Compare commits
9
Commits
| Author | SHA1 | Date | |
|---|---|---|---|
|
|
453950a639 | ||
|
|
c26b4530f3 | ||
|
|
eed5b4b4e6 | ||
|
|
4fd872f296 | ||
|
|
22bf09af9d | ||
|
|
502d705ca1 | ||
|
|
d22156a7da | ||
|
|
6174536cc1 | ||
|
|
989ff71495 |
No files matched your search
@@ -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.
|
||||
|
||||
@@ -46,9 +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
|
||||
витринам — отдельная домашка после этапа 8. Устройство самого дашборда — в
|
||||
[доке зоны Superset](superset.md).
|
||||
от выполненных домашек. Свой дашборд по витринам менти —
|
||||
[необязательная лаба](../labs/superset-dashboard.md) после этапа 8. Устройство
|
||||
стендового дашборда — в [доке зоны Superset](superset.md).
|
||||
|
||||
## Ритм пересборки
|
||||
|
||||
@@ -215,7 +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
|
||||
|
||||
@@ -78,6 +78,12 @@ superset import-directory /app/import --overwrite
|
||||
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.
|
||||
|
||||
+22
-17
@@ -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
|
||||
дашборда и контроль качества построены, остальные витрины строит менти.
|
||||
Каждое задание — самостоятельное ТЗ: что за витрина, какое у нее зерно,
|
||||
из чего она собирается и как проверить, что собралась верно.
|
||||
Пять домашних заданий — про витрины слоя DM. Стенд привозит слой
|
||||
наполовину: витрины трех сюжетов дашборда и контроль качества построены,
|
||||
остальные витрины строит менти. Каждое из них — самостоятельное ТЗ: что за
|
||||
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
|
||||
каждом ТЗ.
|
||||
Они одни для пяти заданий по витринам, поэтому записаны здесь, а не
|
||||
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:
|
||||
рядом с витриной независимым запросом собирается тот же ответ — прямо из
|
||||
источника витрины, минуя ее саму. У четырех заданий источник эталона 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
|
||||
стороны соединяются по деловому ключу через `FULL OUTER JOIN`, и считается
|
||||
число строк, где стороны разошлись или одной стороны нет. Ноль — зеленый.
|
||||
Проверка пяти заданий по витринам устроена одинаково и золотых констант не
|
||||
содержит: рядом с витриной независимым запросом собирается тот же ответ —
|
||||
прямо из источника витрины, минуя ее саму. У четырех заданий источник эталона
|
||||
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 стороны
|
||||
соединяются по деловому ключу через `FULL OUTER JOIN`, и считается число строк,
|
||||
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
|
||||
величины. Тот же прием в стендовом исполнении — [даг
|
||||
Раздел «Как проверить себя» каждого ТЗ по витрине называет деловой ключ и
|
||||
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.
|
||||
@@ -660,7 +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.
|
||||
|
||||
@@ -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).
|
||||
Reference in new issue
Block a user