# Перепиши нарезку стенда

**Чему учит:** изменить расчетную сущность внутри готового конвейера и
проверить результат внешним эталоном.

## Сначала прочитать

- [задание «Нарежь сессии сам»](3-1-sessions-by-hand.md);
- [модель сессии DDS](../architecture/dds/session.md);
- [дневной конвейер трансформаций](../architecture/etl.md#объём-прогона);
- [раскладка по шардам](../architecture/storage.md#раскладка-по-шардам).

## Граница задания

Стенд уже умеет запускать трансформацию, хранить сессии и проверять их число.
Перепишите только три файла:

- `sql/dds/session_scope.sql`;
- `sql/dds/session_rebuild.sql`;
- `sql/dds/session_replace.sql`.

Удалите из них готовый SQL и соберите свою реализацию. Даг `dds_transform`
передаст ей параметры и запустит запросы в нужном порядке. DDL уже создает
целевые таблицы и донор. Донор — служебная таблица, где день собирается перед
заменой. Запрос `sessions_vs_reference.sql` проверит опубликованный результат.

## Договор с дагом

Объем прогона — дни, которые соберет один запуск. Его вычисляет первый файл.

| Файл | Вход | Результат |
|---|---|---|
| `session_scope.sql` | `{position:UInt16}` — номер первого несыгранного дня | `first_day` и `last_day` |
| `session_rebuild.sql` | `{first_day:Date}`, `{last_day:Date}`, `{load_id:String}` | Собранные сессии в `dds.session_stage_dist` |
| `session_replace.sql` | День в `{{ params.day }}` | Партиция дня в `dds.session_rep` |

`session_scope.sql` ищет первый прожитый день, которого еще нет в DDS. От него
до последнего прожитого дня получается непрерывный отрезок. Начало шкалы нужно
взять из событий ODS: `position` считает дни от него. Живой модельный день еще
не закончен, поэтому сессии за него не собираются.

Если в ODS нет ни одного события, запрос не возвращает строк. Если DDS уже
догнал мир, запрос возвращает строку с `first_day = NULL`. Даг поймет, что
работы нет, и пропустит группу сессий.

`session_rebuild.sql` сначала очищает `dds.session_stage_rep` на всем кластере.
Затем он собирает в `dds.session_stage_dist` все дни отрезка. Вставка должна
закончиться до замены партиций.

`session_replace.sql` заменяет один день. Цель — локальная таблица
`dds.session_rep`, источник — локальный донор `dds.session_stage_rep`. Операция
выполняется на всем кластере.

`session_scope.sql` читается как один запрос, поэтому в конце ему не нужна
точка с запятой. День для замены подставляет шаблон Jinja в Airflow. Параметр
ClickHouse в `ALTER ... PARTITION` здесь не работает.

## Нарежьте сессии

Источник сборки — `dds.event_v`. Одна строка результата представляет один
визит. Используйте правила, которые уточнили на третьей ступени:

- сессия не пересекает модельные сутки;
- пауза больше 30 минут открывает новую сессию;
- в нарезке участвуют события всех типов;
- при одинаковом времени порядок событий задает `event_id`, поэтому полный
  порядок окон — `(event_time, event_id)`;
- `session_id` детерминирован и зависит от куки и начала сессии.

Состав и типы строки заданы в `dds.session_rep`. Заполните начало, конец и
длительность. Посчитайте все события, просмотры, добавления в корзину и
покупки. Возьмите входную и выходную страницы, UTM первого события, устройство
и город. Служебные колонки тоже входят в договор таблицы.

Пишите через `dds.session_stage_dist`. Эта таблица разложит строки по ключу
донора.

## Запустите свою реализацию

Готовые дни повторно не собираются. Чтобы новый SQL точно выполнился, выберите
последний собранный день:

```sql
SELECT max(session_date)
FROM dds.session_v;
```

Сохраните десять строк этого дня без служебных колонок загрузки:

```sql
SELECT * EXCEPT (_load_id, _load_ts)
FROM dds.session_v
WHERE session_date = 'YYYY-MM-DD'
ORDER BY client_id, started_at
LIMIT 10;
```

Подставьте найденную дату и удалите только ее партицию. Команда идет под
служебным пользователем `etl`, потому что `analyst` имеет доступ только на
чтение:

```bash
docker compose exec -T clickhouse-01 sh -c \
  'clickhouse-client --user etl --password "$CLICKHOUSE_ETL_PASSWORD" --query "$1"' \
  _ "ALTER TABLE dds.session_rep ON CLUSTER clickstream_cluster DROP PARTITION 'YYYY-MM-DD'"
```

Откройте Airflow и запустите `etl_pipeline`. В даге `dds_transform` раскройте
группу `session`: в ней должны выполниться задачи `scope` и `rebuild`, а также
`replace` для выбранного дня. Если после третьей ступени мир ушел вперед,
Airflow создаст `replace` и для последующих прожитых дней. Следом конвейер
запустит витрины и `dq_check`.

Если прогон дошел до замены, но упал на проверке, ошибочная партиция уже
находится в DDS. После правки снова удалите тот же день перед следующим
запуском. Иначе расчет объема сочтет день готовым и пропустит вашу новую
сборку.

## Проверьте результат

Сначала повторите запрос с десятью строками. `session_id` и все деловые
колонки должны совпасть с сохраненным результатом. `_load_id` и `_load_ts`
изменятся: день собрал другой запуск.

Задача `dq_check.sessions_vs_reference` должна стать зеленой. Та же проверка
видна в хранилище:

```sql
SELECT data_date, reference_rows, actual_rows, failed_rows, status
FROM dm.dq_summary_v
WHERE check_name = 'sessions_vs_reference'
ORDER BY data_date;
```

Эта сверка сравнивает число сессий каждой куки за день с `VisitID`. Нулевой
`failed_rows` не подтверждает границы, страницы и UTM: две ошибки могут
оставить тот же счет. Возьмите поштучную сверку из третьей ступени. Для одной
куки выбранного дня сопоставьте границы `VisitID` по событиям с границами
строк `dds.session_v`. Проверьте начало, конец и атрибуты сессии.

Осталась физическая раскладка. Напишите отдельный запрос к
`dds.session_dist`. Для каждой строки он должен:

1. получить фактическую ноду через `hostName()`;
2. пересчитать ожидаемую ноду по `cityHash64(client_id)`;
3. посчитать строки, у которых ноды не совпали.

У кластера два равных шарда: остаток 0 соответствует `clickhouse-01`, остаток
1 — `clickhouse-02`. Сгруппируйте ответ по фактической ноде. На каждой ноде
число строк на чужом шарде должно быть нулевым. Счетная DQ-проверка читает
Distributed-таблицу и такую ошибку не заметит.

После зеленого результата запустите `etl_pipeline` еще раз, не удаляя
партицию. Расчет объема должен пропустить группу сессий: новых прожитых дней и
дыр в слое нет.

## Приемка

- [ ] переписаны только три файла `sql/dds/session_*.sql`, инфраструктура
      упражнения не изменена;
- [ ] адресный прогон восстановил выбранный день и завершил
      `etl_pipeline` успешно;
- [ ] сохраненные `session_id` и деловые колонки десяти строк совпали после
      пересборки;
- [ ] `sessions_vs_reference` дает ноль расхождений во всех прожитых днях;
- [ ] для одной куки вручную сверены границы и атрибуты сессии;
- [ ] пересчет ключа по `hostName()` не нашел строк на чужом шарде;
- [ ] повторный прогон без новой дыры пропустил группу сессий.