ddadminandClaude Opus 5
6910440400
Зачем: цепочка Kafka → STG → ODS достраивается последним этажом. Сырьё уже доезжает (#37), настоящие события в топике есть (#41), а типизированного слоя не было — событие негде было прочитать колонками, а брак негде увидеть. Что: - sql/ddl/20-ods-tables.sql — ods.event_rep/_dist на ReplacingMergeTree с версией _load_ts, партиция по EventDate, ключ по разделу 1.3 спеки, шардирование cityHash64(ClientID); ods.event_errors_rep/_dist с классом брака, своими ключами и сроком жизни в месяц. - sql/ddl/30-ods-views.sql — две матвью над stg.hits_raw_dist. Годность считает предикат из трёх частей, вторая матвью берёт его дословное отрицание, класс брака пишется первым совпавшим из трёх. - Метку времени разбирает parseDateTimeBestEffortOrNull, а не JSONExtract: ISO-8601 с суффиксом Z JSONExtract не берёт вовсе. Спека генератора обещала обратное — обещание поправлено, форма на проводе не менялась. - Сверка объявлений (contract-тест) снята из документов и из докстрингов schema.py: сверх строгого приёма она ловила только смену типа. - Документация приведена в соответствие: ADR 0005, дока хранилища и обе спеки; группа «сказано по памяти» в доке хранилища опустела. Проверка: make up && make check-clickhouse (8 проверок, 7,5 с); make lint, make typecheck, make test (406), make docs без диффа. Разовые опыты при исполнении — в теле PR. Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
200 lines
14 KiB
SQL
200 lines
14 KiB
SQL
-- ODS: разбор сырья в событие и в таблицу ошибок.
|
||
--
|
||
-- Матвью две, и вместе они обязаны делить поток без зазора и без нахлёста:
|
||
-- строка, подошедшая обеим, задвоится, а не подошедшая ни одной — исчезнет
|
||
-- молча. Держится это формой: годность считает один и тот же предикат из трёх
|
||
-- частей, а вторая матвью берёт его буквальное отрицание.
|
||
--
|
||
-- Отсюда два запрета на выражения предиката, и оба серьёзные.
|
||
--
|
||
-- Первый: ни одна его часть не возвращает NULL. Трёхзначная логика дала бы
|
||
-- строку, которую не берёт ни «условие», ни «NOT условие», — и потерялась бы
|
||
-- она бесшумно. Поэтому сравнения здесь дают 0 или 1, а разбор в Nullable
|
||
-- заканчивается IS NOT NULL.
|
||
--
|
||
-- Второй: ни одна его часть не бросает исключений. Упавшая матвью роняет
|
||
-- вставку, офсеты не коммитятся, и потребление топика встаёт до починки —
|
||
-- это единственное, на чём сейчас держится правило репозитория «грязные
|
||
-- записи не валят пайплайн». Поэтому приведение Nullable к необнуляемому типу
|
||
-- (assumeNotNull) стоит только в списке колонок, за предикатом, который NULL
|
||
-- уже отсёк, а в самом предикате живут только функции семейства
|
||
-- JSONExtract/*OrNull. Довод целиком — ADR 0005.
|
||
--
|
||
-- Источник у обеих — stg.hits_raw_dist, лицо слоя, а не локальная таблица:
|
||
-- потребитель цепляется к лицу, а матвью с источником-Distributed срабатывает
|
||
-- на вставку именно в распределённую таблицу, до раскладки по шардам.
|
||
--
|
||
-- Порядок колонок в SELECT совпадает с порядком в целевой таблице.
|
||
|
||
-- Годное событие: строка, прошедшая строгий приём.
|
||
--
|
||
-- Строгий приём — это три вопроса, и первые два держат весь контракт схемы.
|
||
--
|
||
-- 1. Это вообще объект JSON? Проверяется именно объект, а не валидность:
|
||
-- isValidJSON('123') возвращает единицу — скаляр тоже законный JSON
|
||
-- (измерено на стенде 7 августа 2026 года).
|
||
--
|
||
-- 2. Совпадает ли набор ключей с контрактным — все сорок семь имён, ни одного
|
||
-- лишнего. Одно это сравнение заменяет сорок семь проверок на присутствие
|
||
-- и ловит то, чего иначе не поймать вовсе: опечатку в имени поля (для
|
||
-- хранилища это одновременно пропавшее ожидаемое и появившееся лишнее),
|
||
-- молчаливое расширение контракта источником и любую подмену имени в
|
||
-- колонке-массиве. Обязательны все сорок семь: генератор шлёт их в каждом
|
||
-- событии, а «пусто» по контракту — пустое значение, а не отсутствие
|
||
-- ключа.
|
||
--
|
||
-- arraySort стоит с обеих сторон, и это не украшение. Без него сорок семь
|
||
-- CamelCase-имён пришлось бы выписать руками ровно в байтовом порядке —
|
||
-- ошибка, которая увела бы в брак вообще всё, и притом молча.
|
||
--
|
||
-- 3. Разбираются ли пять опорных колонок в свой тип. Не сорок семь, а пять:
|
||
-- идентификаторы события, визита и посетителя, дата партиции и метка
|
||
-- времени. Порча любой из них отравляет всё ниже по течению, тогда как
|
||
-- единственный производитель топика — свой генератор, сериализующий по
|
||
-- объявленным типам, и неверный тип может прийти только из руки. Сорок
|
||
-- семь проверок на NULL превратили бы матвью в простыню, не добавив
|
||
-- защиты. Присутствие остальных сорока двух держит вопрос 2.
|
||
--
|
||
-- Метку времени разбирает не JSONExtract, а parseDateTimeBestEffortOrNull, и
|
||
-- это измеренная необходимость, а не вкус. На проводе UTCEventTime уезжает в
|
||
-- ISO-8601 с суффиксом зоны — «2026-06-01T12:34:56Z» (спека генератора,
|
||
-- раздел 4), а JSONExtract с типом DateTime такую строку не берёт и отдаёт
|
||
-- NULL. Оставь его здесь — и в брак уехали бы все события до единого. Замер и
|
||
-- его подробности — ADR 0005, «Что проверено». EventDate в такой подпорке не
|
||
-- нуждается: дата уезжает как «2026-06-01», и JSONExtract её берёт.
|
||
|
||
CREATE MATERIALIZED VIEW IF NOT EXISTS ods.event_mv ON CLUSTER clickstream_cluster
|
||
TO ods.event_dist
|
||
AS
|
||
WITH
|
||
JSONType(raw) = 'Object' AS is_object,
|
||
arraySort(JSONExtractKeys(raw)) = arraySort([
|
||
'WatchID', 'VisitID', 'ClientID', 'CounterID', 'EventDate',
|
||
'UTCEventTime', 'ClientTimeZone', 'EventType', 'Sign',
|
||
'URL', 'Referer', 'Title', 'UTMSource', 'UTMMedium', 'UTMCampaign',
|
||
'UTMContent', 'UTMTerm', 'LastTrafficSource', 'HasGCLID', 'YCLID',
|
||
'Browser', 'BrowserMajorVersion', 'BrowserLanguage', 'OperatingSystem',
|
||
'OperatingSystemRoot', 'DeviceCategory', 'MobilePhoneModel',
|
||
'ScreenWidth', 'ScreenHeight', 'IPAddress', 'RegionCountry',
|
||
'RegionCity', 'RegionCountryID', 'RegionCityID',
|
||
'GoalsReached', 'ParsedParamsKey1',
|
||
'purchaseID', 'purchaseRevenue', 'purchaseCurrency', 'purchaseCoupon',
|
||
'productID', 'productName', 'productCategory', 'productPrice',
|
||
'productQuantity', 'productEventType', 'ecommerce'
|
||
]) AS keys_match,
|
||
JSONExtract(raw, 'WatchID', 'Nullable(UInt64)') IS NOT NULL
|
||
AND JSONExtract(raw, 'VisitID', 'Nullable(UInt64)') IS NOT NULL
|
||
AND JSONExtract(raw, 'ClientID', 'Nullable(UInt64)') IS NOT NULL
|
||
AND JSONExtract(raw, 'EventDate', 'Nullable(Date)') IS NOT NULL
|
||
AND parseDateTimeBestEffortOrNull(JSONExtractString(raw, 'UTCEventTime'))
|
||
IS NOT NULL AS key_fields_parsed
|
||
SELECT
|
||
JSONExtract(raw, 'WatchID', 'UInt64') AS WatchID,
|
||
JSONExtract(raw, 'VisitID', 'UInt64') AS VisitID,
|
||
JSONExtract(raw, 'ClientID', 'UInt64') AS ClientID,
|
||
JSONExtract(raw, 'CounterID', 'UInt32') AS CounterID,
|
||
JSONExtract(raw, 'EventDate', 'Date') AS EventDate,
|
||
assumeNotNull(parseDateTimeBestEffortOrNull(
|
||
JSONExtractString(raw, 'UTCEventTime'))) AS UTCEventTime,
|
||
JSONExtract(raw, 'ClientTimeZone', 'Int16') AS ClientTimeZone,
|
||
JSONExtract(raw, 'EventType', 'String') AS EventType,
|
||
JSONExtract(raw, 'Sign', 'Int8') AS Sign,
|
||
JSONExtract(raw, 'URL', 'String') AS URL,
|
||
JSONExtract(raw, 'Referer', 'String') AS Referer,
|
||
JSONExtract(raw, 'Title', 'String') AS Title,
|
||
JSONExtract(raw, 'UTMSource', 'String') AS UTMSource,
|
||
JSONExtract(raw, 'UTMMedium', 'String') AS UTMMedium,
|
||
JSONExtract(raw, 'UTMCampaign', 'String') AS UTMCampaign,
|
||
JSONExtract(raw, 'UTMContent', 'String') AS UTMContent,
|
||
JSONExtract(raw, 'UTMTerm', 'String') AS UTMTerm,
|
||
JSONExtract(raw, 'LastTrafficSource', 'String') AS LastTrafficSource,
|
||
JSONExtract(raw, 'HasGCLID', 'UInt8') AS HasGCLID,
|
||
JSONExtract(raw, 'YCLID', 'UInt64') AS YCLID,
|
||
JSONExtract(raw, 'Browser', 'String') AS Browser,
|
||
JSONExtract(raw, 'BrowserMajorVersion', 'UInt16') AS BrowserMajorVersion,
|
||
JSONExtract(raw, 'BrowserLanguage', 'String') AS BrowserLanguage,
|
||
JSONExtract(raw, 'OperatingSystem', 'String') AS OperatingSystem,
|
||
JSONExtract(raw, 'OperatingSystemRoot', 'String') AS OperatingSystemRoot,
|
||
JSONExtract(raw, 'DeviceCategory', 'UInt8') AS DeviceCategory,
|
||
JSONExtract(raw, 'MobilePhoneModel', 'String') AS MobilePhoneModel,
|
||
JSONExtract(raw, 'ScreenWidth', 'UInt16') AS ScreenWidth,
|
||
JSONExtract(raw, 'ScreenHeight', 'UInt16') AS ScreenHeight,
|
||
JSONExtract(raw, 'IPAddress', 'String') AS IPAddress,
|
||
JSONExtract(raw, 'RegionCountry', 'String') AS RegionCountry,
|
||
JSONExtract(raw, 'RegionCity', 'String') AS RegionCity,
|
||
JSONExtract(raw, 'RegionCountryID', 'UInt32') AS RegionCountryID,
|
||
JSONExtract(raw, 'RegionCityID', 'UInt32') AS RegionCityID,
|
||
JSONExtract(raw, 'GoalsReached', 'Array(UInt32)') AS GoalsReached,
|
||
JSONExtract(raw, 'ParsedParamsKey1', 'Array(String)') AS ParsedParamsKey1,
|
||
JSONExtract(raw, 'purchaseID', 'Array(String)') AS purchaseID,
|
||
JSONExtract(raw, 'purchaseRevenue', 'Array(Float64)') AS purchaseRevenue,
|
||
JSONExtract(raw, 'purchaseCurrency', 'Array(String)') AS purchaseCurrency,
|
||
JSONExtract(raw, 'purchaseCoupon', 'Array(String)') AS purchaseCoupon,
|
||
JSONExtract(raw, 'productID', 'Array(String)') AS productID,
|
||
JSONExtract(raw, 'productName', 'Array(String)') AS productName,
|
||
JSONExtract(raw, 'productCategory', 'Array(String)') AS productCategory,
|
||
JSONExtract(raw, 'productPrice', 'Array(Int64)') AS productPrice,
|
||
JSONExtract(raw, 'productQuantity', 'Array(UInt64)') AS productQuantity,
|
||
JSONExtract(raw, 'productEventType', 'Array(String)') AS productEventType,
|
||
JSONExtract(raw, 'ecommerce', 'String') AS ecommerce,
|
||
-- Метка загрузки переносится из сырья как есть, а не ставится заново:
|
||
-- она отвечает на вопрос «когда строка приехала в хранилище». Поставь
|
||
-- здесь now64(3) — и колонка версии молча ответила бы на другой вопрос.
|
||
_load_ts
|
||
FROM stg.hits_raw_dist
|
||
WHERE is_object AND keys_match AND key_fields_parsed;
|
||
|
||
-- Брак: буквальное отрицание того же предиката.
|
||
--
|
||
-- Классы брака пересекаются, поэтому проверяются по порядку, а в error_class
|
||
-- пишется первый совпавший. Скаляр проваливает и проверку на объект, и сверку
|
||
-- ключей — JSONExtractKeys от него даёт пустой массив (измерено на стенде
|
||
-- 7 августа 2026 года), — и без объявленного порядка попал бы то в один
|
||
-- класс, то в другой.
|
||
--
|
||
-- Предикат повторён здесь дословно, и это выбор, а не безвыходность: назвать
|
||
-- его один раз на две матвью позволил бы CREATE FUNCTION. Отвергнуто — условие
|
||
-- разбора ушло бы за имя, в отдельный объект со своей жизнью, и слой перестал
|
||
-- бы читаться по своему же DDL. Расхождения двух копий сторожит соседство:
|
||
-- обе живут в одном файле, в полусотне строк друг от друга.
|
||
CREATE MATERIALIZED VIEW IF NOT EXISTS ods.event_errors_mv ON CLUSTER clickstream_cluster
|
||
TO ods.event_errors_dist
|
||
AS
|
||
WITH
|
||
JSONType(raw) = 'Object' AS is_object,
|
||
arraySort(JSONExtractKeys(raw)) = arraySort([
|
||
'WatchID', 'VisitID', 'ClientID', 'CounterID', 'EventDate',
|
||
'UTCEventTime', 'ClientTimeZone', 'EventType', 'Sign',
|
||
'URL', 'Referer', 'Title', 'UTMSource', 'UTMMedium', 'UTMCampaign',
|
||
'UTMContent', 'UTMTerm', 'LastTrafficSource', 'HasGCLID', 'YCLID',
|
||
'Browser', 'BrowserMajorVersion', 'BrowserLanguage', 'OperatingSystem',
|
||
'OperatingSystemRoot', 'DeviceCategory', 'MobilePhoneModel',
|
||
'ScreenWidth', 'ScreenHeight', 'IPAddress', 'RegionCountry',
|
||
'RegionCity', 'RegionCountryID', 'RegionCityID',
|
||
'GoalsReached', 'ParsedParamsKey1',
|
||
'purchaseID', 'purchaseRevenue', 'purchaseCurrency', 'purchaseCoupon',
|
||
'productID', 'productName', 'productCategory', 'productPrice',
|
||
'productQuantity', 'productEventType', 'ecommerce'
|
||
]) AS keys_match,
|
||
JSONExtract(raw, 'WatchID', 'Nullable(UInt64)') IS NOT NULL
|
||
AND JSONExtract(raw, 'VisitID', 'Nullable(UInt64)') IS NOT NULL
|
||
AND JSONExtract(raw, 'ClientID', 'Nullable(UInt64)') IS NOT NULL
|
||
AND JSONExtract(raw, 'EventDate', 'Nullable(Date)') IS NOT NULL
|
||
AND parseDateTimeBestEffortOrNull(JSONExtractString(raw, 'UTCEventTime'))
|
||
IS NOT NULL AS key_fields_parsed
|
||
SELECT
|
||
raw,
|
||
multiIf(
|
||
NOT is_object, 'not_an_object',
|
||
NOT keys_match, 'keyset_mismatch',
|
||
'key_field_unparsed'
|
||
) AS error_class,
|
||
kafka_topic,
|
||
kafka_partition,
|
||
kafka_offset,
|
||
kafka_timestamp,
|
||
consumer_host,
|
||
_load_ts
|
||
FROM stg.hits_raw_dist
|
||
WHERE NOT (is_object AND keys_match AND key_fields_parsed);
|