ddadmin
7c9eeedc40
Зачем Стенд поднимался пустым, и всякая приёмка следующих этапов начиналась с ручной заливки данных. Теперь `make up` сам приводит стенд к одному и тому же состоянию, а в git лежит то, чем это состояние проверяется. Что - Опись мира `data/world-inventory.json`: паспорт (зерно, версия генератора, хеш каталога) и по строке на каждый из восьми дней — дата, число событий, хеш байтов. Собирается `make inventory`, свежесть сторожит `test_inventory.py` — тем же способом, что свежесть описания выгрузки. - Разовая служба `world-init` вышла из-под профиля и играет в топик восемь дней при каждом подъёме; зависимый у неё — `airflow-init`, иначе `--wait` считает успешно отработавшую службу упавшей. - `scripts/wait-for-world.sh` — вторая половина `make up`: приём асинхронный, поэтому ждать надо доезда до `ods.event`, а не завершения заливки. Ограниченный цикл опроса, не пауза наугад. - Девятая проверка `make check-clickhouse`: подневный счёт событий против описи, рамка по датам стартового мира, счёт через `FINAL`. При расхождении называет, где искать, — в событиях или в браке. - Порог «день ≤ 30 с» снят из спеки генератора в обоих местах: замер дал 1,7 с, порог был выше факта в восемнадцать раз. На его месте — замеры с датой. Раздел 9 спеки закрыт: открытых вопросов не осталось. - Слова: «манифест» стал описью мира, «зерновой мир» — стартовым миром (решение владельца). Оба заведены в словарь CONTEXT.md. Проверка `make clean && make up` с нуля — 2 м 50 с, доехало ровно 401 185 событий. `make check-clickhouse` зелёный (8 с), `make smoke` зелёный (9 с), `make test` — 407 тестов за 71 с, `make lint`, `make typecheck`, `make config-test` зелёные. Что проверка умеет краснеть, снято двумя поломками: снос партиции 2026-06-03 дал диагноз «не доехали до ODS», негодная строка в сырье — «сломан разбор». Строки опыта убраны, день переигран, счёт вернулся. Тест свежести проверен молчаливой правкой цены в каталоге: покраснел. Ссылка: #42
104 lines
9.0 KiB
Markdown
104 lines
9.0 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 и уже уезжают: день-функция отдаёт по паре (зерно, D)
|
||
упорядоченный поток трёх видов — просмотр страницы, корзина, покупка, —
|
||
канонический сериализатор превращает его в JSON, а проигрыватель гонит в файл
|
||
или в Kafka. Клиентская сторона на этом целая; заказы бэкенда — за следующими
|
||
этапами.
|
||
|
||
## 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 описью, 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 садятся торговые события.
|
||
- `src/clickstream_generator/commerce.py` — торговые события: что легло в
|
||
корзину, что из этого куплено, деньги, номера заказов и сырой `ecommerce`.
|
||
Своя случайность, поэтому правка торговли трафик не двигает.
|
||
- `src/clickstream_generator/ids.py` — номера событий: неповторяющиеся и
|
||
ниже 2^53. Обещание одно на обе половины дня, поэтому и живёт отдельно.
|
||
- `src/clickstream_generator/serialize.py` — канонический сериализатор:
|
||
единственное место, где событие целиком превращается в JSON. Порядок ключей,
|
||
все 47 колонок всегда и форма на проводе — ISO-8601.
|
||
- `src/clickstream_generator/sinks.py` — приёмники: файл (одно событие — одна
|
||
строка) и Kafka (одно событие — одно сообщение). Про содержимое они не
|
||
знают; там же довод, почему у сообщения нет ключа.
|
||
- `src/clickstream_generator/player.py` — проигрыватель: гонит дни в приёмник
|
||
пачкой или с темпом живого дня. Состояния не хранит.
|
||
- `src/clickstream_generator/cli.py` — интерфейс запуска: параметры
|
||
аргументами или окружением, логи в стандартный вывод, итог кодом возврата.
|
||
- `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.
|
||
- `src/clickstream_generator/inventory.py` — сборка описи мира
|
||
([`data/world-inventory.json`](../data/world-inventory.json)): паспорт мира
|
||
и хеши восьми дней, которыми наполняется стенд. Руками не правят —
|
||
пересобирают целью `make inventory`.
|
||
- `tests/` — инварианты контракта, свежесть описания и обещания мира:
|
||
чистота от зерна, приток, гарантия двухкуковых пар, форма суточной волны
|
||
и сборка визитов по задокументированным правилам. Там же побайтовое
|
||
обещание, доведённое до диска: два прогона дня в файл дают тот же файл, а
|
||
строк в нём ровно столько, сколько событий.
|
||
|
||
## Команды
|
||
|
||
Проиграть день — [быстрый старт](../README.md#как-позвать-генератор) и `--help`.
|
||
|
||
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).
|