["order_id"]: record
        for record in map(json.loads, serialize.orders([late], 2))
    }[order_id]
    created_at = np.datetime_as_string(
        late.created_at[target], unit="ms", timezone="UTC"
    )
    assert arrived["status"] == "cancelled"
    assert arrived["created_at"] == created_at
 def test_the_state_is_read_at_the_boundary_of_the_day(days: list[day_module.Day]):
    """Дыхание окна: оплаченный назавтра заказ в сегодняшнем слепке `created`.
@@ -325,7 +384,10 @@ def _purchase_times(today: day_module.Day) -> dict[str, str]:
    times = np.datetime_as_string(
        today.columns["UTCEventTime"][here], unit="s", timezone="UTC"
    )
-    return dict(zip(numbers, times.tolist(), strict=True))
+    result: dict[str, str] = {}
    for number, moment in zip(numbers, times.tolist(), strict=True):
        result.setdefault(number, moment)
    return result
 def _born(record: dict) -> date:
@@ -122,6 +122,11 @@ def test_the_trade_event_never_overtakes_the_next_page():
    assert max(world.TRADE_DELAY_SECONDS) <= min(world.PAGE_PAUSE_SECONDS)
 def test_the_duplicate_delay_stays_inside_a_visit_timeout():
    assert 0 < min(world.DUPLICATE_DELAY_SECONDS)
    assert max(world.DUPLICATE_DELAY_SECONDS) <= world.VISIT_TIMEOUT_SECONDS
 def conversion(cart: int, checkout_of_cart: int) -> float:
    """Конверсия визита в заказ, проценты: произведение трёх шагов воронки."""
    return cart * checkout_of_cart * world.CONFIRMATION_OF_CHECKOUT_PERCENT / 100**2
@@ -0,0 +1,31 @@
 slice_name: Сверка purchase и заказов
 description: null
 certified_by: null
 certification_details: null
 viz_type: pivot_table_v2
 params:
  viz_type: pivot_table_v2
  groupbyRows:
  - order_day
  groupbyColumns:
  - mismatch_class
  metrics:
  - order_count
  adhoc_filters:
  - expressionType: SIMPLE
    subject: order_day
    operator: TEMPORAL_RANGE
    comparator: No filter
    clause: WHERE
  aggregateFunction: Sum
  metricsLayout: COLUMNS
  rowOrder: key_a_to_z
  colOrder: key_a_to_z
  order_desc: true
  row_limit: 10000
  valueFormat: SMART_NUMBER
  date_format: smart_date
 cache_timeout: null
 uuid: 19600000-0000-4000-8000-000000000102
 version: 1.0.0
 dataset_uuid: 19600000-0000-4000-8000-000000000002
@@ -0,0 +1,30 @@
 slice_name: Выручка по дням и категориям
 description: null
 certified_by: null
 certification_details: null
 viz_type: echarts_timeseries_bar
 params:
  viz_type: echarts_timeseries_bar
  x_axis: report_date
  metrics:
  - revenue
  groupby:
  - product_category
  adhoc_filters:
  - expressionType: SIMPLE
    subject: report_date
    operator: TEMPORAL_RANGE
    comparator: No filter
    clause: WHERE
  row_limit: 10000
  stack: Stack
  orientation: vertical
  show_legend: true
  rich_tooltip: true
  show_value: false
  y_axis_format: ',.2f'
  x_axis_time_format: smart_date
 cache_timeout: null
 uuid: 19600000-0000-4000-8000-000000000101
 version: 1.0.0
 dataset_uuid: 19600000-0000-4000-8000-000000000001
@@ -0,0 +1,29 @@
 slice_name: Посетители и известные пользователи
 description: null
 certified_by: null
 certification_details: null
 viz_type: echarts_timeseries_line
 params:
  viz_type: echarts_timeseries_line
  x_axis: report_date
  metrics:
  - visitors
  - known_users
  groupby: []
  adhoc_filters:
  - expressionType: SIMPLE
    subject: report_date
    operator: TEMPORAL_RANGE
    comparator: No filter
    clause: WHERE
  row_limit: 10000
  seriesType: echarts_timeseries_line
  show_legend: true
  rich_tooltip: true
  show_value: false
  y_axis_format: ',d'
  x_axis_time_format: smart_date
 cache_timeout: null
 uuid: 19600000-0000-4000-8000-000000000103
 version: 1.0.0
 dataset_uuid: 19600000-0000-4000-8000-000000000003
@@ -0,0 +1,105 @@
 dashboard_title: Бизнес-сюжеты
 description: null
 css: null
 slug: business-stories
 certified_by: null
 certification_details: null
 published: true
 uuid: 19600000-0000-4000-8000-000000000201
 position:
  DASHBOARD_VERSION_KEY: v2
  ROOT_ID:
    id: ROOT_ID
    type: ROOT
    children:
    - GRID_ID
  GRID_ID:
    id: GRID_ID
    type: GRID
    parents:
    - ROOT_ID
    children:
    - ROW-revenue
    - ROW-pvo
    - ROW-traffic
  ROW-revenue:
    id: ROW-revenue
    type: ROW
    parents:
    - ROOT_ID
    - GRID_ID
    children:
    - CHART-revenue
    meta:
      background: BACKGROUND_TRANSPARENT
  CHART-revenue:
    id: CHART-revenue
    type: CHART
    parents:
    - ROOT_ID
    - GRID_ID
    - ROW-revenue
    children: []
    meta:
      chartId: 1
      height: 50
      width: 12
      sliceName: Выручка по дням и категориям
      uuid: 19600000-0000-4000-8000-000000000101
  ROW-pvo:
    id: ROW-pvo
    type: ROW
    parents:
    - ROOT_ID
    - GRID_ID
    children:
    - CHART-pvo
    meta:
      background: BACKGROUND_TRANSPARENT
  CHART-pvo:
    id: CHART-pvo
    type: CHART
    parents:
    - ROOT_ID
    - GRID_ID
    - ROW-pvo
    children: []
    meta:
      chartId: 2
      height: 50
      width: 12
      sliceName: Сверка purchase и заказов
      uuid: 19600000-0000-4000-8000-000000000102
  ROW-traffic:
    id: ROW-traffic
    type: ROW
    parents:
    - ROOT_ID
    - GRID_ID
    children:
    - CHART-traffic
    meta:
      background: BACKGROUND_TRANSPARENT
  CHART-traffic:
    id: CHART-traffic
    type: CHART
    parents:
    - ROOT_ID
    - GRID_ID
    - ROW-traffic
    children: []
    meta:
      chartId: 3
      height: 50
      width: 12
      sliceName: Посетители и известные пользователи
      uuid: 19600000-0000-4000-8000-000000000103
 metadata:
  color_scheme: supersetColors
  cross_filters_enabled: false
  chart_configuration: {}
  expanded_slices: {}
  default_filters: '{}'
  native_filter_configuration: []
 theme_uuid: null
 version: 1.0.0
@@ -0,0 +1,106 @@
 table_name: daily_traffic_v
 main_dttm_col: report_date
 currency_code_column: null
 description: null
 default_endpoint: null
 offset: 0
 cache_timeout: null
 catalog: null
 schema: dm
 sql: null
 params: null
 template_params: null
 filter_select_enabled: true
 fetch_values_predicate: null
 extra: null
 normalize_columns: false
 always_filter_main_dttm: false
 folders: null
 uuid: 19600000-0000-4000-8000-000000000003
 metrics:
 - metric_name: known_users
  verbose_name: Известные пользователи
  metric_type: null
  expression: SUM(known_users)
  description: null
  d3format: ',d'
  currency: null
  extra: null
  warning_text: null
 - metric_name: visitors
  verbose_name: Посетители
  metric_type: null
  expression: SUM(visitors)
  description: null
  d3format: ',d'
  currency: null
  extra: null
  warning_text: null
 columns:
 - column_name: _load_ts
  verbose_name: Время загрузки
  is_dttm: true
  is_active: true
  type: DATETIME64(3, 'UTC')
  advanced_data_type: null
  groupby: true
  filterable: true
  expression: null
  description: null
  python_date_format: null
  datetime_format: null
  extra: null
 - column_name: known_users
  verbose_name: Известные пользователи
  is_dttm: false
  is_active: true
  type: UINT64
  advanced_data_type: null
  groupby: true
  filterable: true
  expression: null
  description: null
  python_date_format: null
  datetime_format: null
  extra: null
 - column_name: _load_id
  verbose_name: Запуск загрузки
  is_dttm: false
  is_active: true
  type: STRING
  advanced_data_type: null
  groupby: true
  filterable: true
  expression: null
  description: null
  python_date_format: null
  datetime_format: null
  extra: null
 - column_name: visitors
  verbose_name: Посетители
  is_dttm: false
  is_active: true
  type: UINT64
  advanced_data_type: null
  groupby: true
  filterable: true
  expression: null
  description: null
  python_date_format: null
  datetime_format: null
  extra: null
 - column_name: report_date
  verbose_name: Дата
  is_dttm: true
  is_active: true
  type: DATE
  advanced_data_type: null
  groupby: true
  filterable: true
  expression: null
  description: null
  python_date_format: null
  datetime_format: null
  extra: null
 version: 1.0.0
 database_uuid: 4b8f2c6e-1d3a-4f5b-9c7d-2e8a1f0b3c5d
@@ -0,0 +1,136 @@
 table_name: purchase_vs_orders_v
 main_dttm_col: order_day
 currency_code_column: null
 description: null
 default_endpoint: null
 offset: 0
 cache_timeout: null
 catalog: null
 schema: dm
 sql: null
 params: null
 template_params: null
 filter_select_enabled: true
 fetch_values_predicate: null
 extra: null
 normalize_columns: false
 always_filter_main_dttm: false
 folders: null
 uuid: 19600000-0000-4000-8000-000000000002
 metrics:
 - metric_name: order_count
  verbose_name: Количество заказов
  metric_type: null
  expression: COUNT(order_id)
  description: null
  d3format: ',d'
  currency: null
  extra: null
  warning_text: null
 columns:
 - column_name: items_total
  verbose_name: Сумма позиций заказа
  is_dttm: false
  is_active: true
  type: NULLABLE(DECIMAL(18, 2))
  advanced_data_type: null
  groupby: true
  filterable: true
  expression: null
  description: null
  python_date_format: null
  datetime_format: null
  extra: null
 - column_name: _load_ts
  verbose_name: Время загрузки
  is_dttm: true
  is_active: true
  type: DATETIME64(3, 'UTC')
  advanced_data_type: null
  groupby: true
  filterable: true
  expression: null
  description: null
  python_date_format: null
  datetime_format: null
  extra: null
 - column_name: declared_revenue
  verbose_name: Выручка purchase
  is_dttm: false
  is_active: true
  type: NULLABLE(DECIMAL(18, 2))
  advanced_data_type: null
  groupby: true
  filterable: true
  expression: null
  description: null
  python_date_format: null
  datetime_format: null
  extra: null
 - column_name: status
  verbose_name: Статус заказа
  is_dttm: false
  is_active: true
  type: LOWCARDINALITY(NULLABLE(STRING))
  advanced_data_type: null
  groupby: true
  filterable: true
  expression: null
  description: null
  python_date_format: null
  datetime_format: null
  extra: null
 - column_name: mismatch_class
  verbose_name: Класс расхождения
  is_dttm: false
  is_active: true
  type: LOWCARDINALITY(STRING)
  advanced_data_type: null
  groupby: true
  filterable: true
  expression: null
  description: null
  python_date_format: null
  datetime_format: null
  extra: null
 - column_name: order_day
  verbose_name: День заказа
  is_dttm: true
  is_active: true
  type: DATE
  advanced_data_type: null
  groupby: true
  filterable: true
  expression: null
  description: null
  python_date_format: null
  datetime_format: null
  extra: null
 - column_name: _load_id
  verbose_name: Запуск загрузки
  is_dttm: false
  is_active: true
  type: STRING
  advanced_data_type: null
  groupby: true
  filterable: true
  expression: null
  description: null
  python_date_format: null
  datetime_format: null
  extra: null
 - column_name: order_id
  verbose_name: Заказ
  is_dttm: false
  is_active: true
  type: STRING
  advanced_data_type: null
  groupby: true
  filterable: true
  expression: null
  description: null
  python_date_format: null
  datetime_format: null
  extra: null
 version: 1.0.0
 database_uuid: 4b8f2c6e-1d3a-4f5b-9c7d-2e8a1f0b3c5d
@@ -0,0 +1,138 @@
 table_name: revenue_daily_v
 main_dttm_col: report_date
 currency_code_column: null
 description: null
 default_endpoint: null
 offset: 0
 cache_timeout: null
 catalog: null
 schema: dm
 sql: null
 params: null
 template_params: null
 filter_select_enabled: true
 fetch_values_predicate: null
 extra: null
 normalize_columns: false
 always_filter_main_dttm: false
 folders: null
 uuid: 19600000-0000-4000-8000-000000000001
 metrics:
 - metric_name: revenue
  verbose_name: Выручка
  metric_type: null
  expression: SUM(revenue)
  description: null
  d3format: ',.2f'
  currency:
    symbol: ₽
    symbolPosition: suffix
  extra: null
  warning_text: null
 columns:
 - column_name: _load_ts
  verbose_name: Время загрузки
  is_dttm: true
  is_active: true
  type: DATETIME64(3, 'UTC')
  advanced_data_type: null
  groupby: true
  filterable: true
  expression: null
  description: null
  python_date_format: null
  datetime_format: null
  extra: null
 - column_name: aov
  verbose_name: Средний чек
  is_dttm: false
  is_active: true
  type: DECIMAL(18, 2)
  advanced_data_type: null
  groupby: true
  filterable: true
  expression: null
  description: null
  python_date_format: null
  datetime_format: null
  extra: null
 - column_name: revenue
  verbose_name: Выручка
  is_dttm: false
  is_active: true
  type: DECIMAL(18, 2)
  advanced_data_type: null
  groupby: true
  filterable: true
  expression: null
  description: null
  python_date_format: null
  datetime_format: null
  extra: null
 - column_name: product_category
  verbose_name: Категория товара
  is_dttm: false
  is_active: true
  type: LOWCARDINALITY(STRING)
  advanced_data_type: null
  groupby: true
  filterable: true
  expression: null
  description: null
  python_date_format: null
  datetime_format: null
  extra: null
 - column_name: _load_id
  verbose_name: Запуск загрузки
  is_dttm: false
  is_active: true
  type: STRING
  advanced_data_type: null
  groupby: true
  filterable: true
  expression: null
  description: null
  python_date_format: null
  datetime_format: null
  extra: null
 - column_name: orders
  verbose_name: Заказы
  is_dttm: false
  is_active: true
  type: UINT64
  advanced_data_type: null
  groupby: true
  filterable: true
  expression: null
  description: null
  python_date_format: null
  datetime_format: null
  extra: null
 - column_name: units
  verbose_name: Товары
  is_dttm: false
  is_active: true
  type: UINT64
  advanced_data_type: null
  groupby: true
  filterable: true
  expression: null
  description: null
  python_date_format: null
  datetime_format: null
  extra: null
 - column_name: report_date
  verbose_name: Дата
  is_dttm: true
  is_active: true
  type: DATE
  advanced_data_type: null
  groupby: true
  filterable: true
  expression: null
  description: null
  python_date_format: null
  datetime_format: null
  extra: null
 version: 1.0.0
 database_uuid: 4b8f2c6e-1d3a-4f5b-9c7d-2e8a1f0b3c5d
@@ -1,3 +1 @@
 version: 1.0.0
 type: Database
 timestamp: '2026-07-30T00:00:00+00:00'
@@ -2,13 +2,19 @@
 --
 -- Эталонные счётчики читает Airflow из world-inventory.json: у настоящего
 -- магазина такого оракула нет. Запрос возвращает только наблюдаемую сторону;
-- Python-задача сопоставляет ее с тремя счетчиками закрытого дня из описи.
+-- Python-задача сопоставляет ее с пятью счетчиками закрытого дня из описи.
 SELECT
    order_day AS data_date,
    mismatch_class,
    count() AS orders
 FROM dm.purchase_vs_orders_v
-WHERE mismatch_class IN ('match', 'cancelled', 'amount_delta')
+WHERE mismatch_class IN (
    'match',
    'cancelled',
    'lost_event',
    'duplicate_event',
    'amount_delta'
 )
 GROUP BY
    data_date,
    mismatch_class
Author	SHA1	Message	Date
ddadminandClaude Fable 5	453950a639	docs(specs): итог тикета #203 внесен в раздел 9 спеки программы лаб - Зачем: - раздел 9 отсылал к открытому тикету #203; решение принято, указатель должен вести на итог, а не на вопрос. - Что: - фраза «докуда ведет карта #182» заменена итогом: карта закрыта приемкой спеки, исполнение ведет карта #206. - Проверка: - вычитка раздела 9 файла docs/specs/2026-09-01-labs-program.md. Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>	2026-09-01 09:32:27 -04:00
ddmitry	c26b4530f3	Merge pull request 'docs(specs): спека программы учебных лаб' (#205 ) from 202-labs-program-spec into main Reviewed-on: #205	2026-09-01 16:13:49 +03:00
ddadmin	eed5b4b4e6	docs(specs): словарь программы лаб очеловечен по ревью владельца - Зачем: - термины спеки перейдут в задания, а «хребет», «ветки» и «точка прицепа» с калькированными заголовками сюжетов смущали бы студентов. - Что: - хребет → основная программа, шаги → ступени, ветки → факультативы, «точка прицепа» заменена формулой «открывается после ступени N»; - заголовки разделов и сюжетов переписаны из позиции студента («Почему выручка не сходится», «Куда попадают битые строки»); - переносы выровнены по ~80 колонок по всему файлу. - Проверка: - текст без учета пробелов не изменился на шаге переносов (SHA-256); решения, состав и порядок программы не менялись.	2026-09-01 09:07:40 -04:00
ddadmin	4fd872f296	docs(specs): спека программы учебных лаб — хребет и ветки - Зачем: - тикет #202 карты #182: собрать из инвентаризации #201 программу лаб целиком — состав, порядок, формы и судьбу идей-кандидатов. - Что: - создан docs/specs/2026-09-01-labs-program.md: хребет из семи обязательных шагов и пять тематических разделов необязательных лаб; - узаконены границы вычитания по потокам и поименные резолюции идей #143, #145, #148, #149, #186, #187, #188; - записаны отклоненные варианты оси прогрессии и границы спеки (#203). - Проверка: - вычитка владельцем (спека принята), слепое ревью фактов против инвентаризации и доков — все находки закрыты.	2026-09-01 08:45:43 -04:00
ddmitry	22bf09af9d	Merge pull request 'docs(research): инвентаризация сюжетов лаб по слоям стенда' (#204 ) from research/labs-inventory into main	2026-08-31 18:39:20 +03:00
ddadminandClaude Fable 5	502d705ca1	docs(research): инвентаризация сюжетов лаб по слоям стенда - Зачем: - спеке программы лаб (#202) нужен полный веер сюжетов вместо семи случайно накопленных идей; резолюция тикета #201 карты #182. - Что: - заметка docs/research/2026-08-31-labs-inventory.md: 32 сюжета по слоям STG, ODS, DDS, DM, BI и поперек слоев, три формы заданий, разбор гипотезы «вычитание + DQ» с таблицей по потокам. - Проверка: - фактура (пути, имена таблиц, номера тикетов) сверена с репозиторием при вычитке; кода изменение не касается. Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>	2026-08-31 11:38:54 -04:00
ddmitry	d22156a7da	Merge pull request 'docs(labs): ТЗ необязательной лабы «свой дашборд в Superset»' (#199 ) from 197-superset-lab into main Reviewed-on: #199	2026-08-31 11:07:53 +03:00
ddadminandClaude Fable 5	6174536cc1	docs(specs): BI-лаба узаконена в исключении раздела 10 Зачем: раздел 10 выносил все лабы v2 в отдельную работу учебного пути, делая исключение только для домашек DM, — необязательная лаба Superset из #197 формально в него не попадала. Что: исключение расширено фразой про лабу «свой дашборд в Superset» с меркой владельца: домашки DM и эта лаба продуманы до готовых ТЗ, остальные лабы пока на уровне идей. Проверка: вычитка; решение владельца репозитория из обсуждения #197. Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>	2026-08-31 04:05:43 -04:00
ddadminandClaude Fable 5	989ff71495	docs(labs): ТЗ необязательной лабы «свой дашборд в Superset» Зачем: владеть хотя бы одним BI-инструментом на базовом уровне — полезный навык дата-инженера, но стенд в первую очередь про ClickHouse, поэтому лаба необязательная. Обещание «отдельная домашка после этапа 8» в доке DM висело без адреса. Что: ТЗ docs/labs/superset-dashboard.md — пять датасетов поверх публичных представлений заданий 1-5, свой дашборд отдельно от стендового, проверка глазами без homework_check; шестая строка и разведение «пяти заданий по витринам» в docs/labs/README.md; абзац о сроке жизни объектов менти в docs/architecture/superset.md; ссылка на лабу из доки DM; правило слага в AGENTS.md расширено до «предмет задания». Проверка: кода и DDL нет; слепое ревью текста (9 находок закрыто, 2 дополнительные с перепроверки) и финальная вычитка. Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>	2026-08-31 03:55:40 -04:00
ddmitry	cd82911906	Merge pull request 'feat(superset): датасеты и дашборд «Бизнес-сюжеты» (этап 8)' (#198 ) from 196-superset-dashboard into main Reviewed-on: #198	2026-08-31 10:26:41 +03:00
ddadminandClaude Fable 5	3ffce6387e	feat(superset): датасеты и дашборд «Бизнес-сюжеты» деревом импорта - Зачем: - этап 8 (#196): три сюжета спеки — выручка, сверка, посетители / известные — должны приезжать в Superset при каждой инициализации стенда, без ручной сборки в интерфейсе. - Что: - дерево infra/superset/import/ дополнено датасетами трех витрин dm, тремя графиками и дашбордом «Бизнес-сюжеты»; uuid розданы рукой, русские строки читаемы, metadata.yaml сокращен до версии формата. - написан справочник docs/architecture/superset.md: устройство зоны, дерево импорта, маршрут свежего экспорта, ловушки импорта. - в docs/architecture/dm.md добавлена ссылка на справочник зоны. - Проверка: - docker compose run --rm superset-init — импорт начисто, затем три графика отдают данные через API (54/48/10 строк). - прогон рецепта «чистая установка» из справочника: сброс базы superset в postgres-metadata, импорт, активы на месте. - make lint и make check-services зеленые (7/7). Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>	2026-08-30 18:42:01 -04:00
ddmitry	c999153acb	Merge pull request 'feat(generator): откалиброваны доли заказной стороны' (#195 ) from 194-calibration into main Reviewed-on: #195	2026-08-30 23:49:13 +03:00
ddmitry	c3a105a0f8	Merge pull request 'feat(generator): эталонный мир зафиксирован равным стартовому' (#193 ) from 192-stage7-tail into main Reviewed-on: #193	2026-08-30 23:48:10 +03:00
ddadminandClaude Fable 5	9b1826f5ff	feat(generator): откалиброваны доли заказной стороны - Зачем: - семь мест обещали калибровку черновых долей «при пересборке эталонного мира (этап 7)», а пересборки не будет (#192); числа сверены замером и зафиксированы (#194, хвост этапа 7 — #9). - Что: - замер на каноническом мире (28 дней, без транспорта): все доли в пределах ориентиров; пометки «черновое» сняты, наблюдаемые доли вписаны в комментарии world.py, fate.md и запись «Что проверено»; - потеря purchase: наблюдаемых 1,78% при броске 3% — вычеты штатные (пары склейки, приоритет отмены), принято решением владельца; ориентир класса B в мастер-спеке различает бросок и наблюдаемую долю; - веса мира и опись не тронуты: правки world.py — только комментарии. - Проверка: - cd generator && make lint && make typecheck && make test (437 passed); - git diff по data/world-inventory.json пуст; grep «черновое\|калибровка» по generator/src и docs/architecture/orders пуст. Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>	2026-08-30 16:42:32 -04:00
ddadminandClaude Fable 5	8b7987c5c2	docs(specs): снято обещание CI-генерации на amd64 и arm64 - Зачем: - CI дублировал бы сторожем то, что уже гарантировано устройством: дисциплина целочисленной случайности снимает межархитектурные расхождения (решение владельца 2026-08-30, хвост этапа 7 — #9). - Что: - резолюция вписана в раздел 5 спеки генератора; - строки этапа 7 в обеих спеках приведены к резолюции. - Проверка: - grep "CI гоняет" docs/specs/ пуст; чтение раздела 5. Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>	2026-08-30 16:11:34 -04:00
ddadminandClaude Fable 5	c1b61d81b9	feat(generator): эталонный мир зафиксирован равным стартовому - Зачем: - у дней 8-13 описи не нашлось читателя: обещание эталона в 14 дней снято решением владельца 2026-08-30 (#192, этап 7 — #9). - Что: - резолюция перенесена в обе спеки, докстринг описи и словарь CONTEXT.md; - добавлен тест: проигранный через CLI день совпадает с хешем описи; - сняты замеры: пересборка описи 20,5 с, снимок 460,7 МБ, make test 176,5 с — записаны в карту проверок и таблицу бюджетов. - Проверка: - cd generator && make lint && make typecheck && make test (437 passed); - git diff по data/world-inventory.json пуст. Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>	2026-08-30 15:53:52 -04:00
ddmitry	f93c924b33	Merge pull request 'feat(generator): добавлено опоздание заказов в слепках' (#191 ) from 185-late-orders into main Reviewed-on: #191	2026-08-29 10:06:31 +03:00
ddadmin	c68a451698	docs(orders): восстановлено описание окна опоздания - Зачем: - при перевёрстке абзаца пропало правило отсутствия заказа до дня приезда. - Что: - восстановлен диапазон скрытых слепков d…d+δ−1. - исправлена пунктуация и прояснено обнуление задержки назначенного заказа. - Проверка: - git diff --check. - make config-test.	2026-08-29 02:03:24 -04:00
ddadmin	8db1c58c12	feat(generator): добавлено опоздание заказов в слепках - Зачем: - менти должен увидеть, как запоздавшая выгрузка меняет открытое окно, не подделывая аудит источника. - Что: - заказам назначена задержка D, D+1 или D+2 последним броском подпотока ORDERS. - назначенный планом заказ приезжает сразу, а Woven передаёт эту гарантию именованным полем. - обновлены документы, проверки границ механики и эталонные хеши слепков. - Проверка: - make lint, make typecheck и make test в generator: 436 тестов прошли. - make config-test: конфигурация прошла проверку. - world_live_day и следующий etl_pipeline перевели заказ 20260608-0001 из awaiting_order в match.	2026-08-28 17:30:55 -04:00
ddmitry	58e944aa87	Merge pull request 'feat(generator): потеря и дубль purchase (B, D) и счетчики описи' (#189 ) from 184-beacons into main Reviewed-on: #189	2026-08-28 21:58:23 +03:00
ddadminandClaude Fable 5	c28f724706	feat(generator): потеря и дубль purchase (B, D) и счетчики описи - Зачем: - трекер стенда был полным, и правило «деньги — по бэкенду» держалось на слове; классы B и D делают недосчет и пересчет трекера наблюдаемыми (этап 6, #184). - Что: - подпоток BEACONS: точечная потеря purchase (~3%) и сюжетный дубль (~2%) швом после _purchases, с гарантией моста идентичностей и условием допуска дубля по паузе до следующего визита; - опись считает пять классов по приоритету спеки; фильтр classes_vs_inventory расширен, нулевой класс читается нулем; - fate.md, seeds.md, dm.md и orders/README.md приведены к имени BEACONS и строгому правилу допуска. - Проверка: - make lint, make typecheck, make test (433 passed) и make inventory из generator/ — хеши слепков не изменились; - на стенде: make smoke, make check-clickhouse, make check-services зеленые; в dq_summary classes_vs_inventory и sessions_vs_reference pass, витрина сверки показывает lost_event и duplicate_event. Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>	2026-08-28 13:13:47 -04:00