clickstream-data-platform/docs/architecture/dds/session.md

Модель сессии в DDS

Учебный результат: менти строит расчётную сущность, которой нет в потоке, — режет события на сессии по правилу визита, чеканит идентификатор и сверяет свою нарезку с эталоном. Стенд здесь играет роль сессионизатора: в бою её играет Метрика, которая режет визиты у себя и с октября 2025 отдаёт готовый VisitID прямо в хитах. Поэтому стенд считает сессии сам, а VisitID генератора использует только как эталон самопроверки — иначе сборка dds.session выродилась бы в GROUP BY по чужому полю и центральный урок слоя пропал бы. Без этого абзаца действия стенда выглядят странно: «зачем считать то, что уже дано колонкой».

Зерно

Одна строка — один визит (CONTEXT.md): подряд идущие события одной куки без пауз длиннее 30 минут, не пересекающие границу суток. В нарезку входят все три типа событий — торговые садятся на свои страницы и держат сессию наравне с просмотрами. События внутри сессии упорядочиваются по метке времени события (UTCEventTime — опорная колонка приёма).

Граница суток проходит по модельному дню счётчика, и он у события уже есть: EventDate — свойство содержимого. Раз сессия сутки не пересекает, у всех её событий EventDate один; он и становится днём сессии — колонкой партиции, без пересчёта.

Идентификатор

Идентификатор сессии в природе не существует: сессия — расчётная сущность, и id ей чеканит тот, кто сессионизирует. VisitID — такой же суррогат, отчеканенный генератором в роли Метрики; наш — session_id, детерминированный хеш от пары «кука + начало сессии» (cityHash64). Детерминированность обязательна: партиция дня пересобирается заменой, и повторный прогон обязан отчеканить те же id — счётчик или UUID это правило ломают.

session_id — не ключ сортировки и не ключ шардирования, а колонка-ручка: витрины сессий читают таблицу напрямую, их зерно совпадает с зерном модели, и в соединениях id не участвует — события его не несут, мост к заказам живёт на событиях. Читатели ручки — лаба сессий (сопоставить свою нарезку со стендовой и назвать расхождение одним числом) и разбор DQ-расхождений.

Состав строки

Боевой образец — таблица визитов Метрики, парная к нашему формату хита; по ней состав и собран:

• ключи и времена: кука, session_id, начало и конец сессии, длительность, день сессии. Времена — в поясе счётчика по правилу слоя;
• счётчики: событий всего, просмотров, корзин, покупок;
• страницы: входная и выходная — как StartURL/EndURL визита; полного списка страниц нет и у Метрики, топы считаются по событиям;
• атрибуция: UTM-метки первого события сессии — так визит атрибутирует Метрика. В v1 витрина брала последнее касание — заменено осознанно;
• паспорт куки: категория устройства (расшифрованная, язык бизнес-модели) и город — у куки они постоянны, берутся с первого события;
• служебные: _load_id и _load_ts собравшего запуска — правило слоя (модель заказа, «Служебные колонки»).

Осознанные расхождения с образцом: денег в сессии нет — визит Метрики несёт клиентскую выручку, у нас деньги считает только бэкенд (спека, раздел 7), а клиентская сумма живёт в сверке; целей нет — их место заняли счётчики торговых событий.

Движок и наполнение

MergeTree без колонки версии, по образцу заказа: партиция — день сессии, ключ сортировки — кука и начало сессии, шардирование распределённой таблицы — cityHash64(ClientID), тем же выражением, что у событий, — ко-локация с dds.identity_map (дока хранилища, «Раскладка по шардам»).

Сборка — дневной батч после прихода слепка заказов: хранилище выше ODS по смыслу батчевое, раз второй источник приходит раз в сутки. К этому моменту события дня полны, и сессии только что прожитого дня собираются один раз и целиком; идемпотентность держит замена партиции. В отличие от заказов, где батч пересобирает до K «дышащих» дней, у сессий пересобирается только одна партиция: день самодостаточен и замерзает сразу (правило спеки, раздел 6). Внутри живого дня dds.session про сегодня честно молчит — «сегодня» смотрят через dds.event_v; сессия и по смыслу не финальна, пока день не прожит.

Источник сборки — dds.event_v; его контракт решает развилка #132, сессии нужны от него ключи нарезки, тип события, страница, UTM и паспорт куки. Механика запуска — где собирается партиция и как подменяется на кластере — не входит: это устройство трансформаций (#134, этап 5).

Сверка с эталоном

Счётная DQ-проверка с зерном «кука × день»: число сессий нашей нарезки равно uniqExact(VisitID) по тем же событиям. Счёт по Distributed ловит и склеенную, и разрезанную сессию — мимо него проходит лишь взаимная компенсация ошибок внутри одной куки за день; эталон в модель не тащим — строка сессии остаётся нашей, а не генераторной. Поштучное сопоставление границ — материал лабы, где менти разбирает найденное расхождение руками. Дом проверки — контур DQ этапа 4.

Читатели

• Витрина обзора сессий session_overview_v: длительности, глубина, вход/выход; читает таблицу напрямую, зерно совпадает (#135).
• DQ-сверка с эталоном (см. выше).
• Лаба сессий: менти собирает нарезку сам до знакомства с кодом стенда, потом сравнивает — с эталоном и со стендовой.

Не входит

• Механика запуска трансформации и замены партиций на кластере — #134 и этап 5.
• Контур проверок качества (даг DQ, dm.dq_summary) — отдельный разговор этапа 4.
• Форма витрин над сессиями — #135.

Отклонённые варианты

• Готовый VisitID вместо своей нарезки. Сборка выродилась бы в GROUP BY по чужому полю: центральный урок слоя съеден, сверка с эталоном осталась бы без предмета. Боевой довод «Метрика теперь отдаёт VisitID в хитах» честно рассказывается в лабе — после того как менти собрал сам.
• Гибрид: сборка по VisitID, DQ пересчитывает нарезку. Сторож на нарезку, которой сборка не делает; та же работа, что в варианте «считать сам», но урок спрятан в проверку.
• Представление вместо таблицы. Оконная сессионизация на каждое чтение; урок «слой — контракт, а не копия» уже закреплён за dds.event_v — доводы модели заказа, здесь они только сильнее.
• Счётчик или UUID вместо детерминированного хеша. Пересборка партиции выдала бы другие id — замена перестала бы быть идемпотентной.
• VisitID колонкой в строке сессии. Чужой чекан в своей модели: наша сессия обязана уметь расходиться с эталоном, на этом стоит сверка; поштучное сопоставление — лаба, не таблица.
• Массив посещённых страниц. Вес без читателя: вход и выход — как у визита Метрики, топы страниц считает витрина по событиям.
• UTM последнего касания (как в v1). Визит атрибутируется своим первым хитом; последнее касание — атрибуция другого уровня, не сессионного.
• Деньги в сессии. Выручка — только по бэкенду; клиентская сумма живёт в сверке (спека, разделы 4 и 7).

Связанные решения

• Модель заказа — прецедент замены партиций в DDS и правило служебных колонок слоя.
• Дока хранилища — раскладка по шардам, конвенции имён, часовые пояса.
• Мастер-спека, разделы 1.2 и 7 — VisitID как эталон самопроверки (принятое отступление приёмки), карта таблиц.
• CONTEXT.md — «Визит», «Граница суток», «День активности».