ddadminandClaude Opus 5
7dcd1c9ba3
Зачем: код генератора компактен, но нетривиален: многое в нём — соглашения, а не конструкции, и чтением они не выводятся. Ближайшая опасность конкретна — следующий этап трогает и план, и день, а вставка броска в середину функции выглядит безобидно и молча меняет весь мир. Что: цепочка от корневого зерна до строк событий; ленивость мира — когорта по требованию и предыстория до D0, отсюда «любой день собирается сам по себе»; правило порядка бросков внутри подпотока с механикой и способом обнаружения промаха; причина целочисленной случайности со ссылкой на спеку. Раздел помечен черновым: по сути верен, но на понятность читателем со стороны не выверен — выверка вместе с полным путеводителем, тикет #48. Проверка: `make lint` чист, `make test` — 353 passed; правка только в README. Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>
78 lines
6.4 KiB
Markdown
78 lines
6.4 KiB
Markdown
# Генератор кликстрима
|
||
|
||
Клиентская сторона стенда: отсюда берётся поток событий — широкое событие по
|
||
образцу облачной выгрузки Яндекс Метрики. Устройство и принятые решения —
|
||
спека [«Генератор (этап 2)»](../docs/specs/2026-08-01-generator.md).
|
||
|
||
События уже есть: день-функция отдаёт по паре (зерно, D) упорядоченный поток
|
||
pageview. Торговые события и запуск снаружи — за следующими тикетами.
|
||
|
||
## Как это работает
|
||
|
||
> Раздел черновой. По сути он верен, но на понятность читателем со стороны не
|
||
> выверен: пишет его тот, кто держит устройство генератора в голове, а это
|
||
> худший судья понятности. Выверка — вместе с путеводителем, тикет #48.
|
||
|
||
Цепочка одна и всегда та же: корневое зерно → подпотоки по позиции в дереве
|
||
→ когорта дня (кто впервые пришёл, сколько раз вернётся, чей паспорт какой)
|
||
→ аудитория дня, то есть когорта плюс возвраты когорт окна → визиты этих кук
|
||
→ строки событий. Мир при этом ленив: когорта считается по требованию, а до
|
||
D0 живёт предыстория, поэтому любой день собирается сам по себе — прожитая
|
||
история для него не нужна и на него не влияет.
|
||
|
||
Главное правило для того, кто придёт следующим: **внутри подпотока порядок
|
||
бросков — часть контракта.** Броски раздаёт один генератор подряд, и k-й
|
||
бросок достаётся тому, кто спросил k-м. Приписать новый бросок в конец
|
||
функции безопасно: у прежних он ничего не отнимает. Вставить в середину —
|
||
значит сдвинуть все броски после него, а с ними и весь мир: события того же
|
||
дня станут другими, счётчики канонического мира разойдутся с манифестом, и
|
||
поймается это не ошибкой, а красным чеком. Ровно поэтому паспорта кук в
|
||
`plan.cohort` бросаются последними.
|
||
|
||
Случайность целочисленная — только диапазоны и выбор по целым весам: готовые
|
||
распределения numpy расходятся между версиями и архитектурами, а обещано
|
||
побайтовое совпадение (спека, раздел 2). Отсюда `weights.py` вместо
|
||
`rng.choice` с вероятностями.
|
||
|
||
## Что где лежит
|
||
|
||
- `src/clickstream_generator/world.py` — конфигурация мира: все его числа
|
||
одним местом. Правка любого — смена мира; крутить их и предлагается.
|
||
- `src/clickstream_generator/seeds.py` — иерархия зёрен: кто из какого
|
||
подпотока берёт случайность. На ней держится весь детерминизм.
|
||
- `src/clickstream_generator/plan.py` — план состава: кто есть в мире в
|
||
день D. Когорты, приток, двухкуковые пары, паспорта кук и счётчики — до
|
||
генерации событий.
|
||
- `src/clickstream_generator/weights.py` — выбор по целым весам: один приём
|
||
на весь генератор, чтобы дисциплина целочисленной случайности не жила
|
||
копиями.
|
||
- `src/clickstream_generator/reference.py` — справочники: устройства,
|
||
города, источники трафика, карта сайта. Таблицы-литералы: доля живёт в
|
||
строке, которой принадлежит.
|
||
- `src/clickstream_generator/catalog.py` — каталог товаров из
|
||
`data/catalog/products.csv`, общего у генератора и словаря ClickHouse.
|
||
- `src/clickstream_generator/day.py` — день-функция: визиты, страницы,
|
||
атрибуция, устройство и гео. Там же правила резки визитов и шов, на
|
||
который сядут торговые события.
|
||
- `src/clickstream_generator/schema.py` — контракт схемы: чистые данные о
|
||
колонках выгрузки. Собственность генератора; из него выводятся сам
|
||
генератор, его валидация и описание выгрузки в доках.
|
||
- `src/clickstream_generator/schema_doc.py` — сборка «описания выгрузки»
|
||
([`docs/formats/clickstream-event.md`](../docs/formats/clickstream-event.md))
|
||
из контракта. Документ руками не правят — пересобирают.
|
||
- `tests/` — инварианты контракта, свежесть описания и обещания мира:
|
||
чистота от зерна, приток, гарантия двухкуковых пар, форма суточной волны
|
||
и сборка визитов по задокументированным правилам.
|
||
|
||
## Команды
|
||
|
||
Из корня репозитория:
|
||
|
||
- `make test` — тесты генератора;
|
||
- `make lint` — ruff: проверка и формат;
|
||
- `make typecheck` — ty: проверка типов;
|
||
- `make docs` — пересобрать описание выгрузки.
|
||
|
||
Python и зависимости — через `uv`, версии закреплены в `uv.lock`: на этом
|
||
держится обещание побайтовой воспроизводимости (спека, раздел 2).
|