Данные для инкремента статусов

Упростить комментарии в решении
Решение домашки: customer_status SCD2
2025-12-21 21:41:01 +03:00 · 2025-12-21 21:32:40 +03:00 · 2025-12-21 21:26:01 +03:00 · 2025-12-21 21:09:52 +03:00 · 2025-12-21 20:23:20 +03:00 · 2025-12-21 20:23:07 +03:00
43 changed files with 3654 additions and 3522 deletions
@@ -1 +1,3 @@
 .env
+.idea
+.internal/
@@ -0,0 +1,35 @@
+# Repository Guidelines
+
+## Project Structure & Module Organization
+- Root `README.md` describes the learning roadmap (RU).
+- `dwh-modeling/` contains the article and demo DWH model; SQL lives in `dwh-modeling/sql` as ordered scripts `01_...sql`–`06_...sql`.
+- `postgres-bookings/` is a Dockerized PostgreSQL + demo “bookings” DB; start it first, then apply DWH scripts against the `demo` database.
+
+## Build, Test, and Development Commands
+- Start demo Postgres:  
+  `cd postgres-bookings && bash download_db.sh && docker compose up -d`
+- Open `psql` inside the container:  
+  `cd postgres-bookings && ./psql_sh`
+- Apply DWH schema from the repo root (after Postgres is up):  
+  `psql -h 127.0.0.1 -p 5432 -U postgres -d demo -f dwh-modeling/sql/01_ddl_stg-dds.sql`
+- Stop and reset the cluster when needed:  
+  `cd postgres-bookings && docker compose down -v`
+
+## Coding Style & Naming Conventions
+- SQL: PostgreSQL dialect, uppercase keywords, `snake_case` identifiers, 4-space indentation, and concise comments (`-- ...`).
+- SQL files: keep numeric prefixes (`01_`, `02_`, …) to reflect execution order and use descriptive suffixes like `ddl_*` / `dml_*`.
+- Shell: target `bash`, prefer simple, POSIX-friendly constructs; mirror the style of existing scripts in `postgres-bookings/`.
+
+## Testing Guidelines
+- There is no dedicated test framework; treat SQL scripts as executable documentation.
+- For `dwh-modeling/sql`, run scripts sequentially and rerun `04_validation.sql` after changes to ensure the demo model still loads and basic checks pass.
+- For `postgres-bookings`, after modifications run `docker compose up -d && ./psql_sh` and verify simple queries such as `SELECT COUNT(*) FROM bookings.flights;`.
+
+## Commit & Pull Request Guidelines
+- Commit messages are short, imperative or descriptive phrases (often in Russian), e.g. `Добавлено оглавление`, `Переработка структуры`; group related edits into a single commit.
+- Pull requests should focus on one topic, include a brief context, list of changes, and manual steps to reproduce or validate (commands you ran, expected results).
+
+## Security & Configuration Tips
+- Do not commit personal `.env` files or credentials; use local overrides only.
+- Demo credentials and ports in `postgres-bookings` are for local training only—never reuse them in shared or production environments.
+
@@ -1,17 +1,51 @@
+# О роадмапе
+
+Этот роадмап — конспект моих подходов к обучению Data Engineering.  
+Он подойдёт тем, кто хочет:
+- системно войти в профессию с нуля или близкого к нулю уровня;
+- закрыть пробелы в базе (SQL, Git, Python, DWH, Airflow, GreenPlum);
+- подготовиться к собеседованиям и первым рабочим задачам.
+
+Роадмап можно проходить самостоятельно или вместе со мной в формате менторства.  
+Если хотите идти с поддержкой ментора — напишите в Telegram: [@dementev_dev](https://t.me/dementev_dev).
+
+## Оглавление
+
+- [Основные знания](#основные-знания)
+- [Практика и инструменты](#практика-и-инструменты)
+- [Карьера и менторство](#карьера-и-менторство)
+- [Расширенные навыки](#расширенные-навыки)
+- [Софт скиллы](#софт-скиллы)
+- [Дополнительные материалы](#дополнительные-материалы)
+
+Рекомендуемый способ использования:
+- двигаться по разделам последовательно, не перепрыгивая через базу;
+- выполнять практику и домашки, а не только смотреть материалы;
+- возвращаться к разделам по мере появления реальных задач.
+
 # Основные знания

-## База по Git
+## Git и базовые инструменты
+
+### База по Git
 Что такое контроль версий, когда используется, ПОЧЕМУ и как мы в обучении будем использовать.
 Как создать репозиторий на GitHub, сохранять в нем изменения.
 - [Что такое Git для Начинающих / GitHub за 30 минут / Git Уроки - Youtube](https://www.youtube.com/watch?v=VJm_AjiTEEc)
+- [Git: Конфликты для Начинающих // Git Cherry Pick, Git Revert, Git Reset - Youtube](https://www.youtube.com/watch?v=F7FnnfnB9YY)
 - Книга [Pro Git](https://git-scm.com/book/ru/v2) - читать главу 1

-Основы Markdown
+### Основы Markdown
 - [Язык Markdown и файл README | Git и GitHub для начинающих - Youtube](https://www.youtube.com/watch?v=8lEDTrr-G4U)
 - [Markdown и его возможности: простой способ оформления текста](https://kurshub.ru/journal/blog/markdown-chto-eto/)
 - [Синтаксис Markdown: подробная шпаргалка для веб-разработчиков / Skillbox Media](https://skillbox.ru/media/code/yazyk-razmetki-markdown-shpargalka-po-sintaksisu-s-primerami/)

 Домашки по остальным темам тренируемся делать в Git, там же пишем документацию.
+
+**Когда блок Git и базовые инструменты считаем пройденным:**
+- вы уверенно создаёте репозиторий, коммитите изменения и отправляете их на GitHub;
+- имеете представление о работе с ветками: создание, переключение, что такое merge/PR и разруливание простых конфликтов;
+- оформляете базовую документацию в Markdown (README, заголовки, списки, ссылки, кодовые блоки).
+
 ## SQL
 ### База по SQL
 Книга: [PostgreSQL. Основы языка SQL](https://postgrespro.ru/education/books/sqlprimer) - Глава 1 "Введение в базы данных и SQL" + ДЗ
@@ -23,7 +57,9 @@
 - Подробнее про синтаксис: [PostgreSQL : Документация: 17: 7.8. Запросы WITH (Общие табличные выражения) : Компания Postgres Professional](https://postgrespro.ru/docs/postgresql/17/queries-with)

 Для дальнейшей тренировки и поддержания уровня можно использовать [Database - LeetCode](https://leetcode.com/problem-list/database/). Хорошая подборка задачек: [SQL 50 - Study Plan - LeetCode](https://leetcode.com/studyplan/top-sql-50/)
+
 ### Повышение знаний SQL
+
 Смотрим курс от Postgres Pro [DEV1](https://postgrespro.ru/education/courses/DEV1)
 Темы - от "Введение" до "SQL" включительно, "Управление доступом", "Резервное копирование". Для лучшего усваивания материала проделываем все примеры и домашние задания из конспектов лекция.   
 С темой "PL/pgSQL" можно ознакомиться обзорно.
@@ -38,120 +74,286 @@
 Вопросы оптимизации запросов хорошо описаны в курсе [QPT](https://postgrespro.ru/education/courses/QPT) от Postgres Pro. Полученные навыки применимы для работы в том числе с GreenPlum, и частично, другими БД.
 На момент написания, видеолекции были доступны только для старой версии Postgres 13, но ее вполне достаточно.

+### Моделирование данных
+Понимание того, **как устроены данные и зачем они нужны**, — ключ к качественным ETL-процессам.  
+Мы кратко разбираем:
+- Основные подходы: нормализованные (3NF) vs денормализованные (звезда, снежинка)
+- Что такое staging, marts, слои raw / clean / business
+- Как проектировать таблицы под конкретные сценарии использования
+
+Цель — не стать архитектором, а **уметь читать и объяснять структуру данных**, чтобы писать осмысленные запросы и трансформации.
+
+Материалы (включая демо DWH-модель из этого репозитория):
+- [Яндекс Практикум: что такое нормализация, простыми словами (для самых начинающих)](https://practicum.yandex.ru/blog/chto-takoe-normalizaciya-dannyh/)
+- [Базы данных. 1,2,3 нормальные формы. - Youtube](https://www.youtube.com/watch?v=zwQzL80U51c)
+- [Введение в структуру хранилища данных](dwh-modeling/README.md)
+- Теория про Slowly Changing Dimensions: [SCD](dwh-modeling/SCD.md)
+- Практика по моделированию статусов клиента: [домашка STG → ODS → DDS → DM](dwh-modeling/Homework_Customer_Status_DDS_DM.md)
+- Еще про Data Vault:
+  - Конспект и примеры из этого репозитория: [DataVault.md](dwh-modeling/DataVault.md)
+  - [DataVault за 10 минут - Youtube](https://www.youtube.com/watch?v=9oQs_wJ045I)
+  - Статья [«Что такое Data Vault: моделирование КХД для архитектора Big Data»](https://bigdataschool.ru/blog/what-is-data-vault/) — обзор, плюсы/минусы, контекст применения.
+  - [Гибкие методологии проектирования Data Vault и Anchor Modeling | Евгений Ермаков | karpov.courses](https://www.youtube.com/watch?v=fNGIOb8SJvU)
+  - Лекция в рамках курса по DWH: именно [«Основы Data Vault, создаем первую модель»](https://www.youtube.com/watch?v=65b99XCuiR4) — хороший формат: теория + пример.
+  - Доклад - практический пример: [Денис Лукьянов — Data Vault 2.0. Когда внедрять, проблемы применения при построении DWH на Greenplum](https://www.youtube.com/watch?v=oGwQbeP5iss)
+- Краткая теория про [DWH](https://halltape.github.io/HalltapeRoadmapDE/DWH/) - повторим еще раз, в другом изложении
+- Хорошее общее введение в модели данных дано в статье и докладе от Yandex: [Как мы внедрили свою модель хранения данных — highly Normalized hybrid Model. Доклад Яндекса](https://habr.com/ru/companies/yandex/articles/557140/)
+
+**Когда блок SQL считаем пройденным:**
+- вы уверенно пишете запросы с JOIN, агрегатами, подзапросами и CTE;
+- можете подробно объяснить план запроса в Postgres, понимаете где планировщик отработал корректно, а где - есть возможность улучшить;
+- можете объяснить простую модель данных (3NF/звезда) и прочитать схему DWH;
+- решаете типовые задачи уровня SQL live-coding без долгих пауз.
+
+
 ## Python
-2 курса по Python - простой и расширенный
- ["Поколение Python": курс для начинающих – Stepik](https://stepik.org/course/58852/info)
- ["Поколение Python": курс для продвинутых – Stepik](https://stepik.org/course/68343/info)
- Кратко(???) про ООП, менеджеры контекста
+
+- Если совсем не знакомы с Python, начинаем с курса ["Поколение Python": курс для начинающих – Stepik](https://stepik.org/course/58852/info)
+- Изучаем глубже и "оттачиваем" live coding: ["Поколение Python": курс для продвинутых – Stepik](https://stepik.org/course/68343/info)
+- Продолжение "базы", спрашиваемой на собеседованиях, по Python: ["Поколение Python": курс для профессионалов](https://stepik.org/course/82541/promo). Курс очень полезный, но платный. Вместо него можно почитать "продвинутые" темы дальше.
+- "Продвинутые" темы:
+  - [Полезные функции](https://pyneng.readthedocs.io/ru/latest/book/10_useful_functions/index.html)
+  - [Работа с файлами в формате CSV, JSON, YAML](https://pyneng.readthedocs.io/ru/latest/book/17_serialization/index.html)
+  - [Итераторы, итерируемые объекты и генераторы](https://pyneng.readthedocs.io/ru/latest/book/13_iterator_generator/index.html)
+  - [Декораторы Python: пошаговое руководство](https://habr.com/ru/companies/otus/articles/727590/)
+  - Работа с датой/временем: https://django.fun/docs/python/3.10/library/datetime/
+- ООП
+  - [Tproger: «ООП простыми словами»](https://tproger.ru/experts/oop-in-simple-words)
+  - Введение в [ООП](https://metanit.com/python/tutorial/7.1.php)
+  - [Яндекс Учебник: «Объектная модель Python: классы, поля и методы»](https://education.yandex.ru/handbook/python/article/obuektnaya-model-python-klassy-polya-i-metody)
+  - [Real Python: OOP in Python (tutorial)](https://realpython.com/python3-object-oriented-programming/)
+- Jupyter Lab
+  - [Блог Практикума: «Что такое Jupyter Notebook: как установить и открыть»](https://practicum.yandex.ru/blog/chto-takoe-jupyter-notebook/)
+  - Готовая реализация Jupyter Lab, включающая в себя Spark, в Docker: https://github.com/dementev-dev/jupyter-spark-docker
 - Pandas
- Jupyter Lab - кратко
+  - [GeeksforGeeks: “Why Pandas is Used in Python”](https://www.geeksforgeeks.org/pandas/why-pandas-is-used-in-python/)
+  - [Skillbox: «Для чего нужна библиотека Pandas»](https://skillbox.ru/media/code/rabotaem-s-pandas-osnovnye-ponyatiya-i-realnye-dannye/)
+  - [Official: “10 minutes to pandas”](https://pandas.pydata.org/docs/user_guide/10min.html)
+  - [Хабр (RUVDS): «Моя шпаргалка по pandas»](https://habr.com/ru/companies/ruvds/articles/494720/)
+  - [Tproger: «Наглядная шпаргалка по операциям с DataFrame»](https://tproger.ru/articles/pandas-data-wrangling-cheatsheet)

-Полезно, но дороговато и не обязательно: хорошее комбо SQL + Python: ["Поколение Python": профи + ООП + SQL – Stepik](https://stepik.org/course/233341/promo?search=7181036958)

-Цель - LiveCoding простых задач Python, далее нужно будет для создания DAG Airflow
+Полезно, но дороговато и не обязательно: хорошее комбо SQL + Python — ["Поколение Python": профи + ООП + SQL – Stepik](https://stepik.org/course/233341/promo?search=7181036958)
+
+Цель — уверенно решать простые задачи на Python в формате live-coding; дальше эти навыки пригодятся для создания DAG Airflow.
+
+**Когда блок Python считаем пройденным:**
+- вы без подсказок пишете небольшие скрипты с циклами, функциями, обработкой ошибок и работой с коллекциями;
+- умеете читать и модифицировать чужой код, в том числе с использованием pandas и DataFrame;
+- уверенно проходите простой live-coding по Python для DE: прочитать CSV/JSON, отфильтровать, сгруппировать данные и посчитать агрегаты.
+- можете отвечать как на простые вопросы собеседований (циклы, списки, словари), так и продвинутые (итераторы, декораторы, управление памятью, базовые понятия ООП)

 ## Технические навыки
-### Запись встреч
-OBS Studio
-[Настройка записи экрана](https://docs.google.com/document/d/1qd8uRYlAaZp9c5zpvCVBOvYQCEukGHI9PEPjnjahI1k/)

-### Git
-Книга: [Pro Git](https://git-scm.com/book/ru/v2) - указать главы для чтения
-[Курс работы с Git и GitLab - ЭФКО ЦПР | YouTube плейлист](https://www.youtube.com/playlist?list=PLbf8m52BvqlFlblJqQKPuEU26pwgqe7zK) - указать номера лекций для просмотра и повторения за лектором.
+### Продвинутый Git
+- Сжатый, но емкий видеогайд: [GIT, GitHub, GitLab. Полный АКТУАЛЬНЫЙ гайд ЗА ПОЛТОРА ЧАСА. Без этого выгонят с работы - Youtube](https://www.youtube.com/watch?v=0Y-fneoUIO8)
+- Книга: [Pro Git](https://git-scm.com/book/ru/v2) - главы 
+    - 2 Основы Git
+    - 3 Ветвление в Git
+    - 5 Распределённый Git
+    - 6 GitHub
+- [Курс работы с Git и GitLab - ЭФКО ЦПР | YouTube плейлист](https://www.youtube.com/playlist?list=PLbf8m52BvqlFlblJqQKPuEU26pwgqe7zK). Настоятельно рекомендую проделать за лектором все те действия что он показывает.
+
 Целевой уровень знания - понимание процесса GitFlow. Как создать ветку, влить изменения в другие ветки. Понимание, зачем.
 На собесах обычно не спрашивают, но нужно в работе.

 ### Docker
- Postgres (развертывание, допиливание, запекание в него учебной БД, выгрузка на docker hub)
- Основа для будущих домашних работ - сборка стендов. Хранение в Git и проверка ментором.
+- Курс https://karpov.courses/docker

-### Методы разработки (водопад, scrum, kanban)
-Найти краткие обзоры методов разработки. Потом проговорить на занятии, когда что используется
+Основное предназначение для нас - учебные стенды, где мы разбираем и тренируемся с разными технологиями. На работе - иногда пригождается. На собесах спрашивают редко.
+
+### Методы разработки
+
+Кратко знакомимся с основными подходами к организации работы в IT: 
+
+- **Водопад** — последовательная разработка,
+- **Scrum / Kanban** — гибкие методологии, популярные в data-командах.
+
+Понимание этих концепций помогает быстрее адаптироваться в новых проектах и правильно интерпретировать требования.
+
+### Запись встреч
+OBS Studio
+- Руководство по OBS: [OBS Studio - Настройка ОБС для Записи Игр и Стрима | Настройка Микрофона в Обс и т.д - Youtube](https://www.youtube.com/watch?v=bj8VEphZ65U)
+- [Как записывать собеседования](https://docs.google.com/document/d/1qd8uRYlAaZp9c5zpvCVBOvYQCEukGHI9PEPjnjahI1k/)
+
+**Когда блок технических навыков считаем пройденным:**
+- вы понимаете базовый GitFlow: как организована работа с ветками в команде и как ваши коммиты попадают в прод;
+- используете Docker для учебных стендов: запускаете контейнеры, смотрите логи и при необходимости перезапускаете сервисы;
+- ориентируетесь в основных методологиях разработки (Scrum/Kanban/водопад) и понимаете, как в них живут задачи и отчётность;
+- при необходимости умеете настроить запись экрана/созвонов, чтобы сохранять материалы обучения.
+
+# Практика и инструменты

 ## Airflow
-Один из основных инструментов.
-Упрощенный docker compose: https://github.com/LexxaRRioo/rzv_de_shared_folder/tree/main/docker_compose
-Найти объяснение для менти...
+Apache Airflow — инструмент для оркестрации ETL-процессов.
+
+Мы используем его для: 
+- планирования задач,
+- отслеживания зависимостей между шагами,
+- визуализации статуса выполнения.
+
+Материалы:
+- [Учебник по Airflow](https://github.com/dementev-dev/airflow-manual)
+
+**Когда блок Airflow считаем пройденным:**
+- вы можете объяснить, что такое DAG, задачи, операторы и сенсоры, и как между ними задаются зависимости;
+- на базе учебного стенда подготавливаете, отлаживаете и запускаете свои DAG'и с расписанием и несколькими шагами (например, загрузка данных и последующие трансформации);
+- уверенно смотрите логи, находите место падения и понимаете, как перезапустить задачу.
+
+## Greenplum
+Разбираем, чем Greenplum отличается от PostgreSQL и зачем нужны MPP-хранилища.
+
+Предварительно:
+- Простое введение: [Greenplum | Что это такое и как оно работает? - Youtube](https://www.youtube.com/watch?v=rLG9Z_HcKPY)
+- Оно же, но текстом: https://halltape.github.io/HalltapeRoadmapDE/GREENPLUM/
+- [Визуализатор распределения Greenplum](https://gpskew.rzvde.pro/)
+- Бесплатный, но большой учебный курс от Yandex: https://yandex.cloud/ru/training/greenplum
+- [Учебный курс по Greenplum от datafinder](https://datafinder.ru/products/uchebnyy-kurs-po-greenplum) — взять только отдельные главы.
+
+Практика: 
+- [DE Starter Kit — Airflow + Greenplum + CSV](https://github.com/dementev-dev/airflow-greenplum)
+
+Сложные варианты с виртуалками — только если менти сильно захочет, в базовый путь не включаем.
+
+**Когда блок Greenplum считаем пройденным:**
+- вы понимаете, как данные распределяются по сегментам, что такое skew и как его увидеть;
+- на базе учебного стенда (например, DE Starter Kit) можете загружать и выгружать данные в Greenplum, выполнять запросы и разбирать планы выполнения (`EXPLAIN`);
+- можете объяснить, в чём практическая разница между MPP-хранилищем и одиночным Postgres на уровне типичных задач DE и собеседований.

 ## Курсовая работа
+К финалу роадмапа мы собираем небольшую end-to-end курсовую работу — свой первый «боеподобный» data-проект.
+
 ### Стенд в Docker Compose 
- Apache Airflow
-    - Источник данных - TelecomX
- Postgres
- ETL
- Исходные коды всего - в Git
+- Apache Airflow — оркестратор;
+    - источник данных — TelecomX (или аналогичный открытый датасет);
+- Greenplum — основное хранилище;
+- вспомогательный Postgres (по желанию);
+- ETL-скрипты и DAG'и;
+- исходные коды всего — в отдельном Git-репозитории.
+
+В качестве альтернативы файловому источнику можно использовать генератор данных для демо-базы `bookings` от Postgres Pro: https://github.com/postgrespro/demodb.  
+Его удобнее всего встроить в стенд DE Starter Kit (Airflow + Greenplum) как отдельный сервис Postgres с регулярно генерируемыми данными и уже оттуда забирать их в Greenplum (в том числе через PXF, если хочется усложнить архитектуру).
+
+**Когда блок курсовой работы считаем пройденным:**
+- у вас есть отдельный репозиторий с docker-compose, DAG'ами Airflow, SQL-скриптами и README по проекту;
+- стенд поднимается локально, DAG'и успешно прогоняются на тестовых данных от загрузки сырья до витрин;
+- вы можете на собеседовании за 5–10 минут рассказать архитектуру курсового проекта, его цели и показать ключевые части кода.

 ## Понятие сложности алгоритмов
-### SQL
-### Python
+В Data Engineering редко требуется писать сложные алгоритмы, но важно понимать, как оценивать эффективность кода: 
+
+- в SQL — через объём сканируемых данных, типы JOIN’ов, использование индексов;
+- в Python — через асимптотику операций с pandas/списками (например, O(n) vs O(n²)).
+
+Это помогает избегать «тормозящих» решений на собеседованиях и в реальных пайплайнах.
+
+# Карьера и менторство
+
+## Менторство по этому роадмапу
+
+Если вы нашли этот роадмап в интернете и хотите пройти его не в одиночку, а с поддержкой ментора, можно присоединиться ко мне.
+
+**Что даёт менторство:**
+- структурный план прохождения роадмапа под вашу ситуацию;
+- разбор вопросов по SQL / DWH / Airflow и другим темам из этого документа;
+- разбор домашних заданий и код-ревью;
+- помощь с подготовкой к собеседованиям (резюме, мок-интервью).
+
+**Как записаться**
+
+Просто напишите мне в Telegram: [@dementev_dev](https://t.me/dementev_dev)  
+со словами «Хочу пройти роадмап с ментором» — дальше всё обсудим.
+
 ## Подготовка к собеседованиям
-Думаем, как "сделать" опыт, от 2 лет
+Цель блока — сформировать «опыт от 2 лет» и уметь корректно его показать в резюме и на собеседовании.
+
 ### Помощь в подготовке резюме
+
 - Видео от ОМ по составлению резюме
    - [Как накрутить опыт в резюме | «Ультимативный гайд» ‪@digital_ninja‬](https://www.youtube.com/watch?v=EPuogJuYsvY)
-    -  [Как писать резюме, чтобы его читали - доклад - Boosty](https://boosty.to/m0rtymerr/posts/71b02a6b-8116-466a-b945-b2ed793abd8f)
+    - [Как писать резюме, чтобы его читали - доклад - Boosty](https://boosty.to/m0rtymerr/posts/71b02a6b-8116-466a-b945-b2ed793abd8f)
    - [Как грамотно продать себя на собеседовании / Созвон сообщества - Boosty](https://boosty.to/m0rtymerr/posts/7289cd23-60c6-4010-bb1c-a5b28dac399a)
- Попытки менти написать, моя обратная связь - итеративно
+- Попытки менти написать резюме, моя обратная связь — итеративно.
+
+### Навыки поиска работы с HH и Habr карьера
+
+- [Как подтвердить опыт без трудовой / Хабр против работяг](https://www.youtube.com/watch?v=GHqABzA1zi8)
+- [Как успешно пройти испытательный срок в IT | «Ультимативный гайд» c @digital_ninja - Youtube](https://www.youtube.com/watch?v=r1lWP5rYVdk)
+- Видео по прохождению собесов от ОМ.
+- Мои комментарии к нему, мой опыт
+- Первые тренировки мок собесы, обратная связь
+
 ### Помощь с прохождением испытательного срока
+
 - [Как успешно пройти испытательный срок в IT | «Ультимативный гайд» c @digital_ninja - Youtube](https://www.youtube.com/watch?v=r1lWP5rYVdk)
 - [Испытательный срок - доклад - Boosty](https://boosty.to/m0rtymerr/posts/40e7f17e-022b-495c-8d03-dabbe4383b8e)
-Видео по прохождению собесов от ОМ. Мои комментарии к нему, мой опыт
-Первые тренировки мок собесы, обратная связь

-Навыки поиска работы с  HH и Habr карьера
-
-[Как накрутить опыт в резюме | «Ультимативный гайд» ‪@digital_ninja‬](https://www.youtube.com/watch?v=EPuogJuYsvY)
-[Как подтвердить опыт без трудовой / Хабр против работяг](https://www.youtube.com/watch?v=GHqABzA1zi8)
-[Как успешно пройти испытательный срок в IT | «Ультимативный гайд» c @digital_ninja - Youtube](https://www.youtube.com/watch?v=r1lWP5rYVdk)
+**Когда блок подготовки к собеседованиям считаем пройденным:**
+- у вас есть актуальное резюме под DE с понятными примерами проектов вместо «пустого» опыта;
+- вы умеете искать и отбирать вакансии на HH и Habr Карьера, адаптируя отклики под конкретную позицию;
+- вы прошли хотя бы пару мок-собеседований, получили обратную связь и по результатам доработали резюме и стратегию поиска.

 # Расширенные навыки
-Поясняю, что главное - уметь пользоваться и отвечать на вопросы собесов. Уметь самому разворачивать сложные конфигурации - излишне, для этого в компаниях обычно есть DevOps и DBA. Достаточно прочувствовать на простом docker стенде.
-## Greenplum
-Дать теоретический материал - разница с Postgres.
-Предварительно: [Учебный курс по Greenplum](https://datafinder.ru/products/uchebnyy-kurs-po-greenplum) - дать только отдельные главы
-Контейнер с GreenPlum, несколько домашек по нему, чтобы прочувствовать работу распределенных запросов.
- [sergeyosechkin/greenplum Tags | Docker Hub](https://hub.docker.com/r/sergeyosechkin/greenplum/tags)
- [Как собрать Docker-образ Greengage DB | Greengage DB Docs](https://greengagedb.org/ru/docs-gg/current/use_docker.html)
-В сложности с виртуалками - только если менти сильно захочет. Не буду рекомендовать.
+Эти темы выходят за рамки базового минимума для старта в Data Engineering, но дают более полное представление об экосистеме.  
+Их цель — понимать, зачем и когда используется тот или иной инструмент, а не осваивать его на уровне администратора или DevOps-инженера.
+
+Мы кратко знакомимся с:
+
+- **Apache NiFi** и **Kafka** — инструментами для построения потоковых и интеграционных пайплайнов;
+- **ClickHouse** — колоночной СУБД для высоконагруженной аналитики;
+- **dbt** — подходом к трансформации данных как кода.
+
+Практика ограничивается минимальным рабочим примером (например, запуск в Docker, простой пайплайн или SQL-модель).
+
+Этого достаточно, чтобы уверенно говорить об инструменте на собеседовании и понимать его место в архитектуре — а всё остальное при необходимости осваивается уже на проекте.

 ## ClickHouse
 Бесплатный курс https://yandex.cloud/ru/training/clickhouse  
 Платный курс [ClickHouse для аналитика – Stepik](https://stepik.org/course/100210/promo?search=6551441002)  

 ## NiFi
-Плейлист [Apache NiFi с нуля за 3 часа. Конструктор вместо кода - Youtube](https://youtube.com/playlist?list=PL4MpKy3QjNp_rOEEibc4Ro8UK4g8vLX6_&si=W_hidjHmBOZ_aUfS) - первые 4 видео. Дальше - по желанию.
-Делаем отдельный docker compose Postgres + Nifi
-В NiFi собираем генератор данных
+Плейлист [Apache NiFi с нуля за 3 часа. Конструктор вместо кода - Youtube](https://youtube.com/playlist?list=PL4MpKy3QjNp_rOEEibc4Ro8UK4g8vLX6_&si=W_hidjHmBOZ_aUfS) — первые 4 видео, дальше — по желанию.
+
+Практика:
+- собираем отдельный стенд в Docker Compose с Postgres и NiFi;
+- в NiFi настраиваем простой генератор данных.

 ## Kafka
 [Лучший Гайд по Kafka для Начинающих За 1 Час - Youtube](https://www.youtube.com/watch?v=hbseyn-CfXY)
-Добавляем к предыдущему docker compose Kafka. 
-Строим поток данных NiFi->Kafka
-Kafka->NiFi->Postgres
+
+Практика:
+- расширяем предыдущий стенд, добавляя Kafka;
+- строим поток данных: NiFi → Kafka;
+- добавляем обратный поток: Kafka → NiFi → Postgres.

 ## dbt
-Обзорная лекция, для понимания смысла
+dbt (data build tool) — инструмент для трансформации данных в хранилище.
+
+Мы рассматриваем его как альтернативу «ручному» написанию сложных CTE и для понимания современного подхода к моделированию данных как кода.
+
+**Когда блок расширенных навыков считаем пройденным:**
+- вы можете на собеседовании кратко объяснить, когда уместны NiFi/Kafka, ClickHouse и dbt, и чем они дополняют базовый стек (Postgres, Airflow, Greenplum);
+- понимаете типичные сценарии: потоковые интеграции и очереди (Kafka/NiFi), аналитические витрины и отчёты на ClickHouse, трансформации данных в dbt;
+- не боитесь увидеть эти инструменты в описании вакансии и можете поддержать содержательный разговор об их месте в архитектуре.

 # Софт скиллы
 - [Все ветви дохода в IT / Полный гайд по деньгам](https://youtube.com/live/JHClTWwK1EM)
 - [Гайд как писать отзывы](https://boosty.to/m0rtymerr/posts/b04040ec-0f46-4524-9c75-188a513140ad?share=post_link)  
 - [Гайд по Антистрессу](https://youtu.be/bu0YiXOKaoU)

-# Тех. материалы несортировано
+# Дополнительные материалы
 - [ananevsyu/SandBox_DB_public: Песочница для изучения различных технологий связанных с инженерией данных](https://gitflic.ru/project/ananevsyu/sandbox_db_public)
    - Клон проекта [dementev_dev/sandbox_db_public-форк](https://gitflic.ru/project/dementev_dev/sandbox_db_public-fork)
 - [Индексы в БД - Youtube](https://www.youtube.com/watch?v=DyqtBiDrz3g)
 - [Spark + Iceberg in 1 Hour - Memory Tuning, Joins, Partition - Youtube](https://www.youtube.com/watch?v=3R-SLYK-P_0)
+- [Введение в устройство Parquet и Iceberg - habr](https://habr.com/ru/companies/vktech/articles/959398/)
 - [Введение в Apache Iceberg. Основы, архитектура, как работает?](https://ivan-shamaev.ru/apache-iceberg-tutorial-architecture-how-to-work/#__Apache_Iceberg-2)
 - [Алгоритмы: теория и практика. Методы – Stepik](https://stepik.org/course/217/info)
 - [Алгоритмы: теория и практика. Структуры данных – Stepik](https://stepik.org/course/1547/promo)
 - [Apache Hadoop для самых маленьких: HDFS, RACK-AWARENESS, репликация и Data Locality - Youtube](https://youtu.be/0fsY5bW2l84)
- [■ Книга. Введение в Apache Kafka для системных аналитиков и проектировщиков интеграций](https://systems.education/kafka)
- 
+- [Книга. Введение в Apache Kafka для системных аналитиков и проектировщиков интеграций](https://systems.education/kafka)
+- [Перевод документации dbt на русский язык](https://docs.getdbt.tech/)

 ## Записи ОМ
 - [Как пройти собеседование на программиста | Ультимативный гайд с ‪@om_nazarov‬ - Youtube](https://www.youtube.com/watch?v=tzSdiYZ52kI)
 - [Как стать программистом в 2025 | «Ультимативный гайд» с ‪@om_nazarov‬](https://www.youtube.com/watch?v=6151ekTOl38)
- 
-
-
@@ -1,21 +0,0 @@
-# Airflow Configuration
-AIRFLOW_USER=admin
-AIRFLOW_PASSWORD=admin
-
-# PostgreSQL (Airflow metadata)
-PG_USER=airflow
-PG_PASSWORD=airflow
-PG_DB=airflow
-
-# Greenplum Configuration
-GP_USER=gpadmin
-GP_PASSWORD=gpadmin
-GP_DB=gpadmin
-GP_HOST=greenplum
-GP_PORT=5432
-GP_CONN_ID=greenplum_conn
-GP_USE_AIRFLOW_CONN=true
-
-# CSV Pipeline
-CSV_DIR=/opt/airflow/data
-CSV_ROWS=1000
@@ -1,10 +0,0 @@
-.vscode/settings.json
-
-# Do not commit secrets
-.env
-.env.*
-__pycache__/
-*/__pycache__/
-*.pyc
-.venv/
-data/
@@ -1 +0,0 @@
-3.11
@@ -1,57 +0,0 @@
-# Repository Guidelines (для агентa и контрибьюторов)
-
-Эта репа — учебный стенд для студентов (менти), которые только начинают с Airflow/Greenplum и Python. Пожалуйста, держите решения простыми, стабильными и хорошо объяснёнными.
-
-## Структура проекта
- `airflow/dags/` — DAG-файлы (например, `csv_to_greenplum.py`, `data_quality_greenplum.py`).
- `airflow/requirements.txt` — зависимости, которые ставятся внутри контейнеров Airflow.
- `sql/` — DDL и вспомогательные SQL (например, `sql/ddl_gp.sql`).
- `docker-compose.yml` — Greenplum, Airflow, Postgres (мета-БД).
- `Makefile` — удобные команды для локальной работы.
- `.env(.example)` — настройки окружения (реальные секреты не коммитим).
-
-## Команды (основные)
- `make up` — поднять весь стек.
- `make airflow-init` — инициализировать мета-БД Airflow и создать пользователя.
- `make logs` — логи webserver и scheduler.
- `make ddl-gp` — применить DDL к Greenplum.
- `make gp-psql` — открыть `psql` в контейнере Greenplum от `gpadmin`.
- `make down` — остановить и удалить тома (данные будут потеряны).
-
-Пример: `make up && make airflow-init`, затем открыть `http://localhost:8080`.
-
-## Локальное Python‑окружение
- Используем `uv`: достаточно `uv sync` (или `make dev-sync`) — подтянет Python, создаст `.venv`, установит зависимости.
- `make dev-setup` полезен при смене версии Python (выполнит `uv python install` + `uv python pin` перед `uv sync`).
- Проверки: `make test`, `make lint`, `make fmt` (выполняются через `uv run`).
- Не используем `pip install --user`; если что‑то попало в user‑site — удалить `pip uninstall <package>` и проверить `pip list --user`.
- В IDE выбираем интерпретатор из `.venv`.
-
-## Стиль кода
- Python: PEP 8, 4 пробела, `snake_case`; `dag_id` — `lower_snake_case`.
- Импорты: stdlib → third‑party → local, по одному модулю в строке.
- SQL: ключевые слова UPPERCASE, идентификаторы `snake_case`, завершаем `;`.
- Форматирование: `black` (88 cols) и `isort`. Если не уверены — запустите `make fmt`.
- Язык: комментарии, docstring и документацию — на русском; имена идентификаторов — на английском.
-
-## Тестирование
- Тесты лежат в `tests/` (pytest). Запуск: `make test`.
- Есть юнит‑тесты для `helpers/greenplum.py` и smoke‑тесты DAG‑структуры (`tests/test_dags_smoke.py`).
- Smoke‑тесты DAG автоматически пропускаются, если Airflow не установлен в venv.
- Для ручного прогона стенда см. `TESTING.md` (пошаговый чек‑лист для студентов).
-
-## Pull Requests
- Conventional Commits: `feat:`, `fix:`, `docs:`, `chore:`, `refactor:`. Пример: `feat(dags): load orders to Greenplum`.
- Держите изменения минимальными и локальными. Не переименовывайте Make‑таргеты без обновления документации.
- В описании PR добавляйте скрин DAG‑графа или логи задач, если менялась логика.
- При изменении схемы/поведения — обновляйте `README.md` и `sql/ddl_gp.sql`.
-
-## Безопасность и конфигурация
- Все настройки — через `.env`; креды в коде не хардкодим. Частые переменные: `GP_*`, `PG_*`, `AIRFLOW_*`, `CSV_*`.
- `make down` удаляет тома — предупреждайте студентов, что данные пропадут.
-
-## Для агента (особенности аудитории)
- Пишите простыми словами. Добавляйте короткие комментарии к нетривиальной логике.
- Избегайте больших рефакторингов и сложных паттернов — студенты только начинают.
- Ошибки и логи — дружелюбные и понятные (лучше с подсказкой «что сделать дальше»).
- Перед релевантными правками валидируйте локально: `make up && make airflow-init`, затем откройте DAG в UI и/или прогоните `make test`.
@@ -1,48 +0,0 @@
-SHELL := /bin/bash
-UV := uv
-PYTHON_VERSION := 3.11
-
-.PHONY: up down airflow-init logs gp-psql ddl-gp dev-setup dev-sync dev-lock test lint fmt clean-venv
-
-up:
-	docker compose -f docker-compose.yml up -d
-
-down:
-	docker compose -f docker-compose.yml down -v
-
-airflow-init:
-	docker compose -f docker-compose.yml run --rm airflow-init
-
-logs:
-	docker compose -f docker-compose.yml logs -f airflow-webserver airflow-scheduler
-
-gp-psql:
-	docker compose -f docker-compose.yml exec greenplum bash -c "su - gpadmin -c '/usr/local/greenplum-db/bin/psql -p 5432 -d gpadmin'"
-
-ddl-gp:
-	docker compose -f docker-compose.yml exec greenplum bash -c "su - gpadmin -c '/usr/local/greenplum-db/bin/psql -d gpadmin -f /sql/ddl_gp.sql'"
-
-dev-setup:
-	$(UV) python install $(PYTHON_VERSION)
-	$(UV) python pin $(PYTHON_VERSION)
-	$(UV) sync
-
-dev-sync:
-	$(UV) sync
-
-dev-lock:
-	$(UV) lock --upgrade
-
-test:
-	$(UV) run pytest -q
-
-lint:
-	$(UV) run black --check airflow tests
-	$(UV) run isort --check-only airflow tests
-
-fmt:
-	$(UV) run black airflow tests
-	$(UV) run isort airflow tests
-
-clean-venv:
-	python -c "import shutil; shutil.rmtree('.venv', ignore_errors=True)"
@@ -1,275 +0,0 @@
-# DE Starter Kit — Airflow + Greenplum + CSV
-
-Добро пожаловать в учебный стенд для изучения основ Data Engineering! Этот проект поможет вам освоить ключевые инструменты современных data pipeline: **Airflow** для оркестрации, **pandas/CSV** для подготовки данных и **Greenplum** как аналитическую базу данных.
-
-## 🎯 Что вы узнаете
-
- Как настроить локальный стек данных с помощью Docker
- Как Airflow управляет workflow и координирует задачи
- Как генерировать датасеты через pandas и сохранять их в CSV
- Как загружать данные в Greenplum пакетами и избегать дублей
- Как проверять качество данных в автоматизированных pipeline
- Основы проектирования ETL/ELT процессов
-
-## 👩‍🎓 Для студентов (10‑минутный чек‑лист)
-
- Установите Docker Desktop и Git.
- Скопируйте настройки: `cp .env.example .env`.
- Поднимите стенд: `docker compose up -d` и инициализируйте Airflow: `docker compose run --rm airflow-init`.
- Откройте UI: http://localhost:8080 (admin/admin).
- Включите и запустите DAG `csv_to_greenplum`. Дождитесь Success.
- Проверьте данные: `make gp-psql` → `SELECT COUNT(*) FROM public.orders;`.
- Дополнительно: запустите `greenplum_data_quality` — все проверки должны быть зелёные.
-
-Если что‑то не работает — смотрите «Типичные проблемы» и «Быстрый reset» ниже.
-
-## Локальное окружение разработчика
-
-Локальным окружением управляет [uv](https://docs.astral.sh/uv/) — он скачивает нужный Python и создаёт `.venv` на основе `pyproject.toml` / `uv.lock`.
-
-```bash
-uv sync
-```
-
-`uv sync` сам подтянет версию Python из `.python-version`/`pyproject.toml`, создаст `.venv` и установит зависимости. Для тех же действий можно использовать `make dev-sync`. Цель `make dev-setup` (или вручную `uv python install` + `uv python pin`) нужна только когда вы меняете версию Python или прогреваете кэш.
-
-> Если требуется «классическое» активированное окружение, после `uv sync` выполните `.\.venv\Scripts\Activate.ps1` в PowerShell или `source .venv/bin/activate` в Unix-терминале.
-
-Проверки и форматирование выполняем через uv:
-
-```bash
-make test            # uv run pytest -q
-make lint            # black/isort в режиме проверки
-make fmt             # автоформатирование black + isort
-```
-
-### Быстрый старт с uv
-
-```bash
-uv sync
-uv run pytest -q
-uv run black --check airflow tests
-```
-
-> Не устанавливайте пакеты напрямую через `pip install --user ...`. Если что-то уже попало в user-site, удалите `pip uninstall <package>` и проверьте `pip list --user`.
---
-
-## 🚀 Быстрый старт (для новичков)
-
-### Шаг 1: Подготовка окружения
-
-**Требования:**
- Docker Desktop (Windows/Mac) или Docker Engine 24+ (Linux)
- Git для клонирования репозитория
-
-> 💡 **Совет:** Если у вас Windows, рекомендуем использовать WSL (Windows Subsystem for Linux) для лучшей совместимости.
-
-### Шаг 2: Настройка проекта
-
-```bash
-# Скопируйте файл настроек
-cp .env.example .env
-
-# Запустите стек (это может занять 2-3 минуты при первом запуске)
-docker compose up -d
-
-# Инициализируйте Airflow
-docker compose run --rm airflow-init
-```
-
-### Шаг 3: Первый запуск pipeline
-
-1. Откройте Airflow UI: **http://localhost:8080** (логин/пароль: admin/admin)
-2. Найдите DAG с названием **csv_to_greenplum**
-3. Нажмите на переключатель слева от названия DAG, чтобы включить его
-4. Нажмите кнопку **Trigger** (значок воспроизведения ▶️)
-
-🎉 **Поздравляем!** Вы только что запустили свой первый data pipeline:
- Система сгенерировала 1000 тестовых заказов при помощи pandas
- Датасет сохранился в CSV-файл в каталоге `./data`
- Airflow загрузил данные из CSV в Greenplum без дублей по `order_id`
-
-### Шаг 4: Проверка результатов
-
-**Проверка вручную:**
-```bash
-# Подключитесь к Greenplum и проверьте данные
-docker compose exec greenplum bash -c "su - gpadmin -c 'psql -p 5432 -d gpadmin'"
-
-# Внутри psql выполните:
-\dt                    # Показать таблицы
-SELECT count(*) FROM public.orders;  # Посчитать записи
-
-# Посмотреть несколько строк
-SELECT * FROM public.orders LIMIT 5;
-```
-
-CSV-файлы после выполнения DAG остаются в директории `./data`. Их можно открыть любым редактором или изучить через pandas.
-
-### Быстрый reset
-
-Если после изменений что‑то «сломалось»:
-
-```bash
-make down                 # Остановить и стереть данные в контейнерах
-make up && make airflow-init
-```
-
-Это помогает, когда Greenplum не стартует из‑за «грязной» остановки и внутренних файлов.
-
---
-
-## 🛠️ Подробная настройка (для уверенных пользователей)
-
-### Установка Make (опционально)
-
-Для удобства работы с проектом рекомендуем установить `make`:
-
- **Linux (Debian/Ubuntu):** `sudo apt install -y make`
- **macOS:** `brew install make`
- **Windows:** 
-  - WSL: `sudo apt install -y make`
-  - Chocolatey: `choco install make`
-  - Scoop: `scoop install make`
-
-С `make` команды становятся короче:
-```bash
-make up && make airflow-init    # Запуск стека
-make logs                       # Просмотр логов
-make gp-psql                    # Подключение к Greenplum
-```
-
-### Настройка подключения к Greenplum в Airflow
-
-По умолчанию DAG использует переменные окружения, но вы можете создать Airflow Connection:
-
-1. Airflow UI → **Admin → Connections → Add a new record**
-2. Заполните поля:
-   - **Conn Id:** `greenplum_conn`
-   - **Conn Type:** `Postgres`
-   - **Host:** `greenplum`
-   - **Schema:** `gpadmin`
-   - **Login:** `gpadmin`
-   - **Password:** `gpadmin`
-   - **Port:** `5432`
-
---
-
-## 📋 Что входит в стенд
-
-### Основные компоненты
- **Greenplum** — аналитическая база данных для хранения и анализа данных
- **Airflow** — оркестратор workflow и задач
- **Postgres** — база метаданных для Airflow
- **pandas** — библиотека для генерации и анализа данных в формате CSV
-
-### Готовые DAG (workflow)
- **csv_to_greenplum** — базовый pipeline: pandas → CSV → Greenplum
- **greenplum_data_quality** — проверки качества данных (наличие таблицы, схема, дубликаты)
-
-### Полезные команды
-```bash
-# Основные команды
-make up                 # Запустить весь стенд
-make down               # Остановить и удалить данные
-make airflow-init       # Инициализировать Airflow
-make ddl-gp             # Применить DDL к Greenplum
-make gp-psql            # Подключиться к Greenplum через psql
-
-# Проверка данных
-make logs               # Следить за логами Airflow
-```
-
---
-
-## ⚙️ Настройка через переменные окружения
-
-Все настройки находятся в файле `.env`. Основные параметры:
-
-### Greenplum
- `GP_USER` — пользователь (по умолчанию: gpadmin)
- `GP_PASSWORD` — пароль (по умолчанию: gpadmin)
- `GP_DB` — база данных (по умолчанию: gpadmin)
- `GP_PORT` — порт (по умолчанию: 5432)
-
-### CSV pipeline
- `CSV_DIR` — путь к каталогу с CSV внутри контейнеров Airflow (по умолчанию: `/opt/airflow/data`)
- `CSV_ROWS` — количество строк, генерируемых DAG (по умолчанию: 1000)
-
-### Airflow
- `GP_CONN_ID` — ID подключения (по умолчанию: greenplum_conn)
-
---
-
-## 🔍 Продвинутые темы
-
-### Архитектура pipeline
-
-**Поток данных в DAG `csv_to_greenplum`:**
-1. `create_orders_table` — создаёт таблицу `public.orders` в Greenplum
-2. `generate_csv` — генерирует датасет при помощи pandas и сохраняет CSV в `CSV_DIR`
-3. `preview_csv` — выводит предпросмотр и статистику по данным
-4. `load_csv_to_greenplum` — загружает CSV во временную таблицу и переносит новые строки в `public.orders`
-
-> 💡 **Безопасность повторного запуска:** Pipeline защищен от дубликатов, поэтому его можно запускать многократно.
-
-### Проверка качества данных
-
-Запустите DAG `greenplum_data_quality` для автоматической проверки:
- Наличие таблицы в базе
- Соответствие схемы ожидаемой структуре
- Объем загруженных данных
- Отсутствие дубликатов записей
-
-### Ограничения учебного стенда
-
- **Greenplum** запущен в single-node режиме (для обучения)
- В продакшене Greenplum обычно разворачивают кластером на нескольких серверах
- Используется Greenplum 6 (широко доступная версия), хотя Greenplum 7 предлагает больше возможностей
-
---
-
-## 🆘 Типичные проблемы и решения
-
-| Проблема | Решение |
-|----------|---------|
-| Airflow UI не открывается | Дождитесь сообщения `Listening at: http://0.0.0.0:8080` в логах (`make logs`) |
-| Ошибка подключения к Greenplum | Убедитесь, что контейнер `greenplum` стал статусом `healthy` (проверьте `docker compose ps`) |
-| Нет файла в `./data` после запуска DAG | Проверьте логи задачи `generate_csv`, убедитесь, что `CSV_DIR` смонтирован в docker-compose |
-| Команда `make` не найдена | Используйте полные команды `docker compose` или установите make |
-| Greenplum не стартует/падает при старте | Выполните `make down`, затем `make up && make airflow-init` (очищает тома и поднимает заново) |
-
---
-
-## 📁 Структура проекта
-
-```
-├── docker-compose.yml     # Описание всех сервисов
-├── .env.example           # Шаблон настроек
-├── Makefile              # Удобные команды для работы
-├── airflow/
-│   └── dags/             # Файлы workflow (DAG)
-│       ├── csv_to_greenplum.py
-│       └── data_quality_greenplum.py
-└── sql/
-    └── ddl_gp.sql        # Создание таблицы в Greenplum
-```
-
---
-
-## 💡 Советы для дальнейшего обучения
-
-1. **Поэкспериментируйте с DAG** — измените параметры генерации данных или размер батча
-2. **Добавьте свои проверки** — расширьте DAG `data_quality_greenplum.py`
-3. **Попробуйте другие источники** — замените генератор данных на чтение из файла или API
-4. **Изучите Airflow deeper** — добавьте зависимости между задачами, настройте расписания
-
---
-
-## ✅ Тестирование
-
- Локальные проверки: `make test` (pytest). Для форматирования — `make fmt`, для проверки — `make lint`.
- Пошаговый сценарий с Docker (включая негативные кейсы и reset) — см. `TESTING.md`.
-
-Удачи в изучении Data Engineering! 🚀
-
@@ -1,71 +0,0 @@
-# План тестирования (для студентов)
-
-Этот документ — пошаговый чек‑лист, как проверить, что всё работает: от «быстрых локальных проверок» до запуска стенда в Docker и просмотра данных в Greenplum. Подходит начинающим: просто выполняйте шаги по порядку.
-
-Если что‑то пошло не так, смотрите раздел «Быстрый reset» ниже.
-
-## 1. Быстрая проверка окружения
- `uv sync` — подтягиваем Python и зависимости из `pyproject.toml`/`uv.lock`.
- Проверяем версию uv: `uv --version` (ожидаем ≥ 0.9).
- Убедитесь, что `docker compose version` доступна и Docker запущен.
-
-## 2. Локальные автоматические проверки (без Docker)
- `make test` — короткие unit-тесты (`tests/test_greenplum_helpers.py`, `tests/test_dags_smoke.py`).
-  - Smoke-тесты DAG автоматически `skip`, если Airflow не установлен в venv, поэтому прогонится за миллисекунды.
- `make lint` — black/isort в режиме проверки. Сейчас упадёт из‑за форматирования DAG-файлов.
- `make fmt` — автоисправление форматирования; после этого `make lint` должен пройти.
- (опционально) `uv run pytest -q -k dags_smoke` — только DAG smoke.
-
-## 3. Подготовка Docker-стенда
- `cp .env.example .env` (если файла ещё нет) и проверьте переменные:
-  - `GP_PORT` не конфликтует с локальным PostgreSQL.
-  - `GP_USE_AIRFLOW_CONN=true` при желании использовать Airflow Connection; `false` — fallback на ENV.
- `make up` — поднимаем все сервисы. Важно дождаться статуса `healthy` у `pgmeta` и `greenplum` (`docker compose ps`).
- `make airflow-init` — миграции мета-БД и создание пользователя Airflow; занимает ~1–2 минуты.
- `make logs` — следим, пока webserver и scheduler не перейдут в рабочее состояние (`Listening at: http://0.0.0.0:8080`).
-
-## 4. Smoke тесты DAG в Airflow UI
-1. Открыть http://localhost:8080 (admin/admin).
-2. DAG `csv_to_greenplum`:
-   - Включить переключатель.
-   - Нажать «Trigger DAG».
-   - Контроль: все таски Success, в `data/` появился CSV, в логах `load_csv_to_greenplum` видно `INSERT`.
-   - В Greenplum (см. п.5) убедиться в наличии строк `(SELECT COUNT(*) ...)`.
-3. DAG `greenplum_data_quality`:
-   - Запустить вручную после первого DAG.
-   - Проверить, что все 5 задач Success и логи содержат `Проверка пройдена`.
-
-## 5. Проверка данных в Greenplum
- `make gp-psql` — запустить psql в контейнере от имени `gpadmin`.
- Команды внутри psql:
-  - `\dt public.*` — таблицы схему public.
-  - `SELECT COUNT(*) FROM public.orders;` — оценка объёма.
-  - `SELECT * FROM public.orders LIMIT 5;` — визуальная проверка.
-  - `SELECT order_id FROM public.orders GROUP BY 1 HAVING COUNT(*) > 1;` — поиск дублей.
- Завершить `\q`.
-
-## 6. Негативные сценарии и fallback
- **Пустая таблица**: запустить `greenplum_data_quality` до `csv_to_greenplum`. Ожидается ошибка на таске `check_orders_has_rows`.
- **Проблемы с подключением**: временно изменить `GP_HOST` или `GP_PORT` на несуществующий, перезапустить `make up`, убедиться, что DAG падает с понятной ошибкой (`psycopg2.OperationalError`).
- **Fallback без Airflow Connection**: установить `GP_USE_AIRFLOW_CONN=false`, перезапустить стек (`make down && make up && make airflow-init`), удостовериться, что загрузка и DQ работают через ENV.
- **Дубликаты**: дважды вызвать `csv_to_greenplum` — ожидаем, что количество строк в `public.orders` не увеличится на размер CSV, а DAG `greenplum_data_quality` не найдёт дублей.
-
-## 7. Быстрый reset (если «что-то сломалось»)
- Перезапустить стенд с очисткой данных:
-  - `make down` — остановит контейнеры и удалит тома.
-  - `make up && make airflow-init` — заново поднимет всё и проинициализирует Airflow.
- Иногда Greenplum не стартует после «грязных» остановок (из‑за старых внутренних файлов). Лечение: всегда делайте `make down` перед повторным `make up`.
-
-## 8. Снятие метрик и мониторинг
- Контейнеры: `docker compose ps`, `docker stats` (по желанию).
- Логи задач: в Airflow UI → конкретный таск → Log.
- Хостовые CSV: каталог `data/` (можно открыть любой файл и убедиться в структуре).
-
-## 9. Завершение работы
- `make down` — выключает сервисы и удаляет тома (перезапишет данные в Greenplum!).
- При необходимости сохранить данные: скопировать CSV из `data/` и дампы из контейнера до `make down`.
-
-## Текущий статус (пример успешного прогона)
- `uv run pytest -q` — 11 passed, 2 smoke-теста DAG пропущены (Airflow не установлен в venv).
- `make lint` — падает, потому что `airflow/dags/*.py` не отформатированы black/isort. После `make fmt` проблема уйдёт.
- Docker-стенд не запускался в рамках этой сессии; ожидается, что инструкции выше обеспечат полноценную проверку.
@@ -1,160 +0,0 @@
-from __future__ import annotations
-
-import logging
-import os
-import random
-from datetime import datetime, timedelta
-from pathlib import Path
-from typing import List
-
-import pandas as pd
-from airflow import DAG
-from airflow.operators.python import PythonOperator
-from helpers.greenplum import get_gp_conn
-
-CSV_DIR = Path(os.getenv("CSV_DIR", "/opt/airflow/data"))
-CSV_ROWS = int(os.getenv("CSV_ROWS", "1000"))
-
-
-def _create_table() -> None:
-    """Создаёт таблицу public.orders, если она ещё не существует."""
-    ddl = """
-    CREATE TABLE IF NOT EXISTS public.orders (
-        order_id BIGINT,
-        order_ts TIMESTAMP NOT NULL,
-        customer_id BIGINT NOT NULL,
-        amount NUMERIC(12,2) NOT NULL
-    )
-    WITH (appendonly=true, orientation=row, compresstype=zlib, compresslevel=1)
-    DISTRIBUTED BY (order_id);
-    """
-    with get_gp_conn() as conn, conn.cursor() as cur:
-        cur.execute(ddl)
-        conn.commit()
-
-
-def _generate_csv(rows: int, csv_dir: Path) -> str:
-    """Генерирует CSV c заказами с помощью pandas и сохраняет на диск."""
-    csv_dir.mkdir(parents=True, exist_ok=True)
-    timestamp = datetime.utcnow().strftime("%Y%m%d_%H%M%S")
-    csv_path = csv_dir / f"orders_{timestamp}.csv"
-
-    # Генерируем данные в pandas-стиле
-    base_order_id = int(datetime.utcnow().timestamp() * 1_000)
-    
-    # Создаём DataFrame с использованием pandas методов
-    df = pd.DataFrame({
-        # Уникальные order_id начиная с базового значения
-        "order_id": pd.Series(range(base_order_id, base_order_id + rows), dtype="int64"),
-        
-        # Временные метки с интервалом в 1 секунду в обратном порядке
-        "order_ts": pd.date_range(
-            end=datetime.utcnow(),
-            periods=rows,
-            freq="1S"
-        ).sort_values(ascending=False),
-        
-        # Случайные customer_id от 1 до 1000
-        "customer_id": pd.Series(
-            random.choices(range(1, 1001), k=rows),
-            dtype="int64"
-        ),
-        
-        # Случайные суммы от 10 до 500 с округлением до 2 знаков
-        "amount": pd.Series(
-            [round(random.uniform(10, 500), 2) for _ in range(rows)],
-            dtype="float64"
-        )
-    })
-    
-    # Сохраняем CSV без индекса
-    df.to_csv(csv_path, index=False)
-    logging.info("CSV сохранён: %s (строк: %s)", csv_path, len(df))
-    return str(csv_path)
-
-
-def _preview_csv(csv_path: str, sample_rows: int = 5) -> None:
-    """Отображает предпросмотр CSV через pandas (head и describe)."""
-    df = pd.read_csv(csv_path)
-    df["order_ts"] = pd.to_datetime(df["order_ts"], errors="coerce")
-    logging.info("Первые %s строк:\n%s", sample_rows, df.head(sample_rows).to_string(index=False))
-    numeric_summary = df.describe(include="number")
-    logging.info("Числовая статистика:\n%s", numeric_summary.to_string())
-    if df["order_ts"].notna().any():
-        logging.info(
-            "Диапазон order_ts: %s → %s",
-            df["order_ts"].min().isoformat(),
-            df["order_ts"].max().isoformat(),
-        )
-
-
-def _load_csv(csv_path: str) -> None:
-    """Загружает CSV в Greenplum через временную таблицу и anti-join."""
-    csv_file = Path(csv_path)
-    if not csv_file.exists():
-        raise FileNotFoundError(f"CSV не найден: {csv_file}")
-
-    with get_gp_conn() as conn, conn.cursor() as cur, csv_file.open("r", encoding="utf-8") as f:
-        cur.execute("CREATE TEMP TABLE tmp_orders (LIKE public.orders INCLUDING DEFAULTS) ON COMMIT DROP;")
-        cur.copy_expert(
-            "COPY tmp_orders (order_id, order_ts, customer_id, amount) FROM STDIN WITH CSV HEADER",
-            f,
-        )
-
-        cur.execute("SELECT COUNT(*) FROM tmp_orders")
-        tmp_rows = cur.fetchone()[0]
-
-        cur.execute(
-            """
-            INSERT INTO public.orders(order_id, order_ts, customer_id, amount)
-            SELECT t.order_id, t.order_ts, t.customer_id, t.amount
-            FROM tmp_orders t
-            LEFT JOIN public.orders o ON o.order_id = t.order_id
-            WHERE o.order_id IS NULL
-            """
-        )
-        inserted = cur.rowcount if cur.rowcount != -1 else 0
-        conn.commit()
-
-    logging.info("Загружено строк: %s (прочитано из CSV: %s)", inserted, tmp_rows)
-
-
-default_args = {"owner": "airflow", "retries": 1, "retry_delay": timedelta(seconds=30)}
-
-with DAG(
-    dag_id="csv_to_greenplum",
-    start_date=datetime(2024, 1, 1),
-    schedule=None,
-    catchup=False,
-    default_args=default_args,
-    tags=["demo", "greenplum", "csv"],
-) as dag:
-    create_table = PythonOperator(
-        task_id="create_orders_table",
-        python_callable=_create_table,
-    )
-
-    generate_csv = PythonOperator(
-        task_id="generate_csv",
-        python_callable=_generate_csv,
-        op_kwargs={"rows": CSV_ROWS, "csv_dir": CSV_DIR},
-    )
-
-    preview_csv = PythonOperator(
-        task_id="preview_csv",
-        python_callable=_preview_csv,
-        op_kwargs={
-            "csv_path": "{{ ti.xcom_pull(task_ids='generate_csv') }}",
-            "sample_rows": 5,
-        },
-    )
-
-    load_csv = PythonOperator(
-        task_id="load_csv_to_greenplum",
-        python_callable=_load_csv,
-        op_kwargs={
-            "csv_path": "{{ ti.xcom_pull(task_ids='generate_csv') }}",
-        },
-    )
-
-    create_table >> generate_csv >> preview_csv >> load_csv
@@ -1,96 +0,0 @@
-from __future__ import annotations
-
-import logging
-from datetime import datetime, timedelta
-
-from airflow import DAG
-from airflow.operators.python import PythonOperator
-
-from helpers.greenplum import (
-    assert_orders_have_rows,
-    assert_orders_no_duplicates,
-    assert_orders_schema,
-    assert_orders_table_exists,
-    get_gp_conn,
-)
-
-
-def _run_check(check_callable):
-    """
-    Оборачивает проверку качества данных в контекст подключения к Greenplum.
-    
-    Этот DAG предназначен для автоматической проверки качества данных в таблице orders:
-    1. Проверяет существование таблицы
-    2. Проверяет соответствие схемы
-    3. Проверяет наличие данных
-    4. Проверяет отсутствие дубликатов
-    
-    Args:
-        check_callable: Функция проверки, принимающая подключение к БД
-    """
-    # Получаем имя функции для логов
-    check_name = check_callable.__name__.replace("assert_", "")
-    logging.info("🚀 Запуск проверки: %s", check_name)
-    
-    with get_gp_conn() as conn:
-        check_callable(conn)
-    
-    logging.info("✅ Проверка пройдена: %s", check_name)
-
-
-def _log_dq_summary():
-    """
-    Логирует итоговую сводку по качеству данных.
-    Эта задача выполняется после всех проверок и показывает общий результат.
-    """
-    logging.info("🎉 Все проверки качества данных пройдены успешно!")
-    logging.info("📊 Качество данных в таблице orders соответствует требованиям.")
-
-
-default_args = {"owner": "airflow", "retries": 1, "retry_delay": timedelta(seconds=30)}
-
-with DAG(
-    dag_id="greenplum_data_quality",
-    start_date=datetime(2024, 1, 1),
-    schedule=None,
-    catchup=False,
-    default_args=default_args,
-    tags=["demo", "greenplum", "quality"],
-    description="Автоматизированные проверки качества данных в Greenplum",
-) as dag:
-    # Задача 1: Проверка существования таблицы
-    check_exists = PythonOperator(
-        task_id="check_orders_table_exists",
-        python_callable=_run_check,
-        op_args=[assert_orders_table_exists],
-    )
-    
-    # Задача 2: Проверка соответствия схемы таблицы
-    check_schema = PythonOperator(
-        task_id="check_orders_schema",
-        python_callable=_run_check,
-        op_args=[assert_orders_schema],
-    )
-    
-    # Задача 3: Проверка наличия данных
-    check_has_rows = PythonOperator(
-        task_id="check_orders_has_rows",
-        python_callable=_run_check,
-        op_args=[assert_orders_have_rows],
-    )
-    
-    # Задача 4: Проверка отсутствия дубликатов
-    check_no_duplicates = PythonOperator(
-        task_id="check_order_duplicates",
-        python_callable=_run_check,
-        op_args=[assert_orders_no_duplicates],
-    )
-    
-    # Задача 5: Итоговая сводка
-    dq_summary = PythonOperator(
-        task_id="data_quality_summary",
-        python_callable=_log_dq_summary,
-    )
-
-    # Определяем последовательность выполнения задач
-    check_exists >> check_schema >> check_has_rows >> check_no_duplicates >> dq_summary
@@ -1,199 +0,0 @@
-from __future__ import annotations
-
-import logging
-import os
-from typing import List, Sequence, Tuple
-
-import psycopg2
-
-# Настройки для подключения к Greenplum. По умолчанию используем Airflow Connection,
-# но при проблемах можно переключиться на ENV-подключение, установив GP_USE_AIRFLOW_CONN=false.
-GP_CONN_ID = os.getenv("GP_CONN_ID", "greenplum_conn")
-GP_USE_AIRFLOW_CONN = os.getenv("GP_USE_AIRFLOW_CONN", "true").lower() in ("1", "true", "yes")
-
-# Ожидаемая схема таблицы orders для проверки качества данных
-EXPECTED_ORDERS_SCHEMA: List[Tuple[str, str]] = [
-    ("order_id", "bigint"),
-    ("order_ts", "timestamp without time zone"),
-    ("customer_id", "bigint"),
-    ("amount", "numeric"),
-]
-
-
-def get_gp_conn():
-    """
-    Возвращает psycopg2 connection к Greenplum.
-    
-    Приоритет подключения:
-    1. Через Airflow Connection (если настроено и доступно)
-    2. Прямое подключение по переменным окружения (фоллбек)
-    
-    Returns:
-        psycopg2 connection object
-    """
-    if GP_USE_AIRFLOW_CONN:
-        try:
-            from airflow.providers.postgres.hooks.postgres import PostgresHook
-
-            hook = PostgresHook(postgres_conn_id=GP_CONN_ID)
-            conn = hook.get_conn()
-            logging.info("✅ Подключение через Airflow Connection успешно")
-            return conn
-        except Exception as e:
-            logging.warning("⚠️ Не удалось подключиться через Airflow Connection: %s", e)
-            logging.info("🔄 Переключаемся на прямое подключение по ENV переменным")
-            # Фоллбек на прямое подключение по переменным окружения.
-
-    # Прямое подключение по переменным окружения
-    conn_params = {
-        "dbname": os.getenv("GP_DB", "gpadmin"),
-        "user": os.getenv("GP_USER", "gpadmin"),
-        "password": os.getenv("GP_PASSWORD", ""),
-        "host": os.getenv("GP_HOST", "greenplum"),
-        "port": int(os.getenv("GP_PORT", "5432")),
-    }
-    logging.info("🔗 Подключение к Greenplum: %s:%s", conn_params["host"], conn_params["port"])
-    return psycopg2.connect(**conn_params)
-
-
-def assert_orders_table_exists(conn) -> None:
-    """
-    Проверяет наличие таблицы orders в схеме public.
-    
-    Args:
-        conn: Подключение к Greenplum
-        
-    Raises:
-        ValueError: Если таблица не найдена
-    """
-    logging.info("🔍 Проверяем существование таблицы public.orders...")
-    with conn.cursor() as cur:
-        cur.execute(
-            """
-            SELECT 1
-            FROM pg_catalog.pg_tables
-            WHERE schemaname = 'public' AND tablename = 'orders'
-            """
-        )
-        if cur.fetchone() is None:
-            raise ValueError("❌ Таблица public.orders не найдена; запусти DAG csv_to_greenplum.")
-    logging.info("✅ Таблица public.orders существует")
-
-
-def fetch_orders_schema(conn) -> Sequence[Tuple[str, str]]:
-    """
-    Получает схему таблицы orders из information_schema.
-    
-    Args:
-        conn: Подключение к Greenplum
-        
-    Returns:
-        Список кортежей (имя_колонки, тип_данных)
-    """
-    with conn.cursor() as cur:
-        cur.execute(
-            """
-            SELECT column_name, data_type
-            FROM information_schema.columns
-            WHERE table_schema = 'public' AND table_name = 'orders'
-            ORDER BY ordinal_position
-            """
-        )
-        return cur.fetchall()
-
-
-def assert_orders_schema(conn) -> None:
-    """
-    Проверяет, что схема таблицы orders соответствует ожидаемой.
-    
-    Args:
-        conn: Подключение к Greenplum
-        
-    Raises:
-        ValueError: Если схема не соответствует ожидаемой
-    """
-    logging.info("📋 Проверяем схему таблицы orders...")
-    schema = fetch_orders_schema(conn)
-    logging.info("📊 Фактическая схема: %s", list(schema))
-    logging.info("📊 Ожидаемая схема: %s", EXPECTED_ORDERS_SCHEMA)
-    
-    if list(schema) != EXPECTED_ORDERS_SCHEMA:
-        raise ValueError(f"❌ Неожиданная схема orders: {schema}. Ожидали {EXPECTED_ORDERS_SCHEMA}.")
-    logging.info("✅ Схема таблицы orders соответствует ожиданиям")
-
-
-def fetch_orders_count(conn) -> int:
-    """
-    Получает количество строк в таблице orders.
-    
-    Args:
-        conn: Подключение к Greenplum
-        
-    Returns:
-        Количество строк в таблице
-    """
-    with conn.cursor() as cur:
-        cur.execute("SELECT COUNT(*) FROM public.orders")
-        return cur.fetchone()[0]
-
-
-def assert_orders_have_rows(conn) -> None:
-    """
-    Проверяет, что таблица orders не пустая.
-    
-    Args:
-        conn: Подключение к Greenplum
-        
-    Raises:
-        ValueError: Если таблица пустая
-    """
-    logging.info("📊 Проверяем наличие данных в таблице orders...")
-    row_count = fetch_orders_count(conn)
-    logging.info("📈 Количество строк в orders: %s", row_count)
-    
-    if row_count <= 0:
-        raise ValueError("❌ Таблица public.orders пустая — запусти DAG csv_to_greenplum перед проверкой.")
-    logging.info("✅ Таблица orders содержит данные (%s строк)", row_count)
-
-
-def fetch_orders_duplicates(conn) -> int:
-    """
-    Подсчитывает количество дубликатов по order_id.
-    
-    Args:
-        conn: Подключение к Greenplum
-        
-    Returns:
-        Количество дублирующихся order_id
-    """
-    with conn.cursor() as cur:
-        cur.execute(
-            """
-            SELECT COUNT(*) FROM (
-                SELECT order_id
-                FROM public.orders
-                GROUP BY order_id
-                HAVING COUNT(*) > 1
-            ) d
-            """
-        )
-        return cur.fetchone()[0]
-
-
-def assert_orders_no_duplicates(conn) -> None:
-    """
-    Проверяет, что в таблице нет дублей по order_id.
-    
-    Args:
-        conn: Подключение к Greenplum
-        
-    Raises:
-        ValueError: Если обнаружены дубликаты
-    """
-    logging.info("🔍 Проверяем отсутствие дубликатов по order_id...")
-    duplicates = fetch_orders_duplicates(conn)
-    logging.info("📊 Найдено дубликатов: %s", duplicates)
-    
-    if duplicates:
-        raise ValueError(f"❌ Обнаружены дубли по order_id ({duplicates} шт.) — проверь загрузку данных.")
-    logging.info("✅ Дубликаты не обнаружены")
@@ -1,2 +0,0 @@
-psycopg2-binary==2.9.9
-pandas==2.1.4
@@ -1,113 +0,0 @@
-services:
-  # Postgres только для Airflow метаданных
-  pgmeta:
-    image: postgres:16
-    # container_name: gp_pgmeta
-    env_file: .env
-    environment:
-      POSTGRES_USER: ${PG_USER}
-      POSTGRES_PASSWORD: ${PG_PASSWORD}
-      POSTGRES_DB: ${PG_DB}
-    ports:
-      - "5433:5432"
-    volumes:
-      - pgmeta:/var/lib/postgresql/data
-    healthcheck:
-      test: ["CMD-SHELL", "pg_isready -U ${PG_USER} -d ${PG_DB}"]
-      interval: 5s
-      timeout: 5s
-      retries: 20
-
-  greenplum:
-    image: woblerr/greenplum:6.27.1
-    # container_name: gp_single
-    # hostname: gpdbsne
-    environment:
-      GREENPLUM_USER: ${GP_USER:-gpadmin}
-      GREENPLUM_PASSWORD: ${GP_PASSWORD:-gpadmin}
-      GREENPLUM_DATABASE_NAME: ${GP_DB:-gpadmin}
-      # GP_PORT: ${GP_PORT:-5432}
-    # Порты: внешний 5432
-    ports:
-      - "${GP_PORT}:5432"
-    volumes:
-      - ./sql:/sql:ro
-      - greenplum_data:/data
-    # Простая проверка доступности: psql откликается
-    healthcheck:
-      test: ["CMD-SHELL", "pg_isready -h 127.0.0.1 -p 5432 -U ${GP_USER:-gpadmin} -d ${GP_DB:-gpadmin} || echo 1"]
-      interval: 10s
-      timeout: 5s
-      retries: 30
-
-  airflow-webserver:
-    image: apache/airflow:2.9.2
-    container_name: gp_airflow_web
-    env_file: .env
-    environment:
-      AIRFLOW__CORE__LOAD_EXAMPLES: "False"
-      AIRFLOW__DATABASE__SQL_ALCHEMY_CONN: postgresql+psycopg2://${PG_USER}:${PG_PASSWORD}@pgmeta:5432/${PG_DB}
-    command: >
-      bash -lc "pip install --no-cache-dir -r /opt/airflow/requirements.txt &&
-      airflow webserver"
-    ports:
-      - "8080:8080"
-    volumes:
-      - ./airflow/dags:/opt/airflow/dags
-      - ./airflow/requirements.txt:/opt/airflow/requirements.txt
-      - ./data:/opt/airflow/data
-    depends_on:
-      pgmeta:
-        condition: service_healthy
-      greenplum:
-        condition: service_healthy
-
-  airflow-scheduler:
-    image: apache/airflow:2.9.2
-    container_name: gp_airflow_sch
-    env_file: .env
-    environment:
-      AIRFLOW__CORE__LOAD_EXAMPLES: "False"
-      AIRFLOW__DATABASE__SQL_ALCHEMY_CONN: postgresql+psycopg2://${PG_USER}:${PG_PASSWORD}@pgmeta:5432/${PG_DB}
-    command: >
-      bash -lc "pip install --no-cache-dir -r /opt/airflow/requirements.txt &&
-      airflow scheduler"
-    volumes:
-      - ./airflow/dags:/opt/airflow/dags
-      - ./airflow/requirements.txt:/opt/airflow/requirements.txt
-      - ./data:/opt/airflow/data
-    depends_on:
-      pgmeta:
-        condition: service_healthy
-      greenplum:
-        condition: service_healthy
-
-  airflow-init:
-    image: apache/airflow:2.9.2
-    # container_name: gp_airflow_init
-    env_file: .env
-    environment:
-      AIRFLOW__CORE__LOAD_EXAMPLES: "False"
-      AIRFLOW__DATABASE__SQL_ALCHEMY_CONN: postgresql+psycopg2://${PG_USER}:${PG_PASSWORD}@pgmeta:5432/${PG_DB}
-    volumes:
-      - ./airflow/dags:/opt/airflow/dags
-      - ./airflow/requirements.txt:/opt/airflow/requirements.txt
-      - ./data:/opt/airflow/data
-    command: >
-      bash -lc "
-        set -e;
-        pip install --no-cache-dir -r /opt/airflow/requirements.txt;
-        # Дожидаемся готовности БД ретрая миграции
-        for i in {1..30}; do
-          airflow db migrate && break || echo 'waiting for pgmeta' && sleep 3;
-        done;
-        # Создаём админа; при повторном запуске не падаем
-        airflow users create --username ${AIRFLOW_USER} --password ${AIRFLOW_PASSWORD} --firstname Admin --lastname User --role Admin --email admin@example.org || true
-      "
-    depends_on:
-      pgmeta:
-        condition: service_healthy
-
-volumes:
-  pgmeta:
-  greenplum_data:
@@ -1,16 +0,0 @@
-[project]
-name = "airflow-greenplum"
-version = "0.1.0"
-requires-python = ">=3.11,<3.12"
-dependencies = []
-
-[dependency-groups]
-dev = [
-    "apache-airflow==2.9.2",
-    "apache-airflow-providers-postgres==5.11.1",
-    "black==24.4.2",
-    "isort>=7.0.0",
-    "pandas==2.1.4",
-    "psycopg2-binary==2.9.9",
-    "pytest==7.4.4",
-]
@@ -1,12 +0,0 @@
-- Greenplum DDL (GPDB 6 совместимо)
-- Колонночная таблица (append-optimized) и распределение по ключу.
-- Внимание: append-optimized таблицы не поддерживают UNIQUE/PRIMARY KEY,
-- поэтому контроль дублей выполняем в DAG при загрузке.
-CREATE TABLE IF NOT EXISTS public.orders (
-    order_id    BIGINT,
-    order_ts    TIMESTAMP NOT NULL,
-    customer_id BIGINT NOT NULL,
-    amount      NUMERIC(12,2) NOT NULL
-)
-WITH (appendonly=true, orientation=row, compresstype=zlib, compresslevel=1)
-DISTRIBUTED BY (order_id);
@@ -1,69 +0,0 @@
-from __future__ import annotations
-
-import importlib
-import sys
-from pathlib import Path
-from types import ModuleType
-from typing import Type
-
-
-PROJECT_ROOT = Path(__file__).resolve().parents[1]
-if str(PROJECT_ROOT) not in sys.path:
-    sys.path.append(str(PROJECT_ROOT))
-
-if "airflow" not in sys.modules:
-    airflow_module = ModuleType("airflow")
-    airflow_module.__path__ = [str(PROJECT_ROOT / "airflow")]
-    sys.modules["airflow"] = airflow_module
-
-    providers_module = ModuleType("airflow.providers")
-    providers_module.__path__ = []
-    sys.modules["airflow.providers"] = providers_module
-    airflow_module.providers = providers_module
-
-    postgres_module = ModuleType("airflow.providers.postgres")
-    postgres_module.__path__ = []
-    sys.modules["airflow.providers.postgres"] = postgres_module
-    providers_module.postgres = postgres_module
-
-    hooks_module = ModuleType("airflow.providers.postgres.hooks")
-    hooks_module.__path__ = []
-    sys.modules["airflow.providers.postgres.hooks"] = hooks_module
-    postgres_module.hooks = hooks_module
-
-if "psycopg2" not in sys.modules:
-    psycopg2_stub = ModuleType("psycopg2")
-    psycopg2_stub.connect = lambda **_: None  # type: ignore[assignment]
-    sys.modules["psycopg2"] = psycopg2_stub
-
-
-def _ensure_stub_module(full_name: str) -> ModuleType:
-    """
-    Ensure that module placeholders exist for a dotted path and return leaf module.
-    """
-    parts = full_name.split(".")
-    module: ModuleType | None = None
-    path = ""
-    for part in parts:
-        path = f"{path}.{part}" if path else part
-        if path not in sys.modules:
-            new_module = ModuleType(path)
-            if module is not None:
-                setattr(module, part, new_module)
-            sys.modules[path] = new_module
-            module = new_module
-        else:
-            module = sys.modules[path]
-    assert isinstance(module, ModuleType)
-    return module
-
-
-def patch_postgres_hook(monkeypatch, hook_cls: Type) -> None:
-    """
-    Patch PostgresHook so that helpers.greenplum can be exercised without real Airflow.
-    """
-    try:
-        module = importlib.import_module("airflow.providers.postgres.hooks.postgres")
-    except ModuleNotFoundError:
-        module = _ensure_stub_module("airflow.providers.postgres.hooks.postgres")
-    monkeypatch.setattr(module, "PostgresHook", hook_cls, raising=False)
@@ -1,70 +0,0 @@
-from __future__ import annotations
-
-import importlib
-
-import pytest
-
-
-def _airflow_available() -> bool:
-    try:
-        af = importlib.import_module("airflow")
-    except Exception:
-        return False
-    # Real Airflow exposes DAG at top-level
-    return hasattr(af, "DAG")
-
-
-pytestmark = pytest.mark.skipif(not _airflow_available(), reason="Airflow is not installed for DAG smoke tests")
-
-
-def _load_dag(module_name: str):
-    mod = importlib.import_module(module_name)
-    assert hasattr(mod, "dag"), f"{module_name} must expose variable 'dag'"
-    return getattr(mod, "dag")
-
-
-def test_csv_to_greenplum_dag_structure():
-    dag = _load_dag("airflow.dags.csv_to_greenplum")
-
-    # tasks
-    expected_tasks = {
-        "create_orders_table",
-        "generate_csv",
-        "preview_csv",
-        "load_csv_to_greenplum",
-    }
-    assert expected_tasks.issubset(dag.task_dict.keys())
-
-    # linear dependencies
-    t1 = dag.get_task("create_orders_table")
-    t2 = dag.get_task("generate_csv")
-    t3 = dag.get_task("preview_csv")
-    t4 = dag.get_task("load_csv_to_greenplum")
-
-    assert t2 in t1.get_direct_relatives("downstream")
-    assert t3 in t2.get_direct_relatives("downstream")
-    assert t4 in t3.get_direct_relatives("downstream")
-
-
-def test_data_quality_greenplum_dag_structure():
-    dag = _load_dag("airflow.dags.data_quality_greenplum")
-
-    expected_tasks = {
-        "check_orders_table_exists",
-        "check_orders_schema",
-        "check_orders_has_rows",
-        "check_order_duplicates",
-        "data_quality_summary",
-    }
-    assert expected_tasks.issubset(dag.task_dict.keys())
-
-    e = dag.get_task("check_orders_table_exists")
-    s = dag.get_task("check_orders_schema")
-    h = dag.get_task("check_orders_has_rows")
-    d = dag.get_task("check_order_duplicates")
-    q = dag.get_task("data_quality_summary")
-
-    assert s in e.get_direct_relatives("downstream")
-    assert h in s.get_direct_relatives("downstream")
-    assert d in h.get_direct_relatives("downstream")
-    assert q in d.get_direct_relatives("downstream")
@@ -1,178 +0,0 @@
-from __future__ import annotations
-
-from dataclasses import dataclass
-from typing import Any, List, Sequence
-
-import pytest
-
-import airflow.dags.helpers.greenplum as greenplum
-from tests.conftest import patch_postgres_hook
-
-
-@dataclass
-class FakeCursor:
-    fetchone_value: Any = None
-    fetchall_value: Sequence[Any] | None = None
-    rowcount: int | None = None
-
-    def __post_init__(self) -> None:
-        self.queries: List[Any] = []
-
-    def execute(self, query: str, params: Any | None = None) -> None:
-        self.queries.append((query, params))
-
-    def fetchone(self) -> Any:
-        return self.fetchone_value
-
-    def fetchall(self) -> Sequence[Any] | None:
-        return self.fetchall_value
-
-    def __enter__(self) -> FakeCursor:
-        return self
-
-    def __exit__(self, exc_type, exc, tb) -> None:
-        return None
-
-
-class FakeConn:
-    def __init__(self, cursors: Sequence[FakeCursor]) -> None:
-        self._cursors = list(cursors)
-        self._index = 0
-        self.commits = 0
-
-    def cursor(self) -> FakeCursor:
-        cursor = self._cursors[self._index]
-        self._index += 1
-        return cursor
-
-    def commit(self) -> None:
-        self.commits += 1
-
-
-def test_get_gp_conn_uses_airflow_hook(monkeypatch) -> None:
-    class FakeHook:
-        def __init__(self, postgres_conn_id: str) -> None:
-            self.postgres_conn_id = postgres_conn_id
-
-        def get_conn(self) -> str:
-            return "hook_connection"
-
-    patch_postgres_hook(monkeypatch, FakeHook)
-    monkeypatch.setattr(greenplum, "GP_CONN_ID", "demo_conn", raising=False)
-    monkeypatch.setattr(greenplum, "GP_USE_AIRFLOW_CONN", True, raising=False)
-
-    conn = greenplum.get_gp_conn()
-
-    assert conn == "hook_connection"
-
-
-def test_get_gp_conn_fallback_to_psycopg(monkeypatch) -> None:
-    class BrokenHook:
-        def __init__(self, postgres_conn_id: str) -> None:
-            self.postgres_conn_id = postgres_conn_id
-
-        def get_conn(self):
-            raise RuntimeError("boom")
-
-    patch_postgres_hook(monkeypatch, BrokenHook)
-    monkeypatch.setattr(greenplum, "GP_USE_AIRFLOW_CONN", True, raising=False)
-    monkeypatch.setattr(greenplum, "GP_CONN_ID", "demo_conn", raising=False)
-    monkeypatch.setenv("GP_DB", "demo_db")
-    monkeypatch.setenv("GP_USER", "demo_user")
-    monkeypatch.setenv("GP_PASSWORD", "secret")
-    monkeypatch.setenv("GP_HOST", "greenplum-host")
-    monkeypatch.setenv("GP_PORT", "5434")
-
-    captured_kwargs = {}
-
-    def fake_connect(**kwargs):
-        captured_kwargs.update(kwargs)
-        return "psycopg_connection"
-
-    monkeypatch.setattr(greenplum.psycopg2, "connect", fake_connect)
-
-    conn = greenplum.get_gp_conn()
-
-    assert conn == "psycopg_connection"
-    assert captured_kwargs == {
-        "dbname": "demo_db",
-        "user": "demo_user",
-        "password": "secret",
-        "host": "greenplum-host",
-        "port": 5434,
-    }
-
-
-def test_get_gp_conn_without_airflow(monkeypatch) -> None:
-    monkeypatch.setattr(greenplum, "GP_USE_AIRFLOW_CONN", False, raising=False)
-    monkeypatch.setenv("GP_DB", "demo_db")
-    monkeypatch.setenv("GP_USER", "demo_user")
-    monkeypatch.setenv("GP_PASSWORD", "secret")
-    monkeypatch.setenv("GP_HOST", "greenplum-host")
-    monkeypatch.setenv("GP_PORT", "5435")
-
-    captured_kwargs = {}
-
-    def fake_connect(**kwargs):
-        captured_kwargs.update(kwargs)
-        return "direct_psycopg"
-
-    monkeypatch.setattr(greenplum.psycopg2, "connect", fake_connect)
-
-    conn = greenplum.get_gp_conn()
-
-    assert conn == "direct_psycopg"
-    assert captured_kwargs["port"] == 5435
-
-
-def test_assert_orders_table_exists_ok() -> None:
-    conn = FakeConn([FakeCursor(fetchone_value=(1,))])
-
-    greenplum.assert_orders_table_exists(conn)
-
-
-def test_assert_orders_table_exists_missing() -> None:
-    conn = FakeConn([FakeCursor(fetchone_value=None)])
-
-    with pytest.raises(ValueError):
-        greenplum.assert_orders_table_exists(conn)
-
-
-def test_assert_orders_schema_ok() -> None:
-    expected = list(greenplum.EXPECTED_ORDERS_SCHEMA)
-    conn = FakeConn([FakeCursor(fetchall_value=expected)])
-
-    greenplum.assert_orders_schema(conn)
-
-
-def test_assert_orders_schema_mismatch() -> None:
-    conn = FakeConn([FakeCursor(fetchall_value=[("order_id", "bigint")])])
-
-    with pytest.raises(ValueError):
-        greenplum.assert_orders_schema(conn)
-
-
-def test_assert_orders_have_rows_ok() -> None:
-    conn = FakeConn([FakeCursor(fetchone_value=(5,))])
-
-    greenplum.assert_orders_have_rows(conn)
-
-
-def test_assert_orders_have_rows_empty() -> None:
-    conn = FakeConn([FakeCursor(fetchone_value=(0,))])
-
-    with pytest.raises(ValueError):
-        greenplum.assert_orders_have_rows(conn)
-
-
-def test_assert_orders_no_duplicates_ok() -> None:
-    conn = FakeConn([FakeCursor(fetchone_value=(0,))])
-
-    greenplum.assert_orders_no_duplicates(conn)
-
-
-def test_assert_orders_no_duplicates_detected() -> None:
-    conn = FakeConn([FakeCursor(fetchone_value=(3,))])
-
-    with pytest.raises(ValueError):
-        greenplum.assert_orders_no_duplicates(conn)
@@ -0,0 +1,650 @@
+# **Data Vault 2.0: как собрать хранилище из конструктора**
+
+## 📚 Оглавление
+
+1. [Зачем вообще нужен Data Vault?](#1-зачем-вообще-нужен-data-vault)
+2. [Интуиция: DV как конструктор Lego](#2-интуиция-dv-как-конструктор-lego)
+3. [Три типа таблиц в Data Vault 2.0](#3-три-типа-таблиц-в-data-vault-20)
+4. [Типы сателлитов в DV 2.0](#4-типы-сателлитов-в-dv-20)
+5. [Raw Vault и Business Vault](#5-raw-vault-и-business-vault)
+6. [Пример: клиент и заказы в DV-стиле](#6-пример-клиент-и-заказы-в-dv-стиле)
+7. [Как это живёт в пайплайне загрузки](#7-как-это-живёт-в-пайплайне-загрузки)
+8. [Плюсы и минусы Data Vault](#8-плюсы-и-минусы-data-vault)
+9. [Когда DV стоит использовать, а когда нет](#9-когда-dv-стоит-использовать-а-когда-нет)
+10. [Шпаргалка для собеседования](#10-шпаргалка-для-собеседования)
+
+---
+
+## 1. Зачем вообще нужен Data Vault?
+
+Большинство знакомятся с хранилищами через две модели:
+
+* **3NF** (Инмон) — нормализованное ядро: много таблиц, строгие связи, минимум дублирования.
+* **Звезда (Star Schema)** (Кимбалл) — витрины под отчёты: факт + несколько «плоских» измерений.
+
+Этого хватает для:
+
+* 2–5 источников,
+* относительно стабильных схем,
+* задач типа «сделать отчёт для маркетинга/финансов».
+
+Проблемы начинаются, когда:
+
+* источников **становится десяток и больше** (CRM, биллинг, ERP, сайт, мобильное приложение, партнёры, скоринги…);
+* схемы **постоянно меняются**: добавляются поля, сущности, новые связи;
+* появляются требования по **аудиту и трассировке** (то есть умению по шагам показать, откуда взялись данные и как они менялись): «покажите, откуда взялся вот этот показатель, по шагам».
+
+Вот тут обычная 3NF/Звезда начинает скрипеть:
+
+* любое изменение источника → больно по ядру и витринам;
+* история размазана по разным местам (где-то SCD, где-то лог-таблицы, где-то вообще нет истории);
+* добавление нового источника превращается в мини-проект на месяц.
+
+**Data Vault 2.0** отвечает именно на эту боль:
+
+> Как сделать так, чтобы **новый источник** → это не «ремонт всего дома», а просто «докрутить ещё один модуль»?
+
+---
+
+## 2. Интуиция: DV как конструктор Lego
+
+Классическая метафора DV — это **конструктор из трёх типов деталей**:
+
+* 🔴 **Hub (Хаб)** — *«кто/что это»*
+  Сущности: клиент, заказ, договор, счёт.
+  Внутри: бизнес‑ключ (например, customer_id или contract_number) и техполя.
+
+* ⚪ **Link (Линк)** — *«как они связаны»*
+  «Клиент сделал заказ», «договор относится к счёту».
+  Внутри: ссылки на хабы и техполя.
+
+* 🟡 **Satellite (Сателлит)** — *«какие у них свойства и как они менялись»*
+  Атрибуты сущности (имя, email, статус, тариф) плюс история изменений.
+
+Главная идея:
+
+> **Идентичность, связи и атрибуты живут отдельно.**
+> Тогда изменения в одном не ломают другое.
+
+На картинке это можно показать так:
+
+```mermaid
+erDiagram
+    HUB_CUSTOMER ||--o{ SAT_CUSTOMER_INFO : имеет_атрибуты
+    HUB_CUSTOMER ||--o{ LINK_ORDER_CUSTOMER : участвует_в
+    HUB_ORDER ||--o{ LINK_ORDER_CUSTOMER : создан
+    LINK_ORDER_CUSTOMER ||--o{ SAT_ORDER_STATUS : имеет_историю_статусов
+
+    HUB_CUSTOMER {
+        varchar customer_bk PK
+        varchar record_source
+        timestamp load_dttm
+    }
+    
+    HUB_ORDER {
+        varchar order_id PK
+        varchar record_source
+        timestamp load_dttm
+    }
+    
+    LINK_ORDER_CUSTOMER {
+        varchar link_key PK
+        varchar order_id FK
+        varchar customer_bk FK
+        varchar record_source
+        timestamp load_dttm
+    }
+    
+    SAT_CUSTOMER_INFO {
+        varchar customer_bk FK
+        varchar hashdiff
+        varchar name
+        varchar email
+        varchar city
+        varchar record_source
+        timestamp load_dttm
+    }
+    
+	    SAT_ORDER_STATUS {
+	        varchar link_key FK
+	        varchar hashdiff
+	        varchar status
+	        varchar record_source
+	        timestamp load_dttm
+	    }
+```
+
+Как это читать:
+
+* 🔴 HUB_CUSTOMER / HUB_ORDER — «этот клиент существует», «этот заказ существует»;
+* ⚪ LINK_ORDER_CUSTOMER — «именно этот заказ сделал именно этот клиент»;
+* 🟡 SAT_… — как менялись атрибуты (email, статус и т.п.) во времени.
+
+На схеме выше для наглядности показаны бизнес-ключи (`customer_bk`, `order_id`, `link_key`), а в DDL-примерах дальше используются уже хэш-ключи (`hk_*`) — это два уровня детализации одной и той же модели.
+
+## 3. Три типа таблиц в Data Vault 2.0
+
+Чуть менее «сказочно», чуть более технично.
+
+### 3.1. Hub — сущность и её бизнес-ключ
+
+**Hub** содержит:
+
+* бизнес‑ключ (customer_bk, order_id, contract_number);
+* техническую информацию:
+  * record_source — из какой системы пришла первая запись;
+  * load_dttm — когда запись попала в DV;
+  * иногда — хэш бизнес‑ключа (hk_customer).
+
+Главные правила:
+* один бизнес‑ключ — один хаб (одна строка на сущность, без истории);
+* хаб не знает про атрибуты (имя, email) — только идентичность.
+
+Простейший DDL‑скелет:
+
+```sql
+CREATE TABLE hub_customer (
+    hk_customer     BYTEA        PRIMARY KEY,  -- хэш от BK
+    customer_bk     VARCHAR(50)  NOT NULL,     -- business key
+    record_source   VARCHAR(50)  NOT NULL,
+    load_dttm       TIMESTAMP    NOT NULL
+);
+```
+
+Конкретные типы данных (`BYTEA`, длины `VARCHAR`, детали `hashdiff`) и реализации хэш‑ключей можно не запоминать: на старте важнее понять саму идею — у сущностей есть стабильные ключи, а все изменения атрибутов мы записываем отдельными версиями в сателлитах.
+
+### 3.2. Link — связи между сущностями
+
+**Link** описывает факт связи, например:
+
+* заказ ↔ клиент;
+* договор ↔ счёт;
+* карта ↔ клиент.
+
+Примеры бизнес‑смыслов:
+
+* link_order_customer — «этот заказ принадлежит этому клиенту»;
+* link_contract_account — «этот договор привязан к этому счёту».
+
+DDL‑эскиз:
+
+```sql
+CREATE TABLE link_order_customer (
+    hk_order_customer  BYTEA PRIMARY KEY,
+    hk_order           BYTEA NOT NULL,
+    hk_customer        BYTEA NOT NULL,
+    record_source      VARCHAR(50) NOT NULL,
+    load_dttm          TIMESTAMP   NOT NULL
+);
+```
+
+### 3.3. Satellite — атрибуты и история
+
+**Satellite** хранит:
+
+* атрибуты хаба или линка;
+* историю изменений этих атрибутов.
+
+Примеры:
+
+* sat_customer_info — имя, email, город клиента;
+* sat_customer_segment — сегмент, категория, риск‑профиль;
+* sat_order_status — статус заказа.
+
+Типичные поля:
+
+* ссылка на HUB или LINK (hk_customer, hk_order_customer);
+* атрибуты (email, city, status и т.п.);
+* hashdiff — хэш от всех атрибутов, чтобы понять, изменилась ли строка;
+* record_source, load_dttm — источник и момент загрузки версии.
+
+```sql
+CREATE TABLE sat_customer_info (
+    hk_customer    BYTEA      NOT NULL,
+    hashdiff       BYTEA      NOT NULL,
+    name           VARCHAR(100),
+    email          VARCHAR(100),
+    city           VARCHAR(50),
+    record_source  VARCHAR(50) NOT NULL,
+    load_dttm      TIMESTAMP   NOT NULL
+);
+```
+
+Главная мысль: DV заставляет явно разделять идентичность, связи и атрибуты с историей. Это делает модель сложнее на вид, но гораздо устойчивее к изменениям источников.
+
+Когда нужны именно бизнес-периоды действия («с/по»), их удобнее моделировать не в базовом сателлите, а отдельными effectivity-сателлитами или через PIT-таблицы в Business Vault.
+
+## 4. Типы сателлитов в DV 2.0
+
+> Если вы только знакомитесь с DV, этот раздел можно прочитать по диагонали: для собеседования важно скорее знать, что такие роли бывают, чем разбираться во всех нюансах.
+
+В DV 2.0 появилось разделение по «ролям» сателлитов. Главное, что стоит знать:
+
+* **Descriptive Satellites** — обычные атрибуты (имя, адрес, тариф) с историей.
+* **Effectivity Satellites** — фокус на периодах действия (`valid_from` / `valid_to`), очень похоже на SCD2.
+* **Multi-Active Satellites** — когда у сущности несколько одновременных значений (например, три активных телефона клиента).
+* **Transactional Satellites** — события, привязанные к одному хабу/линку (например, журнал изменений статуса).
+
+На практике это разные DDL-«шаблоны» поверх одной и той же идеи:
+**атрибуты + время → отдельная табличка.**
+
+---
+
+## 5. Raw Vault и Business Vault
+
+Обычно под «Data Vault» люди смешивают два слоя:
+
+```mermaid
+flowchart LR
+    SRC[Источники] --> STG[STG / ODS]
+    STG --> RAW[Raw Vault
+Hubs, Links, Sats]
+    RAW --> BV[Business Vault
+PIT, Bridge, Derived]
+    BV --> DM[Data Marts
+Star Schema]
+    DM --> BI[BI / ML]
+```
+
+* **Raw Vault** — это про приём и хранение данных «как есть», но уже в форме Hub / Link / Satellite.
+* **Business Vault** — это про приведение этих данных в более «деловой» вид: с бизнес-правилами, PIT/Bridge и подготовленными представлениями.
+
+### 5.1. Raw Vault — «всё прилетевшее, аккуратно разложенное по ящичкам»
+
+Raw DV — первый слой поверх STG / ODS:
+
+* выравниваем ключи;
+* разбираем сущности по Hub / Link / Sat;
+* сохраняем всю историю изменений, не решая ещё, что такое «активный клиент» или «успешный заказ».
+
+Характерные черты Raw Vault:
+
+* минимум бизнес-логики:
+
+  * никаких правил вроде «клиент активен, если была хотя бы одна покупка за 90 дней»;
+* все источники показываются «как есть», только приведены к общим ключам;
+* структура стабильна: добавился новый источник → появился новый Satellite к тому же Hub.
+
+### 5.2. Business Vault — «там, где из Lego собирают модули»
+
+Business Vault (BV) — следующий слой над Raw DV:
+
+* здесь применяются бизнес-правила (что считать активным клиентом, как трактовать статусы);
+* здесь строятся вспомогательные структуры:
+
+  * PIT-таблицы,
+  * Bridge-таблицы,
+  * агрегаты и derived-таблицы.
+
+Именно из BV чаще всего строятся витрины в формате Звезды, к которым подключаются BI и отчётность.
+
+Если сильно упростить:
+
+* Raw DV → «мы всё собрали»;
+* Business Vault → «мы это привели в вид, с которым удобно жить»;
+* DM → «мы вынесли это на витрину в понятной форме».
+
+#### 5.2.1. PIT-таблицы (Point-in-Time)
+
+> Раздел для любопытных: PIT-таблицы — уже продвинутая тема, на первом знакомстве с DV её можно смело пропустить и вернуться позже.
+
+PIT (Point-in-Time) решает очень конкретную боль:
+
+> «Покажи, как объект выглядел **на дату X**, но так, чтобы запрос был простым».
+
+Если у нас есть несколько сателлитов с историей (например, `sat_customer_info`, `sat_customer_segment`, `sat_customer_risk`), то без PIT любой запрос превращается в пачку условий
+`as_of_date >= valid_from AND (valid_to IS NULL OR as_of_date < valid_to)` (в effectivity-сателлитах или любых таблицах с периодами действия) или оконных функций.
+
+**Идея PIT:**
+
+Мы заранее считаем «словарь» вида:
+
+> для каждой пары (объект, дата) — какие версии сателлитов на эту дату актуальны.
+
+Упрощённый пример структуры:
+
+```sql
+CREATE TABLE pit_customer_daily (
+    hk_customer     BYTEA,
+    as_of_date      DATE,
+    hk_sat_info     BYTEA,  -- sat_customer_info на эту дату
+    hk_sat_segment  BYTEA,  -- sat_customer_segment на эту дату
+    load_dttm       TIMESTAMP
+);
+```
+
+Внутри логически это выглядит так:
+
+| hk_customer | as_of_date | hk_sat_info  | hk_sat_segment |
+| ----------- | ---------- | ------------ | -------------- |
+| 101         | 2023-06-10 | hash_info_v1 | hash_seg_v1    |
+| 101         | 2023-06-11 | hash_info_v2 | hash_seg_v1    |
+| 101         | 2023-06-12 | hash_info_v2 | hash_seg_v2    |
+
+Дальше витрина продаж вместо сложных `BETWEEN` делает простой JOIN:
+
+```sql
+SELECT
+    s.sale_date,
+    s.amount,
+    seg.segment,
+    info.city
+FROM fact_sales s
+JOIN pit_customer_daily pit
+  ON pit.hk_customer = s.hk_customer
+ AND pit.as_of_date  = s.sale_date
+JOIN sat_customer_segment seg
+  ON seg.hk_customer = pit.hk_customer
+ AND seg.hashdiff    = pit.hk_sat_segment
+JOIN sat_customer_info info
+  ON info.hk_customer = pit.hk_customer
+ AND info.hashdiff    = pit.hk_sat_info;
+```
+
+Мы **один раз** дорого посчитали PIT (по расписанию),
+и дальше все витрины просто используют эту «справочную таблицу».
+
+Коротко: **PIT — это таблица, где заранее записано, какая версия данных была актуальна на дату X.**
+
+#### 5.2.2. Bridge-таблицы
+
+> Тоже продвинутый приём: Bridge-таблицы чаще нужны в боевых хранилищах, чем на первых собеседованиях.
+
+Bridge-таблицы отвечают на другой вопрос:
+
+> «Какие объекты **в итоге** связаны между собой через длинную цепочку Links?»
+
+В Data Vault связь между двумя сущностями редко бывает «одним JOIN’ом». Чаще это цепочка:
+
+* клиент → договор → счёт → карта → транзакция;
+* подразделение → филиал → торговая точка → чек;
+* компания → дочерняя компания → проект → контракт → платёж.
+
+Если каждый раз в витринах писать все эти JOIN’ы, запросы становятся:
+
+* длинными и хрупкими;
+* плохо читаемыми;
+* дублируются во множестве отчётов.
+
+**Идея Bridge:**
+
+Сделать отдельную таблицу, где заранее развернуть «финальные» пары:
+
+```sql
+CREATE TABLE bridge_customer_trx (
+    hk_customer  BYTEA,
+    hk_trx       BYTEA
+    -- опционально: даты действия связи, тип связи и т.п.
+);
+```
+
+Такую таблицу мы считаем **в ETL**, один раз по расписанию, а не в каждом запросе.
+Условный псевдокод построения:
+
+```sql
+INSERT INTO bridge_customer_trx (hk_customer, hk_trx)
+SELECT DISTINCT
+    c.hk_customer,
+    t.hk_trx
+FROM hub_customer c
+JOIN link_customer_contract lcc    ON lcc.hk_customer = c.hk_customer
+JOIN hub_contract ct               ON ct.hk_contract = lcc.hk_contract
+JOIN link_contract_account lca     ON lca.hk_contract = ct.hk_contract
+JOIN hub_account acc               ON acc.hk_account = lca.hk_account
+JOIN link_account_card lac         ON lac.hk_account = acc.hk_account
+JOIN hub_card card                 ON card.hk_card = lac.hk_card
+JOIN link_card_trx lct             ON lct.hk_card = card.hk_card
+JOIN hub_trx t                     ON t.hk_trx = lct.hk_trx;
+```
+
+После этого витрина может использовать уже готовый Bridge:
+
+```sql
+SELECT
+    c.customer_bk,
+    SUM(t.amount) AS total_amount
+FROM hub_customer c
+JOIN bridge_customer_trx bct
+  ON bct.hk_customer = c.hk_customer
+JOIN hub_trx t
+  ON t.hk_trx = bct.hk_trx
+WHERE t.trx_date >= CURRENT_DATE - INTERVAL '30 day'
+GROUP BY c.customer_bk;
+```
+
+Сложный путь по Links мы спрятали внутрь bridge‑таблицы,
+а витрины работают с простой связкой «клиент ↔ транзакция».
+
+Коротко:
+
+* **PIT** — про «какая версия атрибутов была на дату X»;
+* **Bridge** — про «какие объекты в итоге связаны друг с другом по длинному маршруту».
+
+Bridge — это **не обязательный элемент DV**, а инструмент оптимизации.
+Он нужен тогда, когда цепочки Links становятся длинными и повторяются во многих отчётах.
+
+#### 5.2.3. Business-правила и derived-таблицы
+
+> Этот раздел полезен, чтобы увидеть, как DV помогает «прятать» повторяющуюся бизнес-логику, но для базового понимания Data Vault его можно оставить «на потом».
+
+В BV логично размещать бизнес-логику, которая:
+
+* повторяется во многих отчётах;
+* достаточно стабильна.
+
+Примеры:
+
+* флаг «активный клиент», который вычисляется на основе истории покупок и логинов;
+* «основной тариф», выбранный по набору правил из нескольких источников;
+* «чистый статус заказа», свёрнутый из цепочки статусов (created → paid → shipped → delivered / cancelled).
+
+Это могут быть как отдельные Satellites / Links, так и логические таблицы BV с уже посчитанными флагами и агрегатами.
+
+### 5.3. Граница между Business Vault и витринами (DM)
+
+Важно проговорить границу:
+
+* Business Vault — ещё про данные и историю;
+* DM (Data Marts) — уже про конкретные бизнес-сценарии и удобство BI.
+
+Витрины можно переделывать, не трогая BV, пока вы не меняете фундаментальные бизнес-правила.
+
+### 5.4. Как выглядит связка Raw DV → BV → DM на примере
+
+Мини-пример интернет-магазина:
+
+1. Raw Vault:
+
+   * `hub_customer`, `hub_order`;
+   * `link_order_customer`;
+   * `sat_customer_info`, `sat_order_status`, `sat_customer_segment`.
+
+2. Business Vault:
+
+   * `pit_customer_daily` — срез клиента по дням;
+   * `bv_customer_flags` — активность, VIP-статусы, сегменты;
+   * `bridge_customer_order` — связи клиент ↔ заказ с удобными ключами.
+
+3. DM / Star Schema:
+
+   * `dm.fact_sales` — факт продаж;
+   * `dm.dim_customer` — уже плоское измерение с нужными полями (email_current, segment, is_active_90d и т.п.);
+   * `dm.dim_date`, `dm.dim_product` и другие измерения.
+
+В результате:
+
+* Raw DV — технически корректный, историчный и некрасивый слой;
+* BV — рабочий слой для инженеров и продвинутых аналитиков;
+* DM — привычная Звезда для всех остальных.
+
+## 6. Пример: клиент и заказы в DV-стиле
+
+Возьмём мини‑пример всё того же интернет‑магазина.
+
+У нас есть:
+
+* клиент с `customer_id = 101`, у которого иногда меняется email и город;
+* два заказа: `order_id = 5001` и `order_id = 5002`;
+* статусы заказов: `created → paid → shipped → delivered`.
+
+### Что появляется в Raw Vault
+
+В Data Vault это раскладывается на несколько таблиц:
+
+* `hub_customer` — по одной строке на каждого клиента (BK = `customer_id`).
+* `hub_order` — по одной строке на каждый заказ (BK = `order_id`).
+* `link_order_customer` — связь «какой заказ сделал какой клиент».
+* `sat_customer_info` — история атрибутов клиента (имя, email, город).
+* `sat_order_status` — история статусов заказа.
+
+Примерно так это выглядит логически:
+
+```text
+HUB_CUSTOMER
+--------------------------------------
+customer_bk | record_source | load_dttm
+--------------------------------------
+101         | CRM           | 2023-01-10 10:00
+
+SAT_CUSTOMER_INFO
+customer_bk | load_dttm           | hashdiff | email              | city
+---------------------------------------------------------------------------
+101         | 2023-01-10 10:00    | ...      | a@example.com      | Moscow
+101         | 2023-06-01 09:00    | ...      | alice@newmail.com  | Moscow
+
+HUB_ORDER
+--------------------------------------
+order_id    | record_source | load_dttm
+--------------------------------------
+5001        | SHOP          | 2023-06-10 12:00
+5002        | SHOP          | 2023-06-11 09:30
+
+SAT_ORDER_STATUS
+order_id | load_dttm           | hashdiff | status
+--------------------------------------------------------------
+5001     | 2023-06-10 12:00    | ...      | created
+5001     | 2023-06-10 12:05    | ...      | paid
+5001     | 2023-06-11 09:00    | ...      | shipped
+...      | ...                 | ...
+```
+
+Ключевая идея: **любое изменение** (email, статус) — это **новая строка** в соответствующем Satellite.
+
+### Как из этого получить витрину продаж
+
+Дальше нам нужно привычное измерение `dim_customer` и факт `fact_sales` в формате Звезды.
+
+Обычно цепочка выглядит так:
+
+1. В Business Vault строим `PIT`‑таблицу по клиентам:
+
+   * для каждой даты (или дня, или часа) знаем, какая строка из `sat_customer_info` была актуальна.
+2. Строим витрину `dm.dim_customer`:
+
+   * на выбранную дату берём нужную версию из `sat_customer_info`;
+   * добавляем флаги/сегменты из других Satellites/BV‑таблиц.
+3. Строим факт `dm.fact_sales`, где каждая строка — заказ или позиция заказа.
+
+Итог: на витрине мы видим «плоского» клиента (одна строка → текущее имя/город/email на момент заказа),
+хотя внутри DV лежит полная, аккуратно разложенная история.
+
+## 7. Как это живёт в пайплайне загрузки
+
+Посмотрим теперь, как DV вписывается в обычный ETL/ELT‑пайплайн.
+
+Типичный поток выглядит так:
+
+1. **STG / ODS — приём и первичная обработка**
+
+   * Подключаемся к источникам (CRM, биллинг, сайт, партнёрские выгрузки).
+   * Забираем инкременты (CDC, выгрузки по расписанию, API).
+   * Приводим типы данных, чистим очевидный мусор, нормализуем форматы дат и т.п.
+
+2. **Raw Vault — приземление в Hub / Link / Satellite**
+
+   * Из STG/ODS считаем хэш‑ключи для бизнес‑ключей (HK для Hubs).
+   * Создаём/обновляем **Hubs** — если бизнес‑ключ новый, заводим запись.
+   * Создаём/обновляем **Links** — фиксируем связи между сущностями.
+   * Для **Satellites** считаем `hashdiff` по атрибутам и добавляем новые строки
+     только если что‑то реально изменилось.
+
+3. **Business Vault — бизнес‑правила и ускорители**
+
+   * Строим PIT‑таблицы, чтобы быстро получать срез «на дату X».
+   * Строим Bridge‑таблицы для сложных цепочек связей.
+   * Вычисляем стабильные бизнес‑флаги и derived‑атрибуты (активность, сегменты, статусы).
+
+4. **DM / Star Schema — витрины для отчётов и аналитики**
+
+   * На основе BV собираем факты и измерения в формате Звезды.
+   * Под это уже настраиваются BI‑инструменты, отчётность, дашборды.
+
+Чем это отличается от классического «STG → ODS → DDS → DM»:
+
+* слой DDS в DV‑подходе часто фактически превращается в **Raw+Business Vault**;
+* вместо одной «большой» нормализованной схемы ядра у нас набор Lego‑модулей (Hubs/Links/Sats), которые за счёт хэш‑ключей и независимой загрузки доменов проще масштабировать и развивать/грузить параллельно.
+
+DV не отменяет STG/ODS/DM — он скорее **раскладывает слой DDS на более мелкие и управляемые детали**.
+
+## 8. Плюсы и минусы Data Vault
+
+### 8.1. Плюсы
+
+* 📜 **История «из коробки»**
+  Каждое изменение — отдельная запись в сателлите. Ничего не перезатирается.
+
+* 🧩 **Лёгкое добавление источников**
+  Новый источник с теми же сущностями = новые сателлиты к тем же хабам.
+
+* 🔎 **Трассировка и аудит**
+  Видно, из какого источника, когда и с какими атрибутами прилетела каждая строка.
+
+* 👥 **Параллельная работа команд**
+  Разные домены в DV практически не блокируют друг друга.
+
+### 8.2. Минусы
+
+* 🧠 **Высокий порог входа**
+  Нужно понимать SCD, хэш‑ключи, нагрузку на JOIN, паттерны загрузки.
+
+* 📈 **Больше таблиц и JOIN’ов**
+  Даже простой запрос превращается в «HUB + LINK + 2–3 SAT + PIT».
+
+* 🛠 **Нужна дисциплина**
+  Забыли заполнить `record_source`/`load_dttm` — потеряли часть аудита.
+
+* ⏳ **Плохо подходит для MVP**
+  Для 2–3 источников DV обычно дороже, чем классическая 3NF/Звезда.
+
+## 9. Когда DV стоит использовать, а когда нет
+
+### Подходит, если:
+
+* у вас **зоопарк источников** (5+ систем, которые ещё и меняются);
+* важна **полная история и аудит** (финтех, гос, телеком, крупный банк);
+* команда нацелена на долгую жизнь DWH, а не одноразовый отчёт;
+* есть люди, готовые жить в этой модели (архитектор, data engineer’ы).
+
+### Лучше не начинать с DV, если:
+
+* это **первый DWH в компании**;
+* 1–3 источника и нет жёстких требований по аудиту;
+* команда малая (1–2 инженера + аналитик) и сроки жмут;
+* задача звучит как «дайте отчёты к кварталу», а не «построим платформу на 5 лет».
+
+В таких случаях честнее (и дешевле) начать с:
+
+> `stg → ods → dds (3NF/простая Звезда с SCD2) → dm (Звезда)`
+
+А DV оставить как следующий шаг, когда появятся реальные боли, которые он решает.
+
+## 10. Шпаргалка для собеседования
+
+Если нужно быстро объяснить, что такое Data Vault:
+
+- Data Vault — это модель хранилища, которая разделяет идентичность (Hubs), связи (Links) и атрибуты с историей (Satellites), чтобы проще переживать изменения источников.
+- В DV есть три типа таблиц: `Hub` (бизнес-ключи сущностей), `Link` (связи между сущностями) и `Satellite` (атрибуты и их история).
+- Raw Vault — слой, где данные складываются «как есть» в виде Hub/Link/Sat, Business Vault — слой с бизнес-правилами, PIT/Bridge и подготовленными представлениями для витрин.
+- История в DV хранится «из коробки»: каждое изменение атрибутов — новая строка в сателлите, прошлые значения не затираются.
+- DV хорошо подходит, когда много источников, они часто меняются и важен аудит; для маленького, простого DWH обычно хватает 3NF/Звезды.
+- Для собеседования важно уметь связать всё вместе: объяснить Hub/Link/Satellite, отличия Raw и Business Vault и то, что хэш-ключи и независимые сателлиты позволяют параллельно загружать разные сущности, не ломая историю и аудит.
@@ -0,0 +1,294 @@
+# Домашка: статусы клиента от STG до DDS (и немного DM)
+
+Небольшое практическое задание на 1–2 вечера: по данным о смене статусов клиента (CRM) построить цепочку слоёв `STG → ODS → DDS (SCD2)` и, по желанию, небольшую витрину в `dm`.
+
+Цель — потренировать **руками**:
+
+- работу со слоями DWH (stg / ods / dds / dm);
+- проектирование и загрузку **измерения с историей (SCD Type 2)**;
+- аккуратную работу со временем (`event_ts`, `valid_from`, `valid_to`).
+
+Исходим из того, что вы уже прошли основную статью `dwh-modeling/README.md` и познакомились с примером интернет‑магазина.
+
+---
+
+## 1. Данные: события смены статуса клиента
+
+Представьте, что в CRM для каждого клиента хранится история статусов:
+
+- `new` — только что зарегистрировался;
+- `active` — делал покупки недавно;
+- `vip` — часто покупает и много тратит;
+- `churned` — давно ничего не делал, считаем «отвалившимся».
+
+Эта информация приходит в DWH в виде **событий** (events): «у клиента X в момент времени Y статус стал Z».
+
+В репозитории в каталоге `dwh-modeling/data` лежит файл:
+
+- `customer_status_events.csv`
+
+Структура файла:
+
+```text
+customer_id,status,event_ts,_load_id,load_ts
+101,new,2024-01-01 09:00:00,batch_20240101_1000,2024-01-01 10:00:00
+...
+```
+
+Колонки:
+
+- `customer_id` — бизнес-ключ клиента (тот же, что и в основном примере — 101, 102, 103);
+- `status` — статус клиента в CRM (`new`, `active`, `vip`, `churned`);
+- `event_ts` — момент, когда статус сменился в CRM;
+- `_load_id` — идентификатор батча загрузки;
+- `load_ts` — момент, когда данные попали в DWH (в таблицах STG/ODS эта колонка будет называться `_load_ts`, но по смыслу это то же самое время загрузки).
+
+Файл содержит несколько клиентов и несколько смен статуса по каждому — этого достаточно, чтобы отработать SCD2.
+
+---
+
+## 2. Целевая схема: какие таблицы уже есть
+
+Чтобы не тратить время на DDL, структуры таблиц для домашки уже подготовлены в `dwh-modeling/sql`:
+
+- `07_ddl_hw_customer_status.sql` — создаёт дополнительные таблицы:
+  - `stg.customer_status_raw` — сырые события о статусе клиента;
+  - `ods.customer_status` — очищенные и типизированные события;
+  - `dds.dim_customer_status` — измерение статусов клиента в формате **SCD Type 2**.
+- `08_dml_hw_customer_status_template.sql` — шаблон DML-скрипта с подсказками и заготовками блоков.
+
+Перед началом работы:
+
+1. Поднимите demo‑Postgres по инструкции из корневого `README.md`.
+2. Выполните базовые скрипты DWH:
+   - `01_ddl_stg-dds.sql`
+   - `02_dml_stg-dds.sql`
+3. Выполните DDL для домашки:
+   - `07_ddl_hw_customer_status.sql`
+
+После этого схемы `stg`, `ods`, `dds` уже существуют, а дополнительные таблицы для статусов созданы.
+
+---
+
+## 3. Часть 1 — STG → ODS (обязательно)
+
+**Задача:** загрузить CSV в STG и переложить данные в ODS с приведением типов.
+
+### 3.1. STG: загрузка CSV
+
+Есть два варианта — выберите любой. Для первого прохождения рекомендуем **вариант A** (самый простой).
+
+#### Вариант A (рекомендуемый): вставить данные в STG через `INSERT`
+
+Откройте SQL‑клиент (DBeaver или `psql`) и вставьте данные текстом:
+
+> 💡 Если вы уже загружали данные в `stg.customer_status_raw` и делаете повторный запуск — начните с `TRUNCATE stg.customer_status_raw;`.
+>  
+> 💡 В примере ниже показан минимальный набор для клиента 101. Чтобы получить несколько клиентов и больше событий — используйте вариант B (CSV) или добавьте строки из файла `dwh-modeling/data/customer_status_events.csv`.
+
+```sql
+INSERT INTO stg.customer_status_raw (customer_id, status, event_ts, _load_id, _load_ts) VALUES
+('101','new','2024-01-01 09:00:00','batch_20240101_1000','2024-01-01 10:00:00'),
+('101','active','2024-02-15 10:30:00','batch_20240215_1100','2024-02-15 11:00:00'),
+('101','vip','2024-05-10 11:00:00','batch_20240510_1200','2024-05-10 12:00:00'),
+('101','churned','2024-09-01 12:15:00','batch_20240901_1300','2024-09-01 13:00:00');
+```
+
+> 💡 Здесь `_load_ts` — это время загрузки (в CSV оно называется `load_ts`).
+
+#### Вариант B: загрузить CSV
+
+Можно загрузить файл `dwh-modeling/data/customer_status_events.csv` в таблицу `stg.customer_status_raw`:
+
+- **Через DBeaver**: Import Data → CSV → `stg.customer_status_raw` (колонку `load_ts` маппить в `_load_ts`).
+- **Через `psql` в контейнере (`./psql_sh`)**: без установки `psql` на хост.
+
+Способ: передайте CSV в `psql` через STDIN и выполните `\copy ... FROM STDIN`:
+
+```bash
+./postgres-bookings/psql_sh -c "TRUNCATE stg.customer_status_raw;"
+cat dwh-modeling/data/customer_status_events.csv | ./postgres-bookings/psql_sh -c \
+  "\\copy stg.customer_status_raw(customer_id,status,event_ts,_load_id,_load_ts) FROM STDIN WITH (FORMAT csv, HEADER true)"
+```
+
+> 💡 Для части 5 (инкрементальная загрузка) `TRUNCATE stg.customer_status_raw` делать не нужно — загружайте только новые строки.
+
+После загрузки убедитесь, что данные на месте:
+
+```sql
+SELECT * FROM stg.customer_status_raw LIMIT 10;
+```
+
+### 3.2. ODS: очистка и типизация
+
+В файле `08_dml_hw_customer_status_template.sql` найдите заготовку блока ODS и допишите SQL:
+
+- привести:
+  - `customer_id` → `INT`,
+  - `status` → `VARCHAR(20)` (можно оставить как есть),
+  - `event_ts` и `load_ts` → `TIMESTAMP` (в DWH-таблицах эта колонка будет лежать как `_load_ts`);
+- аккуратно обработать возможные пустые значения (если бы они были);
+- заполнить `_load_id` и `_load_ts` в `ods.customer_status`.
+
+> 💡 Для простоты сделайте загрузку идемпотентной через `TRUNCATE ods.customer_status;` перед `INSERT` (таблица в ODS имеет первичный ключ `(customer_id, event_ts)`).
+
+Проверьте, что в `ods.customer_status` данные выглядят аккуратно:
+
+```sql
+SELECT * 
+FROM ods.customer_status 
+ORDER BY customer_id, event_ts;
+```
+
+---
+
+## 4. Часть 2 — ODS → DDS (SCD Type 2, обязательно)
+
+**Задача:** по событиям в `ods.customer_status` построить измерение `dds.dim_customer_status`, где каждая строка — период действия статуса.
+
+Целевая таблица уже создана (см. `07_ddl_hw_customer_status.sql`):
+
+- `customer_bk` — бизнес-ключ клиента (тот же, что `customer_id` в ODS);
+- `status` — статус клиента;
+- `hashdiff` — хэш от атрибутов (здесь достаточно самого `status`);
+- `valid_from` / `valid_to` — период, когда статус был актуален;
+- `created_at` / `updated_at` — технические поля.
+
+### 4.1. Начальная загрузка SCD2
+
+В шаблоне `08_dml_hw_customer_status_template.sql` допишите блок начальной загрузки:
+
+1. Сформируйте промежуточный набор:
+
+   - `customer_bk`,
+   - `status`,
+   - `event_ts` (как «время начала действия статуса»),
+   - `hashdiff` (например, `md5(status)`; можно вынести расчёт в отдельную функцию по аналогии с `dds.customer_hash` для клиентов).
+
+2. Для каждого клиента отсортируйте события по `event_ts` и с помощью `LEAD()` посчитайте (в учебном варианте считаем, что обновление DWH идёт раз в день, поэтому используем `DATE`):
+
+   - `valid_from` — `event_ts::date`,
+   - `valid_to` — следующий `event_ts::date` (а у последней версии `valid_to = NULL`).
+
+> 💡 Упрощение для домашки: считаем, что у клиента не бывает двух разных смен статуса в один и тот же день.  
+> Если такое бывает — удобнее строить периоды в `TIMESTAMP` (или вводить дополнительное правило сортировки), но это уже усложнение.
+
+> 💡 Если в событиях встречаются повторы одного и того же статуса подряд, можно отфильтровать “не-изменения” через `LAG(status)` (или `LAG(hashdiff)`) перед расчётом `LEAD()`.
+
+3. Вставьте получившиеся строки в `dds.dim_customer_status`. Актуальная строка для клиента — та, где `valid_to IS NULL`.
+
+> 💡 Для первой версии решения можно сделать full refresh: перед вставкой очистить таблицу (`TRUNCATE dds.dim_customer_status;`), как в основном примере с `dds.dim_customer`.
+
+```sql
+INSERT INTO dds.dim_customer_status (
+    customer_bk, status, hashdiff,
+    valid_from, valid_to,
+    created_at, updated_at
+)
+SELECT
+    ...
+```
+
+Проверьте результат:
+
+```sql
+SELECT *
+FROM dds.dim_customer_status
+ORDER BY customer_bk, valid_from;
+```
+
+Ожидаемое поведение:
+
+- у клиента 101 несколько строк с разными статусами и непересекающимися периодами;
+- `valid_to IS NULL` только у самой свежей строки для каждого клиента.
+
+### 4.2. Проверка себя
+
+Примеры проверочных запросов (можно придумать свои):
+
+- «Какой статус был у клиента 101 на дату `2024-06-01`?»  
+  → одна строка с нужным статусом.
+- «Сколько клиентов были в статусе `active` на `2024-04-10`?»  
+  → несколько строк, если статус *активен* для диапазона дат.
+
+---
+
+## 5. Часть 3 — инкрементальная загрузка (по желанию)
+
+Если хочется потренироваться глубже:
+
+1. Добавьте ещё несколько событий смены статуса (например, переход части клиентов из `churned` обратно в `active`).
+   - Можно дописать в исходный CSV самостоятельно.
+   - Либо взять готовую порцию “для инкремента” из файла `dwh-modeling/data/customer_status_events_increment.csv`.
+2. Загрузите **только новые строки** в `stg.customer_status_raw` (не делайте `TRUNCATE`):
+
+```bash
+cat dwh-modeling/data/customer_status_events_increment.csv | ./postgres-bookings/psql_sh -c \
+  "\\copy stg.customer_status_raw(customer_id,status,event_ts,_load_id,_load_ts) FROM STDIN WITH (FORMAT csv, HEADER true)"
+```
+
+3. Напишите логику инкрементального обновления `dds.dim_customer_status`:
+
+- ориентируйтесь на пример из `03_demo_increment.sql` для `dds.dim_customer`;
+- важно:
+  - корректно «закрыть» старую актуальную строку (заполнить `valid_to` датой начала новой версии);
+  - вставить новую строку с `valid_to = NULL`.
+
+Эта часть особенно полезна, если вы хотите почувствовать, как SCD2 живёт в реальном DWH.
+
+---
+
+## 6. Часть 4 — витрина в DM (по желанию)
+
+Опциональное задание для закрепления: собрать небольшую витрину с количеством клиентов по статусам на каждую дату.
+
+Перед началом убедитесь, что слой DM создан (схема `dm` и таблицы):
+
+- выполните `dwh-modeling/sql/05_ddl_dm.sql` (один раз);
+- затем можно собирать витрину.
+
+Пример целевой таблицы:
+
+```sql
+CREATE TABLE dm.mart_customer_status_daily (
+    date_actual    DATE        NOT NULL,
+    status         VARCHAR(20) NOT NULL,
+    customers_cnt  INT         NOT NULL
+);
+```
+
+Идея:
+
+- использовать `dds.dim_date` как календарь;
+- для каждой `date_actual` найти, какой статус был у клиента в этот день
+  (через `JOIN` на `dds.dim_customer_status` по диапазону `valid_from/valid_to`);
+- агрегировать по `status`.
+
+Пример запроса к витрине:
+
+```sql
+SELECT
+    date_actual,
+    status,
+    customers_cnt
+FROM dm.mart_customer_status_daily
+WHERE date_actual BETWEEN '2024-04-01' AND '2024-04-30'
+ORDER BY date_actual, status;
+```
+
+---
+
+## 7. Как вписать эту домашку в обучение
+
+Рекомендуемое место в дорожке:
+
+1. Пройти основную теорию по DWH и SCD:
+   - `dwh-modeling/README.md`
+   - `dwh-modeling/SCD.md`
+2. Разобрать базовый пример интернет‑магазина (скрипты `01_`–`06_`).
+3. Выполнить **эту домашку** как первую попытку «самостоятельного» моделирования и ETL:
+   - познакомиться с ещё одним измерением с историей (`dim_customer_status`);
+   - потренироваться аккуратно работать с датами и периодами;
+   - при желании — собрать простую витрину в `dm`.
+
+Если что‑то не получается — можно разбирать решения по шагам вместе с ментором: от простого `SELECT` из STG до полноценного SCD2 в DDS.
@@ -0,0 +1,848 @@
+# Хранилище данных: как устроена аналитика «под капотом»
+*Для тех, кто знает SQL, но хочет понять, как хранить данные не в Excel, а по-взрослому*
+
+## Оглавление
+
+- [Что вы уже умеете — и что узнаете здесь](#что-вы-уже-умеете-и-что-узнаете-здесь)
+- [1. Введение: почему нельзя просто SELECT из базы заказов?](#1-введение-почему-нельзя-просто-select-из-базы-заказов)
+- [2. Учебный пример: интернет-магазин](#2-учебный-пример-интернет-магазин)
+- [3. Зачем делить DWH на слои?](#3-зачем-делить-dwh-на-слои)
+- [4. Путешествие данных: от STG до DM](#4-путешествие-данных-от-stg-до-dm)
+- [5. Базовые понятия: факты, измерения, SCD](#5-базовые-понятия-факты-измерения-scd)
+- [6. Модели данных для слоя DDS: 4 подхода — и когда какой выбрать](#6-модели-данных-для-слоя-dds-4-подхода-и-когда-какой-выбрать)
+- [7. Практикум: как собрать первую витрину](#7-практикум-как-собрать-первую-витрину)
+- [8. Как выбрать модель данных? Советы от практиков](#8-как-выбрать-модель-данных-советы-от-практиков)
+- [9. Эксплуатация: качество данных — это не «опция»](#9-эксплуатация-качество-данных-это-не-опция)
+- [10. Заключение: главное — понимать «почему»](#10-заключение-главное-понимать-почему)
+- [Приложения](#приложения)
+
+---
+
+## Что вы уже умеете — и что узнаете здесь
+
+✅ Уже знаете:  
+- `SELECT`, `JOIN`, `GROUP BY`;  
+- как посчитать сумму/среднее/количество по таблице.
+
+🆕 Узнаете в этой статье:  
+- **слои хранилища** (STG → ODS → DDS → DM) и *зачем они нужны*;  
+- **факты и измерения** — основные кирпичики аналитики;  
+- **SCD Type 2** — как хранить историю изменений клиента (например, смену email или города);  
+- **суррогатные ключи (SK)** и чем они отличаются от обычных `id`;  
+- **четыре модели данных**: 3NF, Звезда (Star), Data Vault, Anchor Modeling — и когда какую использовать.
+
+⛔ **Не будем говорить** здесь о:  
+- физическом хранении (партиции, индексы, ClickHouse-движки);  
+- распределённых кластерах (Kafka, Spark, Airflow — это отдельный курс);  
+- настройке производительности (`EXPLAIN`, кэши и т.п.).  
+Это — про *логику*, структуру и здравый смысл.
+
+---
+
+## 1. Введение: почему нельзя просто SELECT из базы заказов?
+
+Представьте: вы — аналитик в интернет-магазине. Вам нужно ответить на вопрос:  
+> **«Сколько заказов сделал клиент с email `a@ex.com` за 2023 год, и сколько он потратил?»**
+
+Вы идёте в базу заказов — и… не находите email. Он в CRM. Идёте в CRM — там нет сумм заказов. Возвращаетесь в заказы — сумма есть, но *только текущая цена товара*. А в 2023 году цена была другой!
+
+Знакомо? Это — **проблема OLTP-систем** (оперативного учёта):  
+- **CRM**, **склад**, **платёжка** — это разные базы;  
+- каждая оптимизирована под *быструю запись операций* («добавить заказ», «списать товар»);  
+- историю там не хранят — email меняется «в лоб»: старое значение перезаписывается.
+
+Такие системы называют **OLTP** (*Online Transaction Processing* — обработка транзакций в реальном времени).  
+А для аналитики нужна **OLAP** (*Online Analytical Processing* — обработка запросов на анализ).
+
+➡️ **Хранилище данных (Data Warehouse, DWH)** — это как «единая карта сокровищ», куда собирают данные из всех источников, *сохраняя историю*, *выравнивая термины* и *готовя их к анализу*.
+
+И вот главный секрет его успеха: **слоистая архитектура**.
+
+---
+
+## 2. Учебный пример: интернет-магазин
+
+Чтобы всё было на пальцах — разберём простой, но живой пример.
+
+У нас есть 6 таблиц из трёх источников:
+
+| Таблица | Источник | Что содержит |
+|---------|----------|--------------|
+| `customers` | CRM | Клиенты: `customer_id`, `email`, `phone`, `city` |
+| `orders`, `order_items` | Заказы | Заказы и позиции в них |
+| `products` | Склад | Товары: `product_id`, `name` |
+| `prices` | Склад | История цен: `product_id`, `valid_from`, `valid_to`, `price` |
+| `promos` | Маркетинг | Акции: `promo_id`, `code` |
+
+⚠️ Обратите внимание:  
+- `customer_id = 101` в одном месяце — `a@ex.com`, в другом — `b@ex.com`;  
+- цена на товар `9001` (Phone) в январе — 100 ₽, в феврале — 110 ₽;  
+- `order_items` содержит `price_at_sale` — *цену в момент покупки*, а не текущую.
+
+Это уже **намёк**: чтобы посчитать выручку 2023 года, нам нужна не текущая цена, а *та, что была в день заказа*.
+
+(ER-диаграмма и DDL-примеры — в конце статьи, в разделе «Для практики».)
+
+---
+
+## 3. Зачем делить DWH на слои?
+
+Представьте, что вы строите дом. Вы же не будете сразу вбивать гвозди в стены — сначала:  
+1. Привезли стройматериалы (песок, доски, кирпич) — **сырьё**;  
+2. Очистили, просеяли, нарезали — **обработка**;  
+3. Собрали каркас, провели коммуникации — **интеграция**;  
+4. Сделали отделку под конкретную квартиру — **готовое решение**.
+
+В DWH — то же самое. Каждый слой отвечает за *одну задачу*:
+
+```mermaid
+flowchart TD
+    subgraph Sources["Источники"]
+        A["CRM"]
+        B["Заказы"]
+        C["Склад"]
+    end
+
+    subgraph STG["STG — «Сырьё»"]
+        D["Таблицы-дубликаты</br>в формате источника"]
+    end
+
+    subgraph ODS["ODS — «Очистка»"]
+        E["Типы:</br>даты → DATE,</br>числа → INT/DECIMAL</br>Валидация: email, phone"]
+    end
+
+    subgraph DDS["DDS — «Интеграция»"]
+        F["Общие сущности:</br>клиент, товар, дата</br>История (SCD),</br>суррогатные ключи"]
+    end
+
+    subgraph DM["DM — «Готовые решения»"]
+        G["Витрина продаж: дата, товар, клиент, сумма</br>+ агрегаты (выручка/день)"]
+    end
+
+    A --> STG
+    B --> STG
+    C --> STG
+
+    STG --> ODS
+    ODS --> DDS
+    DDS --> DM
+    DM --> BI["BI-системы</br>(Power BI, Tableau,</br>Metabase)"]
+```
+
+👉 **Почему так лучше, чем «одна большая таблица»?**  
+1. **Управляемость**: если в `customers` пришёл битый `email` — ошибка локализована в STG/ODS, DDS не пострадает.  
+2. **Прозрачность**: можно посмотреть: «а как выглядел исходник?», «а как мы его почистили?».  
+3. **Производительность**: в DDS и DM — только то, что нужно для анализа. Никаких `JSON`-полей, `TEXT` без причины.
+
+---
+
+## 4. Путешествие данных: от STG до DM
+
+Давайте проследим, как превращается строка заказа.
+
+### **STG (Staging / Bronze)** — «как пришло»
+
+- Таблицы: `stg.orders_raw`, `stg.customers_raw`;  
+- Структура — *точно как в источнике* (может быть `VARCHAR` даже у дат);  
+- Добавлены технические поля:  
+  - `_load_id` — идентификатор загрузки;  
+  - `_load_ts` — время получения данных;  
+- Главное правило: **неизменяемость**. Если пришла новая порция — либо добавляем новые строки, либо *полностью перезагружаем* слой (идемпотентность).  
+
+> 💡 *Пример:* `stg.orders_raw` содержит `"2024-01-10"` как строку — это нормально. Главное — не потерять оригинал.
+
+---
+
+### **ODS (Operational Data Store / Silver)** — «почистили, но не трогали смысл»
+
+- Таблицы: `ods.orders`, `ods.customers`;  
+- Здесь:  
+  - привели `order_date` к типу `DATE`;  
+  - убрали заказы без клиента (`customer_id IS NULL` → ошибка или флаг);  
+  - привели телефоны к формату `79991112233`;  
+  - проверили email на валидность (регуляркой или простой проверкой).  
+- **Но!** Не объединяем клиента из CRM и клиента из заказов — это будет позже.  
+- Пока — никакой бизнес-логики. Только *техническая* очистка.
+- Дедупликация: если два раза пришёл один и тот же заказ — оставляем один (по `order_id + _load_ts`).
+
+> 🎯 Цель ODS — дать «надёжную платформу» для следующего слоя. Как сухое, чистое бревно перед сборкой дома.
+
+---
+
+### **DDS (Data Delivery Store / Core / Conformed)** — «интеграция + история»
+
+Здесь рождается *единая бизнес-модель*.  
+Появляются понятия: **измерения**, **факты**, **суррогатные ключи**, **SCD**.
+
+Например:
+
+| Таблица | Назначение |
+|---------|------------|
+| `dds.dim_customer` | Измерение «Клиент» с историей (SCD Type 2) |
+| `dds.dim_product` | Измерение «Товар» |
+| `dds.dim_date` | Готовый календарь на 10 лет вперёд (день/неделя/месяц/квартал) |
+| `dds.fact_sales` | Факт «Продажа» — строка заказа с суммой и количеством |
+
+💡 **Суррогатный ключ (Surrogate Key, SK)** — это `BIGINT`, который мы генерируем сами (например, `customer_sk = 1001`).  
+**Бизнес-ключ (Business Key, BK)** — это `customer_id = 101` из источника.  
+Мы храним и то, и другое — чтобы можно было и джойнить, и понимать, откуда строка.
+
+> ✅ Почему не использовать `customer_id` напрямую?  
+> — Потому что в одном источнике `customer_id` — целое число, в другом — строка `CUST-101`.  
+> — Потому что ID могут повторяться (например, в тестовой и продовой базах).  
+> — Потому что нам нужна *связь* с историей: у клиента с BK = `101` может быть 3 версии в `dim_customer`.
+
+---
+
+### **DM (Data Mart / Gold/ «Витрины»)** — «готово к употреблению»
+
+Здесь — таблицы и представления для конкретных задач:  
+- `dm.mart_daily_sales` — ежедневные продажи по товарам и сегментам;  
+- `dm.mart_customer_360` — полный портрет клиента: сколько потратил, когда заходил, какие товары любит.
+
+Они часто построены по модели **Звезда (Star Schema)** — потому что BI-инструментам так удобнее всего.
+
+---
+
+## 5. Базовые понятия: факты, измерения, SCD
+
+Представьте отчёт:  
+> *«10 января 2024 года клиент из Москвы (сегмент Premium) купил Phone за 100 ₽»*.
+
+В DWH это разложится на:  
+- **Факт (Fact)** — событие, которое можно измерить: *покупка*.  
+  Хранится в `fact_sales`: `quantity = 1`, `amount = 100`.  
+- **Измерения (Dimensions)** — *контекст* факта:  
+  - `dim_date` → 10 января 2024;  
+  - `dim_customer` → Москва, Premium;  
+  - `dim_product` → Phone.
+
+```mermaid
+erDiagram
+    dim_date ||--o{ fact_sales : "дата"
+    dim_customer ||--o{ fact_sales : "клиент" 
+    dim_product ||--o{ fact_sales : "товар"
+    
+    dim_date {
+        int    date_key PK        "YYYYMMDD"
+        date   calendar_date      "сама дата"
+        int    year
+        int    month
+        int    day
+        varchar dow               "день недели"
+    }
+    
+    dim_customer {
+        bigint  customer_sk PK    "суррогатный ключ"
+        int     customer_bk       "бизнес-ключ, напр. 101"
+        varchar customer_name
+        varchar email
+        varchar city
+        date    valid_from        "SCD2: с какой даты запись актуальна"
+        date    valid_to          "SCD2: по какую дату актуальна (NULL = сейчас)"
+    }
+    
+    dim_product {
+        bigint  product_sk PK
+        varchar product_bk        "код товара / артикул"
+        varchar product_name
+        varchar category
+    }
+    
+    fact_sales {
+        bigint  sale_id PK
+        int     date_key FK       "ссылка на dim_date.date_key"
+        bigint  customer_sk FK
+        bigint  product_sk FK
+        int     quantity
+        decimal amount
+    }
+```
+
+### SCD Type 2 — как хранить историю
+
+Клиент №101:  
+- с 1 янв по 15 мая — `email = a@ex.com`, `city = Москва`;  
+- с 16 мая — `email = b@ex.com`, `city = Москва`;  
+- с 1 окт — `email = b@ex.com`, `city = Санкт-Петербург`.
+
+В `dim_customer` это будет **три строки**:
+
+| customer_sk | customer_bk | email | city | valid_from | valid_to |
+|-------------|-------------|-------|------|------------|----------|
+| 1001 | 101 | a@ex.com | Москва | 2023-01-01 | 2023-05-16 |
+| 1002 | 101 | b@ex.com | Москва | 2023-05-16 | 2023-10-01 |
+| 1003 | 101 | b@ex.com | СПб | 2023-10-01 | NULL |
+
+Когда мы считаем продажи за **12 января** — джойним `fact_sales` к той строке `dim_customer`, где:  
+```sql
+fact_sales.order_date >= dim_customer.valid_from
+AND (dim_customer.valid_to IS NULL OR fact_sales.order_date < dim_customer.valid_to)
+```
+и получаем актуальный на тот день email и город.
+
+> 🔍 Подробнее про SCD — в отдельной статье [Slow Changing Dimensions](SCD.md) (сравнение Type 1/2/3, паттерны обновления).
+
+Теперь, когда мы разобрались, что такое факты, измерения и SCD, давайте посмотрим, как именно можно устроить слой DDS внутри — есть несколько вариантов.
+
+---
+
+## 6. Модели данных для слоя DDS: 4 подхода — и когда какой выбрать
+
+В DDS мы можем хранить данные по-разному. Это не «правильно/неправильно», а **выбор под задачу**.
+
+### 1. 3NF (третья нормальная форма)  
+*Источник: Билл Инмон (Bill Inmon)*
+
+✅ **Плюсы**:  
+- Минимум избыточности при строгих ключах и правилах дедупликации.
+- Проще поддерживать единую терминологию и НСИ (reference data).
+- Атрибуты и справочники легко расширять.
+
+❌ **Минусы**:  
+- Много JOIN даже для простых отчётов.
+- Историчность (SCD2) усложняет таблицы.
+- Новые источники дороже гармонизировать (привести к канону).
+
+📌 **Когда выбирать**:  
+→ Корпоративные DWH, где важна *единая терминология* и *долгосрочная поддержка*.  
+→ Стабильные домены (финансы, НСИ, договоры) и умеренная динамика изменений.
+
+---
+
+### 2. Звезда (Star Schema)  
+*Источник: Ральф Кимболл (Ralph Kimball)*
+
+✅ **Плюсы**:  
+- **Простота**: факт + несколько «плоских» измерений;  
+- **Скорость**: BI-системы любят звезду — запросы пишутся за 5 минут;  
+- **Понятно бизнесу**: «продажи по товарам и клиентам» — это ровно то, что в таблицах.
+
+❌ **Минусы**:  
+- Дублирование: город будет повторяться в каждой строке клиента;  
+- Изменение структуры измерения — дорого (перестроить всю витрину).
+
+📌 **Когда выбирать**:  
+→ Витрины (DM), а не ядро (DDS);  
+→ Начинающим командам и MVP;  
+→ Когда отчёты — главная цель.
+
+---
+
+### 3. Data Vault 2.0 — «конструктор Lego» для больших DWH
+
+*Идея: Дэн Линстедт (Dan Linstedt). Цель — так организовать хранилище, чтобы можно было спокойно добавлять новые источники и хранить историю, не ломая старую модель.*
+
+#### В чём идея, по-человечески
+
+В Data Vault (DV) все сущности разлетаются по трём типам таблиц:
+
+- **Hub (Хаб)** — *«кто/что это»*.  
+  Только бизнес-ключ и технические поля: клиент, заказ, договор.
+
+- **Link (Линк)** — *«как они связаны»*.  
+  «Клиент сделал заказ», «договор относится к счёту».
+
+- **Satellite (Сателлит)** — *«какие у них свойства и как они менялись»*.  
+  Имя клиента, email, статус заказа, цены — всё с историей изменений.
+
+💡 **Главная мысль:**  
+идентичность, связи и атрибуты живут **в разных таблицах**, поэтому:
+- историю проще хранить;
+- новые источники проще прикручивать;
+- меньше шансов «сломать» старые отчёты.
+
+---
+
+#### Чем DV отличается от 3NF и Звезды
+
+Если сильно упростить:
+
+- В **3NF/Звезде** мы часто смешиваем:
+  - бизнес-ключ,
+  - текущие атрибуты,
+  - историю (SCD2)  
+  — всё это в одной таблице измерения.
+
+- В **Data Vault** это *разнесено*:
+  - Hub — только бизнес-ключ;
+  - Satellite — только атрибуты + история;
+  - Link — только связи между сущностями.
+
+За это приходится платить сложностью модели и количеством таблиц. Зато DV хорошо выдерживает:
+- много разнородных источников;
+- «грязные» данные;
+- жёсткие требования по аудиту и трассировке.
+
+---
+
+#### Raw Vault и Business Vault — два слоя
+
+Часто говорят «Raw Vault» и «Business Vault». Грубо:
+
+- **Raw Vault** — «как прилетело из источников».  
+  Хабы, линкы и сателлиты, максимально близкие к исходным данным.  
+  Задача: надёжно собрать и сохранить **полную историю**.
+
+- **Business Vault** — «как удобно считать дальше».  
+  На основе Raw Vault появляются:
+  - служебные таблицы (PIT, Bridge и т.п.),
+  - подготовленные представления под витрины и отчёты,
+  - бизнес-правила (например, что считать «активным клиентом»).
+
+Дальше поверх этого уже строятся **обычные витрины в формате Звезды**, с которыми работают аналитики.
+
+Если примерить это к классическим слоям `stg → ods → dds → dm`, то **очень грубо** можно думать так:
+
+- `stg` всё равно остаётся как «приземление» (landing) из источников;
+- **Raw Vault** по духу ближе к **ODS**: мало бизнес-логики, зато полная история и интеграция из разных систем;
+- **Business Vault** ближе к **DDS**: здесь уже живут бизнес-правила и подготовка данных к витринам;
+- `dm` по-прежнему остаётся витринами в формате Звезды, с которыми работают аналитики и BI.
+
+Важно: это именно *аналогия для понимания*, а не жёсткое правило проектирования.
+
+---
+
+#### Когда DV вам, скорее всего, рано
+
+Если у вас:
+
+- 2–5 источников,
+- небольшая команда (1–2 инженера + аналитик),
+- задачи уровня «сделать первые отчёты»,
+
+то **Data Vault почти наверняка избыточен**.  
+Чаще всего хватает связки:
+
+> `stg → ods → dds (3NF или простая Звезда с SCD2) → dm (Звезда)`
+
+---
+
+#### Что важно запомнить из этой статьи
+
+Для этой статьи достаточно:
+
+- знать, что **Data Vault** — это способ строить хранилище как **конструктор из Hub/Link/Satellite**,  
+- понимать, что он нужен в первую очередь там, где:
+  - много систем-источников,
+  - нужна *полная* история и прозрачный аудит.
+
+Детали (Raw vs Business Vault, PIT/Bridge, DV 1.0 vs 2.0 и т.п.) — это уже тема для отдельной, взрослой статьи.
+
+---
+
+### 4. Anchor Modeling (анкерное моделирование)
+
+*Источник: Ларс Рёне (Lars Rönnbäck)*
+
+Ещё более атомарный подход:  
+- **Anchor** — сущность (клиент, товар);  
+- **Attribute** — атрибут (email, имя);  
+- **Tie** — связь (как Link в DV);  
+- Все таблицы — 2–3 столбца.
+
+✅ **Плюсы**:  
+- **Максимальная гибкость**: поменяли модель — не трогали старые таблицы;  
+- **Бесконечная эволюция**: можно добавлять атрибуты «задним числом».
+
+❌ **Минусы**:  
+- Очень сложные запросы (JOIN’ов — десятки);  
+- Почти не используется «в чистом виде» — чаще как концепция.
+
+📌 **Когда выбирать**:  
+→ Экспериментальные проекты;  
+→ Когда схема данных *каждый месяц* радикально меняется.
+
+---
+
+### Сравнение моделей — наглядно
+
+```mermaid
+quadrantChart
+    title Где какая модель? (интуитивно)
+    x-axis "Низкая сложность → Высокая сло́жность"
+    y-axis "Низкая гибкость → Высокая гибкость"
+    "Звезда": [0.2, 0.3]
+    "3NF": [0.6, 0.5]
+    "Data Vault": [0.8, 0.8]
+    "Anchor": [0.95, 0.95]
+```
+
+> 🎯 **Вывод**: нет «лучшей» модели. Есть **подходящая под контекст**.  
+> — Для обучения — **Звезда** (просто, наглядно).  
+> — Для корпоративного DWH — **3NF + Звезда на выходе**.  
+> — Для масштабируемой интеграции — **Data Vault**.
+
+---
+
+## 7. Практикум: как собрать первую витрину
+
+Покажем на примере `mart_daily_sales` — таблицу, которую можно сразу подключить к BI.
+
+### Этапы сборки
+
+1. Из STG → ODS:
+   - `stg.orders_raw` → `ods.orders` (привели `order_date` к `DATE`);
+2. Из ODS → DDS:
+   - `ods.customers` → `dds.dim_customer` (SCD Type 2);
+   - `ods.products` → `dds.dim_product`;
+   - `ods.orders` + `ods.order_items` → `dds.fact_sales`;
+3. Из DDS → DM:
+   - `fact_sales` + `dim_*` → `mart_daily_sales`.
+
+```mermaid
+flowchart TD
+    %% STG
+    STG_PROD[stg.products_raw]
+    STG_CUST[stg.customers_raw]
+    STG_ORD[stg.orders_raw]
+    STG_ITEMS[stg.order_items_raw]
+
+    %% ODS
+    ODS_PROD[ods.products]
+    ODS_CUST[ods.customers]
+    ODS_ORD[ods.orders]
+    ODS_ITEMS[ods.order_items]
+
+    %% DDS
+    DIM_PROD[dds.dim_product]
+    DIM_CUST[dds.dim_customer]
+    DIM_DATE[dds.dim_date]
+    FACT_SALES[dds.fact_sales]
+
+    %% DM / BI
+    DM_SALES[dm.mart_daily_sales]
+    BI[BI / Power BI]
+
+    %% Потоки данных
+    STG_PROD --> ODS_PROD --> DIM_PROD --> DM_SALES
+    STG_CUST --> ODS_CUST --> DIM_CUST --> DM_SALES
+
+    STG_ORD --> ODS_ORD --> FACT_SALES --> DM_SALES
+    STG_ITEMS --> ODS_ITEMS --> FACT_SALES
+    DIM_DATE --> FACT_SALES
+
+    DM_SALES --> BI
+```
+
+### Готовые SQL-скрипты
+
+Все необходимые скрипты для построения хранилища находятся в папке [`sql/`](sql/):
+
+- [`01_ddl_stg-dds.sql`](sql/01_ddl_stg-dds.sql) — создание схем и таблиц (STG, ODS, DDS);
+- [`02_dml_stg-dds.sql`](sql/02_dml_stg-dds.sql) — первичная загрузка данных и демонстрация SCD2 через полный пересчёт (`full backfill`) из STG;
+- [`03_demo_increment.sql`](sql/03_demo_increment.sql) — пример инкрементальной загрузки и SCD2 по последнему снимку в ODS;
+- [`04_validation.sql`](sql/04_validation.sql) — проверки качества данных;
+- [`05_ddl_dm.sql`](sql/05_ddl_dm.sql) — создание витрин (Data Marts);
+- [`06_dml_dm.sql`](sql/06_dml_dm.sql) — наполнение витрин данными.
+
+### Пример SQL-запроса для витрины
+
+```sql
+-- mart_daily_sales: ежедневные продажи с сегментацией
+CREATE MATERIALIZED VIEW dm.mart_daily_sales AS
+SELECT
+    d.date_actual AS order_date,
+    p.product_name,
+    c.customer_segment,        -- например: 'Premium', 'Basic'
+    SUM(f.quantity) AS total_qty,
+    SUM(f.amount) AS total_revenue
+FROM dds.fact_sales f
+JOIN dds.dim_date d
+  ON f.date_key = d.date_key
+JOIN dds.dim_product p
+  ON f.product_sk = p.product_sk
+JOIN dds.dim_customer c
+  ON f.customer_sk = c.customer_sk
+  AND f.order_date >= c.valid_from
+  AND (c.valid_to IS NULL OR f.order_date < c.valid_to)  -- SCD!
+GROUP BY d.date_actual, p.product_name, c.customer_segment;
+```
+
+> 💡 **Материализованное представление (MATERIALIZED VIEW)** — это «кэш» результата. Обновляется по расписанию (например, ночью).
+
+---
+
+## 8. Как выбрать модель данных? Советы от практиков
+
+Выбор модели — **не техническая задача, а стратегическая**.  
+Это как решать: строить дом из кирпича, дерева или SIP-панелей. У каждой технологии — свои плюсы, но **главное — подходит ли она *вам* сегодня**.
+
+### 🔹 Главное, что нужно понять новичку:
+
+> **Не существует «самой правильной» модели.**  
+> Есть **самая подходящая под ваш контекст** — и он у всех разный.
+
+---
+
+### 🛑 Что делать **не стоит** (если опыта ещё мало):
+
+| Что делать не стоит | Почему |
+|---------------------|--------|
+| **Брать Data Vault «потому что модно»** | DV требует глубокого понимания интеграции, CDC, идемпотентности. Без этого легко получить «историю», в которой невозможно найти актуальные данные. |
+| **Строить сложную 3NF «как в книжках» под 10 таблиц** | Если у вас 2–3 источника — вы потратите недели на нормализацию, чтобы потом делать 5 JOIN’ов ради простого отчёта. |
+| **Пытаться «сделать сразу гибко на 5 лет вперёд»** | Гибкость = сложность. А сложность = баги, задержки, выгорание команды. |
+
+---
+
+### ✅ Базовые советы — с чего начать, если вы учитесь или делаете первый DWH
+
+1. **Начните с витрины в формате Звезды (Star Schema).**  
+   — Это просто: одна таблица фактов + несколько «плоских» измерений.  
+   — Это быстро: отчёт в BI — за 10 минут.  
+   — Это понятно: даже менеджер поймёт структуру.
+
+2. **Стройте DDS только когда это *действительно нужно*.**  
+   — Если источников ≤ 3 и они стабильны — можно идти `ods → dm` напрямую.  
+   — Если появляются расхождения («email в CRM и в заказах — разные») — тогда заводите `dds.dim_customer` и другие общие сущности.
+
+3. **Историю (SCD) включайте *постепенно*.**  
+   — Сначала — без истории (Type 1: просто обновляете строку).  
+   — Потом — только для ключевых сущностей (клиент, товар, договор).  
+   — Только потом — думайте про DV или полную историзацию всего.
+
+4. **Если сомневаетесь — спросите: «А кто будет этим пользоваться?»**  
+
+   Выбор модели начинается не с технологий, а с вопроса: **кто будет работать с результатом?**  
+   Это как выбрать инструмент в мастерской: для гвоздей — молоток, для саморезов — отвёртка.
+
+   Вот как это выглядит на практике:
+
+   — **Аналитик в Metabase / Looker Studio** → **Звезда (Star Schema)**  
+   Почему: ему нужны готовые метрики без сложных JOIN’ов. Звезда даёт понятные таблицы: «продажи по дням и товарам» — без углубления в атомарные сущности.
+
+   — **BI-разработчик в Power BI / Tableau** → **Звезда**  
+   Почему: все инструменты визуализации оптимизированы под star schema. Один факт + несколько измерений = быстрые отчёты и простою модель.
+
+   — **Инженер ML (Data Scientist / ML-инженер)** → **3NF или сырые ODS-таблицы**  
+   Почему: для фичей нужны атомарные события и детальные атрибуты. Машинное обучение ценит полноту и детализацию данных больше, чем удобство отчётов.
+
+   — **Юрист, финансовый контролёр, аудитор / регулятор** → **3NF с SCD Type 2, иногда + DV в ядре**  
+   Почему: им нужна доказуемая история изменений, но не инфраструктурная сложность DV на каждый чих.  
+   Обычно достаточно хранить аудит-историю по ключевым сущностям (клиенты, договоры, счета) в формате 3NF + SCD Type 2.  
+   **Data Vault имеет смысл только если** у вас 10+ разнородных источников и жёсткие требования по аудиту и трассировке.
+
+💡 **Золотое правило:**  
+«**Собирай данные как DV (максимально детально), показывай как Звезду (максимально просто).**»  
+
+На начальных этапах вам почти всегда хватит **SCD Type 2 в рамках 3NF/Звезды**.  
+**Data Vault** нужен тогда, когда основная боль — интеграция множества систем и аудит, а не «первый отчёт для маркетинга».
+
+---
+
+### 💡 Ещё один совет от практиков
+
+> **Лучше сделать простую модель — и вовремя переделать,**  
+> чем сделать «идеальную» — и застрять на этапе проектирования.
+
+Переделать Звезду → Звезду с SCD Type 2 — относительно легко.  
+Переделать «недоделанный DV» → что-то рабочее — в разы сложнее.
+
+---
+
+### 📌 Кратко — что выбрать *сегодня*, если вы только учитесь
+
+| У вас… | Делайте… |
+|--------|----------|
+| Учебный проект, 1–2 CSV | `ods → dm` по модели **Звезда** (без DDS, без истории) |
+| Первый рабочий DWH, 3–5 источников | `stg → ods → dds (3NF или простая Звезда) → dm (Звезда)` |
+| Команда из 1 инженера + 1 аналитика | **Не трогайте DV и Anchor** — они «съедят» ваше время без отдачи |
+
+А когда наберётесь опыта — приходите в DV. Он того стоит. Но *не раньше времени*.
+
+---
+
+## 9. Эксплуатация: качество данных — это не «опция»
+
+Самая красивая архитектура бессмысленна, если в `mart_daily_sales` — нули.  
+Поэтому в каждом слое — **контроль качества (DQ, Data Quality)**.
+
+```mermaid
+graph TB
+    A[Данные поступили] --> B{Проверка качества}
+    
+    B --> C["Уникальность: order_id — уникален?"]
+    B --> D["Полнота: email не NULL?"]
+    B --> E["Валидность: order_date — дата?"]
+    B --> F["Свежесть: данные за сегодня?"]
+    
+    C --> G{OK?}
+    D --> G
+    E --> G
+    F --> G
+    
+    G -->|Да| H[Загрузить в следующий слой]
+    G -->|Нет| I[Оповещение + остановка пайплайна]
+```
+
+Примеры проверок (на SQL):
+
+```sql
+-- Проверка уникальности order_id в ODS
+SELECT order_id, COUNT(*)
+FROM ods.orders
+GROUP BY order_id
+HAVING COUNT(*) > 1;
+
+-- Проверка свежести: есть ли данные за вчера?
+SELECT 'OK' WHERE EXISTS (
+  SELECT 1 FROM ods.orders
+  WHERE order_date = CURRENT_DATE - INTERVAL '1 day'
+);
+```
+
+> 🔔 **Совет**: делайте DQ-тесты частью CI/CD — как unit-тесты в коде.
+
+---
+
+## 10. Заключение: главное — понимать «почему»
+
+Хранилище данных — это не про «крутые технологии», а про **мышление**:
+
+- **Слои (STG→ODS→DDS→DM)** — это про *разделение ответственности*.  
+  Не смешивайте сырые данные и аналитические — иначе не найдёте, где ошибка.
+
+- **Факты и измерения** — это про *структуру мышления*.  
+  События (факты) и контекст (измерения) — две стороны одного процесса.
+
+- **SCD Type 2** — это про *уважение к истории*.  
+  Бизнес меняется — и данные должны это отражать.
+
+- **Модели (Star/3NF/DV)** — это про *выбор под задачу*.  
+  Нет «серебряной пули» — есть компромиссы.
+
+> 🎁 **Финальный подарок**:  
+> Запомните **5 золотых правил DWH**:  
+> 1. Всегда храните BK (бизнес-ключ) — иначе потеряете связь с источником.  
+> 2. В DDS — только интегрированные, «чистые» сущности.  
+> 3. В DM — только то, что нужно для отчёта.  
+> 4. Проверяйте качество *на каждом слое*.  
+> 5. Собирайте витрины *итеративно*: MVP → доработка → новые метрики.
+
+---
+
+## Приложения
+
+### Дополнительные материалы и практика
+
+- [Домашка: статусы клиента от STG до DDS (и немного DM)](Homework_Customer_Status_DDS_DM.md)
+- [SCD: как хранить историю изменений](SCD.md)
+- [DataVault: как пережить бурную жизнь источников](DataVault.md)
+
+### 📚 Мини-глоссарий (RU / EN)
+
+| Термин | Пояснение |
+|-------|-----------|
+| **Слой (Layer)** | Логический уровень в DWH: STG/ODS/DDS/DM |
+| **Витрина (Data Mart)** | Готовый набор таблиц для конкретной аналитики (например, финансы или маркетинг) |
+| **Факт (Fact)** | Таблица событий или измерений: продажи, клики, звонки |
+| **Измерение (Dimension)** | Справочник контекста: клиенты, товары, дата |
+| **Суррогатный ключ (SK)** | Искусственный `BIGINT`, генерируемый в DWH |
+| **Бизнес-ключ (BK)** | Естественный идентификатор из источника (`customer_id`, `order_number`) |
+| **SCD (Slowly Changing Dimension)** | Подход к хранению истории атрибутов измерения |
+| **CDC (Change Data Capture)** | Техника инкрементальной загрузки «только изменений» |
+| **Conformed Dimension** | Измерение, единое для нескольких витрин (например, `dim_date`) |
+
+---
+
+### 🧱 Синонимы слоёв в индустрии
+
+| Название | Синонимы |
+|----------|----------|
+| **STG** | Staging, Raw, Bronze, Landing Zone |
+| **ODS** | Cleaned, Integrated, Silver |
+| **DDS** | Core, Conformed, Golden Layer, Enterprise Data Model |
+| **DM** | Data Mart, Semantic Layer, Gold, Analytics Layer |
+
+> ⚠️ Названия могут отличаться — смотрите на *содержание*, а не на ярлыки.
+
+---
+
+### 🚫 Антипаттерны (чего избегать)
+
+| Антипаттерн | Почему плохо |
+|-------------|--------------|
+| **«Одна огромная история заказов»** | Запросы тормозят, нет истории атрибутов (клиент сменил email — и всё прошлое «перекрасилось») |
+| **STG и ODS в одной таблице** | Невозможно понять: ошибка в источнике или при очистке? |
+| **Факт с текстовыми атрибутами** (`customer_name` в `fact_sales`) | Дублирование, нарушение нормализации, «спрятанная» бизнес-логика |
+| **SCD без BK** | История «отвязана» от бизнеса: удалили клиента — и вся его история исчезла |
+
+---
+
+### Мини-датасет (для практики)
+
+Все данные для практики находятся в папке [`data/`](data/) — тренируйтесь:
+
+[`customers.csv`](data/customers.csv):
+```csv
+customer_id,email,phone,city,event_ts,_load_id,load_ts
+101,a@ex.com,700,Москва,2024-01-01,batch_20240101_0800,2024-01-01 08:00
+102,c@ex.com,701,СПб,2024-01-01,batch_20240101_0800,2024-01-01 08:00
+101,b@ex.com,700,Москва,2024-05-16,batch_20240516_0800,2024-05-16 08:00
+101,b@ex.com,700,Санкт-Петербург,2024-10-01,batch_20241001_0800,2024-10-01 08:00
+```
+
+[`orders.csv`](data/orders.csv):
+```csv
+order_id,order_date,customer_id
+5001,2024-01-10,101
+5002,2024-02-05,102
+```
+
+[`order_items.csv`](data/order_items.csv):
+```csv
+order_item_id,order_id,product_id,qty,price_at_sale
+1,5001,9001,2,100.00
+2,5001,9002,1,50.00
+3,5002,9001,1,100.00
+```
+
+[`products.csv`](data/products.csv):
+```csv
+product_id,name
+9001,Phone
+9002,Case
+```
+
+[`prices.csv`](data/prices.csv):
+```csv
+product_id,valid_from,valid_to,price
+9001,2023-12-01,2024-01-31,100
+9001,2024-02-01,,110
+9002,2023-01-01,,50
+```
+
+>  📂 Все SQL-скрипты для построения хранилища находятся в папке [`sql/`](sql/).
+
+---
+
+### DDL-скелеты (PostgreSQL)
+
+Полные DDL-скрипты для всех слоёв хранилища находятся в файле [`01_ddl_stg-dds.sql`](sql/01_ddl_stg-dds.sql).
+
+Пример структуры основных таблиц DDS:
+
+```sql
+-- DDS: измерение клиента (SCD Type 2)
+CREATE TABLE dds.dim_customer (
+    customer_sk   BIGINT GENERATED ALWAYS AS IDENTITY PRIMARY KEY,
+    customer_bk   INT NOT NULL,           -- напр. 101
+    email         VARCHAR(100),
+    phone         VARCHAR(20),
+    city          VARCHAR(50),
+    valid_from    DATE NOT NULL,
+    valid_to      DATE
+);
+
+-- DDS: факт продаж (гранулярность: строка заказа)
+CREATE TABLE dds.fact_sales (
+    sale_id      BIGINT GENERATED ALWAYS AS IDENTITY PRIMARY KEY,
+    customer_sk  BIGINT NOT NULL REFERENCES dds.dim_customer(customer_sk),
+    product_sk   BIGINT NOT NULL,
+    date_key     INT NOT NULL,  -- YYYYMMDD, ссылка на dim_date.date_key
+    quantity     INT NOT NULL CHECK (quantity > 0),
+    amount       DECIMAL(18,2) NOT NULL CHECK (amount >= 0)
+);
+```
+
+> 💡 `date_key` — это `20240110`, а не `DATE`, чтобы не делать JOIN по диапазону в `fact → dim_date`.
@@ -0,0 +1,425 @@
+# Медленно меняющиеся измерения (SCD): как хранить историю в аналитических базах данных
+
+> **Для кого эта статья?**  
+> Для тех, кто уже умеет писать базовые SQL-запросы в PostgreSQL, знаком с понятиями таблиц, строк и колонок, и теперь делает первые шаги в аналитике и проектировании хранилищ данных.
+
+---
+
+## 1. Введение: зачем вообще нужны измерения и почему они «медленно меняются»?
+
+Представьте, что вы строите отчёт по продажам. У вас есть таблица с фактами — например, «продано 10 единиц товара X клиенту Y 15 марта». Но чтобы понять, *кто такой клиент Y* или *что за товар X*, вам нужны **справочники** — таблицы с описанием клиентов, товаров, регионов и т.п.
+
+В мире аналитики такие справочники называют **измерениями** (*dimensions*), а таблицу с продажами — **фактами** (*facts*).
+
+А теперь представьте: клиент сменил адрес или перешёл в другую категорию (например, из «обычного» в «VIP»). Если вы просто обновите строку в таблице клиентов, то потеряете информацию о том, **какой статус у клиента был на момент продажи**. А это критично: отчёт «продажи VIP-клиентам в марте» окажется неверным!
+
+Такие атрибуты — которые **меняются со временем, но не каждый день** — и называются **медленно меняющимися измерениями** (*Slowly Changing Dimensions*, **SCD**).
+
+---
+
+## 2. Что такое Slowly Changing Dimensions (SCD)?
+
+SCD — это подход к хранению изменений в измерениях **с учётом времени**. Он позволяет отвечать на вопросы вроде:
+
+- Какой адрес у клиента был **на дату заказа**?
+- Сколько продаж пришлось на товары категории «Электроника» **до того, как её переименовали в «Гаджеты»**?
+
+Без SCD вы видите только **текущее состояние**, а с ним — **всю историю**.
+
+---
+
+## 3. Типы SCD — простыми словами
+
+Существует несколько стандартных стратегий обработки изменений. Рассмотрим самые важные.
+
+### **Type 0 — Никогда не меняется**
+Атрибут фиксирован навсегда. Например, дата рождения клиента.  
+Такие поля не требуют специальной обработки — они просто не обновляются.
+
+### **Type 1 — Просто перезаписать**
+Вы просто делаете `UPDATE`, и старое значение исчезает.
+
+✅ Просто.  
+❌ История теряется.
+
+> Подходит, если изменение — это исправление ошибки (например, опечатка в имени).
+
+### **Type 2 — Новая строка для новой версии**
+Каждое изменение порождает **новую строку** в таблице. Старая строка остаётся, но помечается как «устаревшая».
+
+✅ Полная история.  
+✅ Можно восстановить состояние на любую дату.  
+❌ Больше данных, сложнее запросы.
+
+> Это **самый распространённый** подход в аналитике.
+
+### **Type 3 — Добавить колонку «предыдущее значение»**
+В таблице появляются поля вроде `previous_category`, `category_change_date`.
+
+✅ Простая история «до/после».  
+❌ Хранит только **одно** предыдущее значение. Не масштабируется.
+
+> Используется редко, чаще как компромисс в очень простых системах.
+
+### **Type 4, 5, 6 — Продвинутые гибриды**
+Эти типы существуют, но **встречаются редко** и почти не используются новичками:
+
+- **Type 4**: история выносится в отдельную таблицу («мини-хранилище» для одного измерения).
+- **Type 5**: комбинация Type 4 и Type 1 — текущее значение в основной таблице, а история — отдельно.
+- **Type 6**: объединяет Type 1, 2 и 3 в одной таблице — очень гибко, но сложно.
+
+> Вам **не нужно запоминать** эти типы сейчас. Достаточно знать, что они бывают — на случай, если встретите их в документации.
+
+---
+
+## 4. Практический пример на PostgreSQL: Type 1 vs Type 2
+
+Допустим, у нас есть таблица клиентов:
+
+```sql
+-- Исходная таблица (до изменений)
+CREATE TABLE customers (
+    customer_id SERIAL PRIMARY KEY,
+    name TEXT NOT NULL,
+    category TEXT NOT NULL  -- например: 'Regular', 'VIP'
+);
+```
+
+### Type 1: просто обновляем
+
+Клиент №1 стал VIP:
+
+```sql
+UPDATE customers
+SET category = 'VIP'
+WHERE customer_id = 1;
+```
+
+Теперь в таблице только новое значение. Если продажа была сделана **до** этого UPDATE, вы не узнаете, что клиент тогда был «Regular».
+
+---
+
+### Type 2: сохраняем историю — подробнее
+
+Чтобы хранить историю, мы меняем структуру таблицы. Вот ключевые поля:
+
+- **`customer_key`** — искусственный (surrogate) первичный ключ. Он **уникален для каждой версии** клиента.
+- **`customer_id`** — бизнес-идентификатор (например, из CRM). Он **не меняется** и связывает все версии одного клиента.
+- **`valid_from`** — дата, **с которой** эта версия стала актуальной.
+- **`valid_to`** — дата, **по которую** эта версия была актуальной. Если `NULL` — значит, версия **актуальна сейчас**.
+
+Пример структуры:
+
+```sql
+CREATE TABLE customers_scd2 (
+    customer_key SERIAL PRIMARY KEY,     -- уникальный ID каждой версии
+    customer_id INT NOT NULL,            -- неизменный бизнес-ID клиента
+    name TEXT NOT NULL,
+    category TEXT NOT NULL,
+    valid_from DATE NOT NULL,            -- с какой даты действует
+    valid_to DATE                        -- по какую дату действовала (NULL = сейчас)
+);
+```
+
+**Шаг 1.** Добавляем начальную запись (клиент зарегистрировался 1 января 2024):
+
+```sql
+INSERT INTO customers_scd2 (customer_id, name, category, valid_from, valid_to)
+VALUES (1, 'Иван Петров', 'Regular', DATE '2024-01-01', NULL);
+```
+
+**Шаг 2.** 15 апреля 2025 клиент становится VIP. Мы делаем **два действия**:
+
+1. **Закрываем старую запись**: указываем дату начала новой версии (интервал `[valid_from, valid_to)`).
+2. **Добавляем новую запись**: она начинает действовать **с 15 апреля** и пока актуальна.
+
+```sql
+-- 1. Завершаем предыдущую версию
+UPDATE customers_scd2
+SET valid_to = DATE '2025-04-15'
+WHERE customer_id = 1 AND valid_to IS NULL;
+
+-- 2. Вставляем новую версию
+INSERT INTO customers_scd2 (customer_id, name, category, valid_from, valid_to)
+VALUES (1, 'Иван Петров', 'VIP', DATE '2025-04-15', NULL);
+```
+
+Теперь в таблице две строки для одного клиента. И мы можем спросить:
+
+> Какой была категория клиента **на 10 апреля 2025**?
+
+```sql
+SELECT category
+FROM customers_scd2
+WHERE customer_id = 1
+  AND DATE '2025-04-10' >= valid_from
+  AND (valid_to IS NULL OR DATE '2025-04-10' < valid_to);
+```
+
+Результат: `'Regular'` — правильно!
+
+> 💡 Почему не `BETWEEN valid_from AND valid_to`?  
+> Потому что у актуальной записи `valid_to IS NULL`. В SQL сравнения с `NULL` не дают `TRUE`, поэтому для “текущей” версии обычно пишут `valid_to IS NULL OR ...`.
+
+### Type 2 через логику, похожую на UPSERT
+
+В реальных ETL-процессах часто используют **идемпотентные** операции: запуск скрипта дважды не должен ломать данные. Для этого удобно применять подход, похожий на *upsert* (update + insert), но адаптированный под логику SCD Type 2.
+
+В PostgreSQL классический `ON CONFLICT` не подходит напрямую, потому что мы **не обновляем существующую строку**, а **добавляем новую при изменении**.
+
+Поэтому логика выглядит так:
+
+1. Сравнить входящие данные с последней версией в таблице.
+2. Если атрибуты изменились — закрыть старую запись и вставить новую.
+3. Если не изменились — ничего не делать.
+
+Пример (часто реализуется в Python, dbt, Airflow и т.п.):
+
+```sql
+-- Предположим, новая версия: customer_id=1, category='VIP', effective_date='2025-04-15'
+
+-- Шаг 1: вставляем новую версию, только если есть изменения
+WITH last_version AS (
+  SELECT * FROM customers_scd2
+  WHERE customer_id = 1 AND valid_to IS NULL
+)
+INSERT INTO customers_scd2 (customer_id, name, category, valid_from, valid_to)
+SELECT 1, 'Иван Петров', 'VIP', DATE '2025-04-15', NULL
+WHERE EXISTS (
+  SELECT 1 FROM last_version WHERE category != 'VIP'
+);
+
+-- Шаг 2: если вставка произошла — закрываем старую запись
+UPDATE customers_scd2
+SET valid_to = DATE '2025-04-15'
+WHERE customer_id = 1 AND valid_to IS NULL
+  AND EXISTS (
+    SELECT 1 FROM customers_scd2
+    WHERE customer_id = 1 AND category = 'VIP' AND valid_from = DATE '2025-04-15'
+  );
+```
+
+На практике такие логики чаще выносят в **ETL-инструменты** (например, dbt с пакетом `dbt-scd`), потому что чистый SQL быстро становится громоздким.
+
+> 💡 Главное: **SCD Type 2 — это не одна операция, а процесс**: сравнить → закрыть старое → добавить новое.
+
+---
+
+В учебном проекте из папки `dwh-modeling/sql/` эти идеи можно увидеть «вживую»:
+
+- в [`02_dml_stg-dds.sql`](sql/02_dml_stg-dds.sql) собирается полная история клиентов (SCD2) из всех событий в `stg.customers_raw` — это пример **первичной загрузки** / `full backfill`;
+- в [`03_demo_increment.sql`](sql/03_demo_increment.sql) реализован **инкрементальный SCD2**: в одной транзакции добавляются новые версии клиентов из снимка `ods.customers` и закрываются предыдущие актуальные строки в `dds.dim_customer`.
+
+---
+
+#### А что, если СУБД не позволяет UPDATE? (Trino, Hive, ClickHouse в режиме append-only)
+
+Некоторые аналитические системы (например, **Hive в формате ORC/Parquet**, **Trino**, **ClickHouse в режиме только вставки**) **не поддерживают UPDATE старых строк**. Как тогда реализовать SCD Type 2?
+
+Ответ: **никаких UPDATE не нужно** — ведь в Type 2 мы и так **не меняем старые данные**, а только **добавляем новые**!
+
+Алгоритм загрузки (ETL):
+1. Сравнить входящие данные с последней версией в таблице.
+2. Если есть изменения — **пишем новую строку** с новыми `valid_from`.
+3. Старые строки остаются нетронутыми.
+
+Пример в Trino/Hive-стиле (только INSERT):
+
+Давайте разберём этот запрос по шагам, чтобы понять его логику:
+
+```sql
+-- new_customers — staging-таблица с обновлёнными данными
+-- dim_customers_scd2 — основная таблица (append-only)
+
+INSERT INTO dim_customers_scd2
+WITH current_customers AS (
+  SELECT *
+  FROM (
+    SELECT *, ROW_NUMBER() OVER (PARTITION BY customer_id ORDER BY valid_from DESC) AS rn
+    FROM dim_customers_scd2
+  )
+  WHERE rn = 1  -- отбираем первую, самую свежую, запись
+)
+SELECT
+  uuid() AS customer_key,  -- уникальный ID каждой версии
+  n.customer_id,           -- неизменный бизнес-ID клиента
+  n.name,
+  n.category,
+  COALESCE(n.effective_date, current_date) AS valid_from  -- дата начала действия новой версии
+FROM new_customers n
+LEFT JOIN current_customers c ON n.customer_id = c.customer_id
+WHERE c.customer_id IS NULL OR c.category != n.category;  -- условие верно, если какие-то из полей справочника поменялись
+```
+
+##### 🎯 Как работает этот запрос: пошаговое объяснение
+
+###### Шаг 1: Подготовка данных (CTE current_customers)
+CTE `current_customers` находит **последнюю версию** каждого клиента из таблицы `dim_customers_scd2`:
+
+```sql
+SELECT *, ROW_NUMBER() OVER (PARTITION BY customer_id ORDER BY valid_from DESC) AS rn
+FROM dim_customers_scd2
+```
+
+- `PARTITION BY customer_id` — группируем по клиентам
+- `ORDER BY valid_from DESC` — сортируем версии от самой новой к самой старой
+- `WHERE rn = 1` — выбираем только самую свежую версию
+
+###### Шаг 2: Сравнение данных (LEFT JOIN + WHERE)
+Теперь сравниваем новые данные с текущими:
+
+```sql
+FROM new_customers n
+LEFT JOIN current_customers c ON n.customer_id = c.customer_id
+```
+
+**Возможные сценарии после JOIN:**
+
+| Сценарий | n.customer_id | c.customer_id | Условие WHERE | Результат |
+|----------|---------------|---------------|---------------|-----------|
+| Новый клиент | 2 | NULL | ✅ `c.customer_id IS NULL` | Вставляется |
+| Категория изменилась | 1 | 1 | ✅ `c.category != n.category` | Вставляется |
+| Без изменений | 3 | 3 | ❌ оба условия ложны | Пропускается |
+
+###### Шаг 3: Вставка новых версий
+Для подходящих записей создаём новую версию:
+- `uuid()` — генерируем уникальный ключ для новой версии
+- `current_date` - функция, возвращающая текущую даты
+- `COALESCE(n.effective_date, current_date)` — устанавливаем дату начала действия новой версии
+
+> 💡 **Правильный подход к датам**: В реальных ETL-процессах важно использовать дату из исходных данных, когда она доступна. Мы используем `COALESCE(n.effective_date, current_date)`, что означает:
+> - Если в `new_customers` есть поле `effective_date` — используем его
+> - Если нет — используем текущую дату (`current_date`)
+>
+> **Почему это важно:**
+> - `effective_date` отражает реальную дату изменения (например, когда клиент стал VIP)
+> - `current_date` — это дата загрузки данных, которая может не совпадать с датой изменения
+> - Использование правильной даты критично для точного исторического анализа
+>
+> **Пример правильной структуры исходных данных:**
+> ```sql
+> new_customers:
+> customer_id | name        | category | effective_date
+> 1           | Иван Петров | VIP      | 2025-04-15     ← дата реального изменения
+> ```
+
+##### Практический пример
+
+**До выполнения запроса:**
+```
+dim_customers_scd2:
+customer_id | name        | category | valid_from
+1           | Иван Петров | Regular  | 2024-01-01
+```
+
+**Новые данные:**
+```
+new_customers:
+customer_id | name        | category
+1           | Иван Петров | VIP      ← изменилась категория
+2           | Мария Иванова| Regular ← новый клиент
+```
+
+**После выполнения запроса:**
+```
+dim_customers_scd2:
+customer_id | name        | category | valid_from
+1           | Иван Петров | Regular  | 2024-01-01  ← старая версия
+1           | Иван Петров | VIP      | 2025-11-04  ← новая версия
+2           | Мария Иванова| Regular | 2025-11-04  ← новый клиент
+```
+
+> 💡 **Ключевой момент**: В append-only системах мы **не обновляем** старые записи, а только **добавляем новые**. История сохраняется автоматически!
+
+##### Главный вопрос после загрузки: как же читать эти данные?
+
+Поскольку мы не можем обновлять `valid_to` у предыдущей версии, стандартный подход с `BETWEEN` не сработает. Вместо этого, для поиска нужной версии мы полагаемся на **оконные функции** или на логику «ближайшей даты, но не позже».
+
+###### Паттерн 1: Найти последнюю (актуальную) версию на сегодня
+
+Это самый частый запрос. Мы хотим видеть самую свежую информацию о клиенте.
+
+```sql
+-- Вариант с оконной функцией (универсальный и надежный)
+WITH ranked AS (
+  SELECT
+    *,
+    ROW_NUMBER() OVER (PARTITION BY customer_id ORDER BY valid_from DESC) AS rn
+  FROM dim_customers_scd2
+)
+SELECT
+  customer_id, name, category, valid_from
+FROM ranked
+WHERE rn = 1;
+```
+
+Этот запрос берёт строку с самой поздней датой начала действия для каждого клиента.
+
+###### Паттерн 2: Найти версию, которая была актуальна на конкретную дату
+
+Это основная цель SCD2. Например, «какой статус клиента был на дату заказа `2025-03-15`?».
+
+В append-only мире у нас нет `valid_to`, поэтому мы ищем **последнюю версию, у которой `valid_from` ≤ целевой даты**.
+
+```sql
+-- Запрос для получения состояния на '2025-03-15'
+WITH as_of_date AS (
+  SELECT
+    *,
+    ROW_NUMBER() OVER (PARTITION BY customer_id ORDER BY valid_from DESC) AS rn
+  FROM dim_customers_scd2
+  WHERE valid_from <= DATE '2025-03-15'
+)
+SELECT
+  customer_id, name, category, valid_from
+FROM as_of_date
+WHERE rn = 1;
+```
+
+**Как это работает:**
+1. `WHERE valid_from <= DATE '2025-03-15'` отфильтровывает все версии, которые появились **после** нашей целевой даты.
+2. `ORDER BY valid_from DESC` сортирует оставшиеся версии от самой свежей к самой старой.
+3. `ROW_NUMBER() ... WHERE rn = 1` выбирает самую свежую из **актуальных на ту дату** версий.
+
+Это и есть «путешествие во времени» (time travel) в системах без встроенной поддержки этой функции.
+
+> **Почему не использовать флаг «текущая версия»?**  
+> В append-only системах любой флаг актуальности становится устаревшим сразу после новой вставки. Без `UPDATE` его сложно поддерживать, поэтому в таких архитектурах чаще полагаются на даты и оконные функции — так модель остаётся идемпотентной.
+
+Таким образом, SCD Type 2 не только совместим с append-only системами, но и является для них **естественным выбором**, так как его логика основана исключительно на добавлении данных, а не на их изменении.
+
+---
+
+## 5. Когда что использовать?
+
+| Сценарий | Рекомендуемый тип |
+|--------|------------------|
+| Исправление опечатки | Type 1 |
+| Юридически значимые изменения (статус, тариф, регион) | Type 2 |
+| Очень простая аналитика без требований к истории | Type 1 |
+| Нужна только «последняя смена» и ничего больше | Type 3 (осторожно!) |
+
+**Совет новичку**: если сомневаетесь — выбирайте **Type 2**. Лучше иметь историю и не использовать её, чем не иметь и не суметь ответить на важный вопрос.
+
+---
+
+## 6. Подводные камни и советы
+
+- **Не используйте `customer_id` как первичный ключ в Type 2**. Он повторяется! Вместо этого — `customer_key` (surrogate key).
+- Всегда задавайте `valid_to` как `NULL` для актуальной записи, если это допустимо в вашей СУБД — это упрощает модель.
+- Для условий “актуально на дату” используйте паттерн: `d >= valid_from AND (valid_to IS NULL OR d < valid_to)`.
+- Type 2 увеличивает объём данных — но для аналитики это нормально.
+- В связке с фактами: в таблице фактов храните **`customer_key`**, а не `customer_id` — иначе не получится соединить с нужной версией.
+
+---
+
+## 7. Заключение
+
+Медленно меняющиеся измерения — это не «магия», а **практический инструмент** для честной и точной аналитики во времени.
+
+Начните с понимания разницы между Type 1 и Type 2. Попробуйте реализовать оба подхода в своей БД. Задайте себе вопрос:  
+> «Если бы я построил отчёт по данным на прошлый месяц — дал бы он правильный ответ после сегодняшнего изменения?»
+
+Если нет — вам нужен SCD Type 2.
+
+И помните: даже в системах без `UPDATE` вы можете хранить полную историю — достаточно понимать, как правильно читать данные с помощью оконных функций и временных границ.
@@ -0,0 +1,28 @@
+# TODO: dwh-modeling
+
+## SCD2 (dim_customer / dim_customer_status)
+
+- Добавить в `02_dml_stg-dds.sql` (блок SCD2 backfill) и `03_demo_increment.sql` (incremental) явные допущения:
+  - гранулярность `DATE` (daily-grain), интервалы `[valid_from, valid_to)`, current = `valid_to IS NULL`;
+  - предполагаем **не более одного изменения в день** на BK (иначе нужен `TIMESTAMP`/sequence);
+  - `valid_from` берём как **effective date**: `COALESCE(event_ts, _load_ts)::date` (и почему так);
+  - late-arriving/backdated события в демо **не обрабатываются** (что будет “в проде”).
+- Коротко документировать “effective time vs load time”:
+  - `event_ts` = когда изменение произошло в источнике;
+  - `_load_ts` = когда событие попало в DWH;
+  - `valid_from/valid_to` строим по effective time, а `_load_id/_load_ts` используем для трассировки/аудита.
+- (Опционально) Добавить микросекцию “как читать CTE” в SCD2-блоках: что делает `src → ordered → changes → framed`.
+
+## Вариант с TIMESTAMP (advanced, под вопросом)
+
+- Подумать над отдельным примером SCD2 с `valid_from_ts/valid_to_ts TIMESTAMP`:
+  - кейс “несколько изменений в один день”;
+  - корректная обработка одинаковых `event_ts` (tie-breaker: `_load_ts`/`_load_id`);
+  - влияние на join фактов (условие по `[from,to)`).
+- Зафиксировать: показываем как “опционально/advanced”, чтобы не пугать на базовом треке.
+
+## Greenplum (после Postgres-трека)
+
+- Отдельно проговорить практику для больших объёмов:
+  - обновления SCD2 в GP могут быть дорогими; обсудить паттерны (partitioning/append-only/минимизация UPDATE);
+  - какие поля выбирать для распределения и сортировки таблиц измерений/фактов (на уровне рекомендаций).
@@ -0,0 +1,9 @@
+customer_id,status,event_ts,_load_id,load_ts
+101,new,2024-01-01 09:00:00,batch_20240101_1000,2024-01-01 10:00:00
+101,active,2024-02-15 10:30:00,batch_20240215_1100,2024-02-15 11:00:00
+101,vip,2024-05-10 11:00:00,batch_20240510_1200,2024-05-10 12:00:00
+101,churned,2024-09-01 12:15:00,batch_20240901_1300,2024-09-01 13:00:00
+102,new,2024-03-05 14:00:00,batch_20240305_1500,2024-03-05 15:00:00
+102,active,2024-04-01 09:45:00,batch_20240401_1000,2024-04-01 10:00:00
+102,churned,2024-04-20 16:20:00,batch_20240420_1700,2024-04-20 17:00:00
+103,new,2024-03-10 10:10:00,batch_20240310_1100,2024-03-10 11:00:00
@@ -0,0 +1,5 @@
+customer_id,status,event_ts,_load_id,load_ts
+101,active,2024-11-15 09:00:00,batch_20241115_1000,2024-11-15 10:00:00
+102,active,2024-05-05 09:30:00,batch_20240505_1000,2024-05-05 10:00:00
+103,active,2024-03-20 12:00:00,batch_20240320_1300,2024-03-20 13:00:00
+104,new,2024-06-01 08:00:00,batch_20240601_0900,2024-06-01 09:00:00
@@ -0,0 +1,5 @@
+customer_id,email,phone,city,event_ts,_load_id,load_ts
+101,a@ex.com,700,Москва,2024-01-01,batch_20240101_0800,2024-01-01 08:00
+102,c@ex.com,701,СПб,2024-01-01,batch_20240101_0800,2024-01-01 08:00
+101,b@ex.com,700,Москва,2024-05-16,batch_20240516_0800,2024-05-16 08:00
+101,b@ex.com,700,Санкт-Петербург,2024-10-01,batch_20241001_0800,2024-10-01 08:00
@@ -0,0 +1,4 @@
+order_item_id,order_id,product_id,qty,price_at_sale
+1,5001,9001,2,100.00
+2,5001,9002,1,50.00
+3,5002,9001,1,100.00
@@ -0,0 +1,3 @@
+order_id,order_date,customer_id
+5001,2024-01-10,101
+5002,2024-02-05,102
@@ -0,0 +1,4 @@
+product_id,valid_from,valid_to,price
+9001,2023-12-01,2024-01-31,100.00
+9001,2024-02-01,,110.00
+9002,2023-01-01,,50.00
@@ -0,0 +1,3 @@
+product_id,name
+9001,Phone
+9002,Case
@@ -0,0 +1,155 @@
+-- ===============================================
+-- DDL-скрипт: определение структуры хранилища
+-- Запускается ОДИН РАЗ при инициализации БД
+-- или при изменении схемы (миграции)
+-- ===============================================
+
+-- 1. Схемы
+DROP SCHEMA IF EXISTS stg CASCADE;
+DROP SCHEMA IF EXISTS ods CASCADE;
+DROP SCHEMA IF EXISTS dds CASCADE;
+
+CREATE SCHEMA stg;
+CREATE SCHEMA ods;
+CREATE SCHEMA dds;
+
+-- 2. STG: сырые данные (как пришли)
+DROP TABLE IF EXISTS stg.customers_raw;
+CREATE TABLE stg.customers_raw (
+    customer_id TEXT,                    -- может быть строкой или числом
+    email       TEXT,
+    phone       TEXT,
+    city        TEXT,
+    event_ts    TEXT,
+    _load_id    TEXT,                    -- идентификатор загрузки (обязательно!)
+    _load_ts    TIMESTAMP DEFAULT NOW() -- время получения в DWH
+);
+
+CREATE TABLE stg.orders_raw (
+    order_id    TEXT,
+    order_date  TEXT,
+    customer_id TEXT
+);
+
+CREATE TABLE stg.order_items_raw (
+    order_item_id   TEXT,
+    order_id        TEXT,
+    product_id      TEXT,
+    qty             TEXT,
+    price_at_sale   TEXT
+);
+
+CREATE TABLE stg.products_raw (
+    product_id TEXT,
+    name       TEXT
+);
+
+-- 3. ODS: очищенные данные
+DROP TABLE IF EXISTS ods.customers;
+CREATE TABLE ods.customers (
+    customer_id INT NOT NULL,      -- привели к INT
+    email       VARCHAR(100),
+    phone       VARCHAR(20),
+    city        VARCHAR(50),
+    event_ts    TIMESTAMP,
+    _load_id    TEXT NOT NULL,     -- сохраняем для отладки и SCD
+    _load_ts    TIMESTAMP NOT NULL -- время загрузки (копия из STG)
+);
+
+CREATE TABLE ods.orders (
+    order_id    INT,
+    order_date  DATE,
+    customer_id INT
+);
+
+CREATE TABLE ods.order_items (
+    order_item_id INT,
+    order_id      INT,
+    product_id    INT,
+    qty           INT,
+    price_at_sale NUMERIC(10,2)
+);
+
+CREATE TABLE ods.products (
+    product_id INT,
+    name       VARCHAR(100)
+);
+
+-- Первичные ключи в ODS (для ускорения и валидации)
+ALTER TABLE ods.customers  ADD PRIMARY KEY (customer_id);
+ALTER TABLE ods.orders     ADD PRIMARY KEY (order_id);
+ALTER TABLE ods.order_items ADD PRIMARY KEY (order_item_id);
+ALTER TABLE ods.products   ADD PRIMARY KEY (product_id);
+
+-- 4. DDS: интегрированная модель
+
+-- dim_date: справочник дат (ключ — суррогатный date_key)
+CREATE TABLE dds.dim_date (
+    date_key     INT PRIMARY KEY,
+    date_actual  DATE NOT NULL,
+    year         SMALLINT,
+    quarter      SMALLINT,
+    month        SMALLINT,
+    day          SMALLINT,
+    weekday_name VARCHAR(10),
+    weekday_num  SMALLINT,
+    is_first_week BOOLEAN
+);
+
+-- dim_product: измерение "Товар"
+CREATE TABLE dds.dim_product (
+    product_sk   BIGINT GENERATED ALWAYS AS IDENTITY PRIMARY KEY,
+    product_bk   INT NOT NULL,
+    product_name VARCHAR(100) NOT NULL
+);
+
+-- dim_customer: измерение "Клиент" с историей (SCD Type 2)
+CREATE TABLE dds.dim_customer (
+    customer_sk   BIGSERIAL PRIMARY KEY,
+    customer_bk   INT        NOT NULL,                -- бизнес-ключ
+    email         TEXT,
+    phone         TEXT,
+    city          TEXT,
+    hashdiff      TEXT        NOT NULL,               -- md5 по нормализованным атрибутам
+    valid_from    DATE        NOT NULL,
+    valid_to      DATE,
+    created_at    TIMESTAMP   NOT NULL DEFAULT NOW(),
+    updated_at    TIMESTAMP   NOT NULL DEFAULT NOW()
+);
+
+-- одна версия на момент времени (на одну пару BK+valid_from)
+ALTER TABLE dds.dim_customer
+    ADD CONSTRAINT uq_dim_customer_bk_from UNIQUE (customer_bk, valid_from);
+
+-- ускорители
+CREATE INDEX ix_dim_customer_bk_current ON dds.dim_customer (customer_bk) WHERE valid_to IS NULL;
+CREATE INDEX ix_dim_customer_bk_from_to ON dds.dim_customer (customer_bk, valid_from, valid_to);
+
+-- fact_sales: факт "Продажи"
+CREATE TABLE dds.fact_sales (
+    sale_id      BIGINT GENERATED ALWAYS AS IDENTITY PRIMARY KEY,
+    customer_sk  BIGINT NOT NULL,
+    product_sk   BIGINT NOT NULL,
+    date_key     INT NOT NULL,
+    quantity     INT NOT NULL CHECK (quantity > 0),
+    amount       NUMERIC(18,2) NOT NULL CHECK (amount >= 0)
+);
+
+-- Внешние ключи (опционально — в продакшене часто отключают ради скорости)
+ALTER TABLE dds.fact_sales 
+    ADD CONSTRAINT fk_fact_customer FOREIGN KEY (customer_sk) REFERENCES dds.dim_customer(customer_sk),
+    ADD CONSTRAINT fk_fact_product  FOREIGN KEY (product_sk)  REFERENCES dds.dim_product(product_sk),
+    ADD CONSTRAINT fk_fact_date     FOREIGN KEY (date_key)    REFERENCES dds.dim_date(date_key);
+
+
+-- Через md5 по нормализованным атрибутам
+CREATE OR REPLACE FUNCTION dds.customer_hash(email TEXT, phone TEXT, city TEXT)
+RETURNS TEXT LANGUAGE sql IMMUTABLE AS $$
+  SELECT md5(
+    concat_ws('||',
+      lower(coalesce(trim(email), '')),
+      lower(coalesce(trim(phone), '')),
+      lower(coalesce(trim(city),  ''))
+    )
+  );
+$$;
@@ -0,0 +1,216 @@
+-- ===============================================
+-- DML-скрипт: загрузка и трансформация данных
+-- Запускается ПОВТОРНО при каждой загрузке (идемпотентно!)
+-- ===============================================
+
+-- 1. STG: имитация загрузки из источников (в реальности — COPY или INSERT из Kafka/NiFi)
+-- ⚠️ В продакшене STG часто очищается перед загрузкой (TRUNCATE), либо используется партицирование по дате
+
+DELETE FROM stg.customers_raw;
+DELETE FROM stg.orders_raw;
+DELETE FROM stg.order_items_raw;
+DELETE FROM stg.products_raw;
+
+-- STG (пример вставки с метками времени)
+INSERT INTO stg.customers_raw (_load_id, _load_ts, event_ts, customer_id, email, phone, city) VALUES
+('batch_20240101_0800', '2024-01-01 08:00', '2024-01-01',  '101','a@ex.com','700','Москва'),
+('batch_20240101_0800', '2024-01-01 08:00', '2024-01-01',  '102','c@ex.com','701','СПб'),
+('batch_20240516_0800', '2024-05-16 08:00', '2024-05-16',  '101','b@ex.com','700','Москва'),
+('batch_20241001_0800', '2024-10-01 08:00', '2024-10-01',  '101','b@ex.com','700','Санкт-Петербург');
+
+
+INSERT INTO stg.orders_raw (order_id, order_date, customer_id) VALUES
+('5001', '2024-01-10', '101'),
+('5002', '2024-02-05', '102');
+
+INSERT INTO stg.order_items_raw (order_item_id, order_id, product_id, qty, price_at_sale) VALUES
+('1', '5001', '9001', '2', '100.00'),
+('2', '5001', '9002', '1', '50.00'),
+('3', '5002', '9001', '1', '100.00');
+
+INSERT INTO stg.products_raw (product_id, name) VALUES
+('9001', 'Phone'),
+('9002', 'Case');
+
+-- 2. ODS: очистка и типизация
+-- ⚠️ В продакшене используем UPSERT (INSERT ... ON CONFLICT DO UPDATE) или incremental load, не TRUNCATE+INSERT
+
+TRUNCATE ods.customers, ods.orders, ods.order_items, ods.products;
+
+INSERT INTO ods.orders (order_id, order_date, customer_id)
+SELECT
+    order_id::INT,
+    TO_DATE(order_date, 'YYYY-MM-DD'),
+    customer_id::INT
+FROM stg.orders_raw
+WHERE order_date IS NOT NULL AND customer_id ~ '^\d+$';
+
+-- берём по BK самую позднюю запись (по дате события, иначе по дате загрузки)
+WITH src AS (
+  SELECT
+      s.customer_id::INT                                     AS customer_id,
+      NULLIF(trim(s.email), '')                              AS email,
+      NULLIF(trim(s.phone), '')                              AS phone,
+      NULLIF(trim(s.city),  '')                              AS city,
+      NULLIF(s.event_ts, '')::timestamp                      AS event_ts,
+      s._load_id,
+      s._load_ts,
+      COALESCE(NULLIF(s.event_ts, '')::date, s._load_ts::date) AS eff_date
+  FROM stg.customers_raw s
+  WHERE s.customer_id ~ '^\d+$'
+),
+ranked AS (
+  SELECT
+         customer_id, email, phone, city, event_ts, _load_id, _load_ts,
+         row_number() OVER (PARTITION BY customer_id ORDER BY eff_date DESC, _load_ts DESC) AS rn
+  FROM src
+)
+INSERT INTO ods.customers (customer_id, email, phone, city, event_ts, _load_id, _load_ts)
+SELECT customer_id, email, phone, city, event_ts, _load_id, _load_ts
+FROM ranked
+WHERE rn = 1;
+
+INSERT INTO ods.order_items (order_item_id, order_id, product_id, qty, price_at_sale)
+SELECT
+    order_item_id::INT,
+    order_id::INT,
+    product_id::INT,
+    NULLIF(qty, '')::INT,
+    NULLIF(price_at_sale, '')::NUMERIC(10,2)
+FROM stg.order_items_raw
+WHERE qty ~ '^\d+$' AND price_at_sale ~ '^\d+(\.\d+)?$';
+
+INSERT INTO ods.products (product_id, name)
+SELECT
+    product_id::INT,
+    TRIM(name)
+FROM stg.products_raw
+WHERE product_id ~ '^\d+$';
+
+-- 3. DDS: dim_date — генерация календаря (идемпотентно: можно пересоздавать)
+-- В реальности — делается ОДИН РАЗ, либо дополняется по мере необходимости
+
+DELETE FROM dds.dim_date;
+
+WITH RECURSIVE dates AS (
+    SELECT DATE '2023-01-01' AS d
+    UNION ALL
+    SELECT (d + INTERVAL '1 day')::DATE  -- ← приведение к DATE
+    FROM dates
+    WHERE d + INTERVAL '1 day' <= DATE '2027-12-31'
+)
+INSERT INTO dds.dim_date (
+    date_key, date_actual, year, quarter, month, day,
+    weekday_name, weekday_num, is_first_week
+)
+SELECT
+    CAST(TO_CHAR(d, 'YYYYMMDD') AS INT),
+    d,
+    EXTRACT(YEAR FROM d)::SMALLINT,
+    EXTRACT(QUARTER FROM d)::SMALLINT,
+    EXTRACT(MONTH FROM d)::SMALLINT,
+    EXTRACT(DAY FROM d)::SMALLINT,
+    TRIM(TO_CHAR(d, 'Day')),  -- ← TRIM — убрать trailing space
+    EXTRACT(DOW FROM d)::SMALLINT,
+    d BETWEEN DATE_TRUNC('month', d) 
+          AND DATE_TRUNC('month', d) + INTERVAL '1 month' - INTERVAL '1 day'
+      AND EXTRACT(DAY FROM d) <= 7
+FROM dates;
+
+-- 4. DDS: dim_product — полная перезагрузка (если товары редко меняются)
+-- В реальности — инкрементальная загрузка по BK
+
+DELETE FROM dds.dim_product;
+
+INSERT INTO dds.dim_product (product_bk, product_name)
+SELECT product_id, name
+FROM ods.products;
+
+-- 5. DDS: dim_customer — первичная загрузка SCD2 (full backfill из STG)
+--    В ЭТОМ ДЕМО: dim_customer строится напрямую из stg.customers_raw, который играет роль
+--    устойчивого event-лога (все события по клиенту в одном месте).
+--    Это удобно для учебной первичной загрузки (full backfill), когда мы один раз
+--    восстанавливаем всю историю клиента.
+--    В РЕАЛЬНОМ DWH: так делают редко. Исторические измерения обычно строят
+--    поверх очищенных и нормализованных слоёв (ODS / PSA / Data Vault).
+--    Для примера инкрементальной заливки SCD2 по снимку из ODS см. 03_demo_increment.sql и SCD.md.
+--
+-- Идея SCD2 простыми словами:
+--   - одна строка = один период, когда атрибуты клиента (email/phone/city) были одинаковыми;
+--   - valid_from = дата, когда "стало так";
+--   - valid_to = дата следующего изменения (NULL = текущая версия).
+--
+-- Откуда берём дату изменения:
+--   - если в событии есть event_ts — считаем, что изменение произошло тогда;
+--   - если event_ts пустой — берём дату загрузки (_load_ts), чтобы не терять историю.
+--
+-- Важно для демо: считаем, что у клиента не бывает двух разных изменений в один и тот же день.
+TRUNCATE dds.dim_customer, dds.fact_sales;
+
+WITH src AS (  -- 1) Приводим типы, готовим дату изменения (eff_date) и считаем hashdiff атрибутов
+  SELECT
+    s.customer_id::INT                                         AS customer_bk,
+    NULLIF(trim(s.email), '')                                   AS email,
+    NULLIF(trim(s.phone), '')                                   AS phone,
+    NULLIF(trim(s.city),  '')                                   AS city,
+    COALESCE(NULLIF(s.event_ts, '')::date, s._load_ts::date)     AS eff_date,
+    dds.customer_hash(s.email, s.phone, s.city)                 AS hashdiff
+  FROM stg.customers_raw s
+  WHERE s.customer_id ~ '^\d+$'
+),
+ordered AS (  -- 2) Сортируем по датам и смотрим "какой hashdiff был до этого" (LAG)
+  SELECT *,
+          lag(hashdiff) OVER (PARTITION BY customer_bk ORDER BY eff_date) AS prev_hash
+  FROM src
+),
+changes AS (  -- 3) Оставляем только первое состояние и реальные изменения (где hashdiff поменялся)
+  SELECT *
+  FROM ordered
+  WHERE prev_hash IS DISTINCT FROM hashdiff OR prev_hash IS NULL
+),
+framed AS (  -- 4) Превращаем изменения в периоды: valid_to = дата следующего изменения (LEAD)
+  SELECT
+    customer_bk, email, phone, city, hashdiff,
+    eff_date                                                         AS valid_from,
+    lead(eff_date) OVER (PARTITION BY customer_bk ORDER BY eff_date)  AS valid_to
+  FROM changes
+)
+INSERT INTO dds.dim_customer (
+    customer_bk, email, phone, city, hashdiff,
+    valid_from,                                           valid_to,
+    created_at, updated_at
+)
+SELECT
+    customer_bk, email, phone, city, hashdiff,
+    valid_from,
+    valid_to,
+    now(), now()
+FROM framed
+ORDER BY customer_bk, valid_from;
+
+-- 6. DDS: fact_sales — загрузка фактов с учётом SCD
+-- В продакшене — фильтруем по диапазону дат (инкрементально)
+
+--TRUNCATE dds.fact_sales;
+
+INSERT INTO dds.fact_sales (customer_sk, product_sk, date_key, quantity, amount)
+SELECT
+    dc.customer_sk,
+    dp.product_sk,
+    CAST(TO_CHAR(o.order_date, 'YYYYMMDD') AS INT),
+    oi.qty,
+    oi.price_at_sale * oi.qty
+FROM ods.orders o
+JOIN ods.order_items oi ON o.order_id = oi.order_id
+JOIN ods.products p     ON oi.product_id = p.product_id
+JOIN dds.dim_product dp ON p.product_id = dp.product_bk
+JOIN dds.dim_customer dc
+  ON o.customer_id = dc.customer_bk
+ AND o.order_date >= dc.valid_from
+ AND (dc.valid_to IS NULL OR o.order_date < dc.valid_to);
+
+-- 7. Проверка — вывод итогов (не часть ETL, но полезно для отладки)
+-- В реальном пайплайне такие SELECT выносятся в отдельные скрипты или дашборды
+
+ SELECT 'dim_customer current = ' || COUNT(*) FROM dds.dim_customer WHERE valid_to IS NULL;
+ SELECT 'fact_sales count = ' || COUNT(*) FROM dds.fact_sales;
@@ -0,0 +1,149 @@
+-- ===============================================
+-- 03_demo_increment.sql
+-- Имитация новых событий + инкрементальный SCD2
+-- ===============================================
+
+-- 0. Новые события в STG (пример)
+INSERT INTO stg.customers_raw (_load_id, _load_ts, event_ts, customer_id, email, phone, city) VALUES
+('batch_20241101_0800', '2024-11-01 08:00', '2024-11-01',  '101','b@ex.com','700','Москва'),          -- город вернулся
+('batch_20240310_0800', '2024-03-10 08:00', '2024-03-10',  '103','d@ex.com','702','Казань');          -- новый клиент
+
+-- 1) UPSERT в ODS (вставка с обновлением по конфликту, INSERT ... ON CONFLICT DO UPDATE):
+--    сохраняем в ods.customers последнюю версию клиента по BK (бизнес-ключ = customer_id)
+WITH src AS (
+  SELECT
+      s.customer_id::INT                                     AS customer_id,
+      NULLIF(trim(s.email), '')                              AS email,
+      NULLIF(trim(s.phone), '')                              AS phone,
+      NULLIF(trim(s.city),  '')                              AS city,
+      NULLIF(s.event_ts,'')::timestamp                       AS event_ts,
+      s._load_id,
+      s._load_ts,
+      -- eff_ts нужен, чтобы выбрать "самое свежее" событие по клиенту:
+      -- если event_ts нет, используем время загрузки (_load_ts) как приближение.
+      COALESCE(NULLIF(s.event_ts,'')::timestamp, s._load_ts) AS eff_ts
+  FROM stg.customers_raw s
+  WHERE s.customer_id ~ '^\d+$'
+),
+ranked AS (
+  SELECT
+         customer_id, email, phone, city, event_ts, _load_id, _load_ts,
+         -- берём одну строку на клиента: с максимальным eff_ts (при равенстве — с максимальным _load_ts)
+         row_number() OVER (PARTITION BY customer_id ORDER BY eff_ts DESC, _load_ts DESC) AS rn
+  FROM src
+)
+INSERT INTO ods.customers (customer_id, email, phone, city, event_ts, _load_id, _load_ts)
+SELECT customer_id, email, phone, city, event_ts, _load_id, _load_ts
+FROM ranked
+WHERE rn = 1
+ON CONFLICT (customer_id) DO UPDATE
+SET email   = EXCLUDED.email,
+    phone   = EXCLUDED.phone,
+    city    = EXCLUDED.city,
+    event_ts= EXCLUDED.event_ts,
+    _load_id= EXCLUDED._load_id,
+    _load_ts= EXCLUDED._load_ts
+-- апдейтим только если пришло более «свежее» событие
+WHERE COALESCE(EXCLUDED.event_ts, EXCLUDED._load_ts) >
+      COALESCE(ods.customers.event_ts, ods.customers._load_ts);
+
+-- 2) Инкрементальное SCD2 из ODS (в одной транзакции, по последнему снимку в ODS)
+--    Канон для курса: считаем по дням (valid_from/valid_to — DATE), интервалы [valid_from, valid_to),
+--    текущая версия = valid_to IS NULL
+--    Предполагаем, что для клиента нет нескольких изменений в один день.
+--
+-- Идея (по шагам):
+--   1) Берём текущий "снимок" клиента из ODS (одна строка на BK = customer_id).
+--   2) Сравниваем его с текущей версией в dds.dim_customer (valid_to IS NULL) по hashdiff.
+--   3) Если изменилось — закрываем текущую версию (ставим valid_to) и вставляем новую (valid_to = NULL).
+--
+-- Про даты:
+--   eff_date берём из event_ts, а если его нет — из _load_ts (как приближение).
+BEGIN;
+    -- 2.1) Закрываем предыдущую актуальную версию (только если реально изменились атрибуты)
+    -- delta/current считаем прямо в запросе (без временных таблиц) специально для читабельности.
+    WITH delta AS (
+      SELECT
+        c.customer_id                                         AS customer_bk,
+        c.email, c.phone, c.city,
+        COALESCE(c.event_ts::date, c._load_ts::date)          AS eff_date,
+        dds.customer_hash(c.email, c.phone, c.city)           AS hashdiff
+      FROM ods.customers c
+    ),
+    current AS (
+      SELECT d.*
+      FROM dds.dim_customer d
+      WHERE d.valid_to IS NULL
+    )
+    UPDATE dds.dim_customer d
+       SET valid_to   = x.eff_date,
+           updated_at = now()
+      FROM (
+        -- x = кандидаты на "закрытие" текущей версии:
+        -- клиент есть в DDS (current) и атрибуты изменились (hashdiff стал другим).
+        SELECT
+          t.customer_bk,
+          t.eff_date,
+          c.customer_sk
+        FROM delta t
+        JOIN current c
+          ON c.customer_bk = t.customer_bk
+        WHERE c.hashdiff <> t.hashdiff
+          AND t.eff_date > c.valid_from  -- не создаём период нулевой/отрицательной длины
+      ) x
+     WHERE d.customer_sk = x.customer_sk
+       AND d.valid_to IS NULL;
+
+    -- 2.2) Вставляем новую версию (только если новая или изменившаяся)
+    -- delta/current повторяем ещё раз отдельно, чтобы блок вставки читался независимо от блока UPDATE.
+    WITH delta AS (
+      SELECT
+        c.customer_id                                         AS customer_bk,
+        c.email, c.phone, c.city,
+        COALESCE(c.event_ts::date, c._load_ts::date)          AS eff_date,
+        dds.customer_hash(c.email, c.phone, c.city)           AS hashdiff
+      FROM ods.customers c
+    ),
+    current AS (
+      SELECT d.*
+      FROM dds.dim_customer d
+      WHERE d.valid_to IS NULL
+    ),
+    to_insert AS (
+      -- to_insert = кандидаты на вставку:
+      -- 1) новый клиент (в current нет строки);
+      -- 2) изменившийся клиент (hashdiff поменялся).
+      -- если атрибуты не менялись — клиент сюда не попадёт, и ничего делать не нужно.
+      SELECT
+        t.customer_bk,
+        t.email,
+        t.phone,
+        t.city,
+        t.hashdiff,
+        t.eff_date
+      FROM delta t
+      LEFT JOIN current c
+        ON c.customer_bk = t.customer_bk
+      WHERE c.customer_sk IS NULL
+         OR (c.hashdiff <> t.hashdiff AND t.eff_date > c.valid_from)
+    )
+    INSERT INTO dds.dim_customer (
+      customer_bk, email, phone, city, hashdiff,
+      valid_from, valid_to,
+      created_at, updated_at
+    )
+    SELECT
+      t.customer_bk, t.email, t.phone, t.city, t.hashdiff,
+      t.eff_date, NULL,
+      now(), now()
+    FROM to_insert t
+    -- защита от повторного запуска: не вставляем одну и ту же версию (BK + valid_from) второй раз
+    WHERE NOT EXISTS (
+      SELECT 1
+      FROM dds.dim_customer d
+      WHERE d.customer_bk = t.customer_bk
+        AND d.valid_from = t.eff_date
+    );
+COMMIT;
+
+-- (факты можно не перезаливать — даты заказов не поменялись)
@@ -0,0 +1,73 @@
+-- ===============================================
+-- Проверки качества данных после загрузки STG→ODS→DDS
+-- Запускается после 02_dml_stg-dds.sql (и, при необходимости, 03_demo_increment.sql)
+-- ===============================================
+
+-- 1. Проверка: dim_customer не пуста
+DO $$
+BEGIN
+    ASSERT (SELECT COUNT(*) FROM dds.dim_customer) > 0,
+        'ОШИБКА: таблица dds.dim_customer пуста — загрузка не прошла';
+    RAISE NOTICE '✅ dim_customer: НЕ ПУСТА (всего строк: %)', 
+        (SELECT COUNT(*) FROM dds.dim_customer);
+END $$;
+
+-- 2. Проверка: каждая строка из ODS попала в DDS-факт
+-- Сравниваем количество строк в ods.order_items и dds.fact_sales
+DO $$
+DECLARE 
+    expected_count bigint;
+    actual_count   bigint;
+BEGIN
+    SELECT COUNT(*) INTO expected_count FROM ods.order_items;
+    SELECT COUNT(*) INTO actual_count   FROM dds.fact_sales;
+    --
+    ASSERT actual_count = expected_count,
+           format('ОШИБКА: в fact_sales %s строк, а в ods.order_items — %s. Разница: %s',
+                  actual_count, expected_count, expected_count - actual_count);
+    --
+    RAISE NOTICE '✅ fact_sales: количество строк совпадает с ods.order_items (%)', actual_count;
+END $$;
+
+-- 3. Проверка SCD2 (Type 2): у клиента 101 должно быть ≥2 версий (из-за смены email)
+DO $$
+DECLARE version_count INT;
+BEGIN
+    SELECT COUNT(*) INTO version_count
+    FROM dds.dim_customer
+    WHERE customer_bk = 101;
+    --
+    ASSERT version_count >= 2,
+        FORMAT('ОШИБКА: у клиента 101 только %s версия, ожидается ≥2 (должна быть история)', version_count);
+    RAISE NOTICE '✅ SCD2: клиент 101 имеет % версий — история сохранена', version_count;
+END $$;
+
+-- 4. Проверка SCD2 (Type 2): у каждого клиента ровно одна актуальная версия (valid_to IS NULL)
+DO $$
+DECLARE
+    customers_cnt BIGINT;
+    current_cnt   BIGINT;
+BEGIN
+    SELECT COUNT(DISTINCT customer_bk) INTO customers_cnt FROM dds.dim_customer;
+    SELECT COUNT(*) INTO current_cnt
+    FROM dds.dim_customer
+    WHERE valid_to IS NULL;
+    --
+    ASSERT current_cnt = customers_cnt,
+        FORMAT('ОШИБКА: актуальных строк %s, а уникальных клиентов %s (ожидается 1 current на клиента)',
+               current_cnt, customers_cnt);
+    RAISE NOTICE '✅ SCD2: current-строки = количеству клиентов (%)', current_cnt;
+END $$;
+
+-- 5. Проверка SCD2 (Type 2): периоды корректны (valid_to > valid_from или valid_to IS NULL)
+DO $$
+BEGIN
+    ASSERT NOT EXISTS (
+        SELECT 1
+        FROM dds.dim_customer
+        WHERE valid_to IS NOT NULL
+          AND valid_to <= valid_from
+    ),
+    'ОШИБКА: найдены строки dim_customer с некорректным периодом (valid_to <= valid_from)';
+    RAISE NOTICE '✅ SCD2: периоды valid_from/valid_to корректны';
+END $$;
@@ -0,0 +1,34 @@
+-- ===============================================
+-- DDL: Data Marts (DM)
+-- Слой "готовых решений" — для BI, отчётов, API
+-- ===============================================
+
+DROP SCHEMA IF EXISTS dm CASCADE;
+CREATE SCHEMA dm;
+
+-- Витрина: ежедневные продажи по товарам и клиентам
+-- Гранулярность: 1 строка = 1 день × 1 товар × 1 сегмент клиента
+CREATE TABLE dm.mart_daily_sales (
+    date_actual      DATE NOT NULL,
+    product_name     VARCHAR(100) NOT NULL,
+    customer_segment VARCHAR(20) NOT NULL,  -- напр. 'Premium', 'Basic'
+    total_qty        INT NOT NULL,
+    total_revenue    NUMERIC(18,2) NOT NULL
+);
+
+-- Витрина: 360°-портрет клиента (lifetime value)
+CREATE TABLE dm.mart_customer_360 (
+    customer_bk      INT NOT NULL,
+    first_order_date DATE,
+    last_order_date  DATE,
+    total_orders     INT NOT NULL,
+    total_items      INT NOT NULL,
+    lifetime_value   NUMERIC(18,2) NOT NULL,
+    last_email       VARCHAR(100),
+    last_city        VARCHAR(50)
+);
+
+-- Индексы для ускорения BI (опционально, но рекомендовано)
+CREATE INDEX ON dm.mart_daily_sales (date_actual);
+CREATE INDEX ON dm.mart_daily_sales (product_name);
+CREATE INDEX ON dm.mart_customer_360 (customer_bk);
@@ -0,0 +1,59 @@
+-- ===============================================
+-- DML: построение Data Marts из DDS
+-- Идемпотентно: можно пересобирать в любое время
+-- ===============================================
+
+-- 1. Очистка (full refresh — для простоты; в продакшене — incremental)
+TRUNCATE dm.mart_daily_sales, dm.mart_customer_360;
+
+-- 2. mart_daily_sales: продажи по датам и товарам
+-- Одна строка = дата × товар × простой сегмент заказа
+INSERT INTO dm.mart_daily_sales (
+    date_actual, product_name, customer_segment, total_qty, total_revenue
+)
+SELECT
+    d.date_actual,
+    p.product_name,
+    -- Делим заказы на Premium / Basic по сумме
+    CASE 
+        WHEN f.amount >= 200 THEN 'Premium'
+        ELSE 'Basic'
+    END AS customer_segment,
+    SUM(f.quantity) AS total_qty,
+    SUM(f.amount) AS total_revenue
+FROM dds.fact_sales f
+JOIN dds.dim_date d ON f.date_key = d.date_key
+JOIN dds.dim_product p ON f.product_sk = p.product_sk
+JOIN dds.dim_customer c ON f.customer_sk = c.customer_sk  -- факт уже ссылается на нужную версию клиента
+GROUP BY d.date_actual, p.product_name, 
+         CASE WHEN f.amount >= 200 THEN 'Premium' ELSE 'Basic' END;
+
+-- 3. mart_customer_360: 360‑портрет клиента
+-- Одна строка = один клиент
+-- Считаем суммы по всей истории его покупок
+INSERT INTO dm.mart_customer_360 (
+    customer_bk, first_order_date, last_order_date,
+    total_orders, total_items, lifetime_value,
+    last_email, last_city
+)
+SELECT
+    c.customer_bk,
+    MIN(d.date_actual) AS first_order_date,
+    MAX(d.date_actual) AS last_order_date,
+    COUNT(DISTINCT f.sale_id) AS total_orders,  -- считаем строки факта (продажи), не бизнес-заказы
+    SUM(f.quantity) AS total_items,
+    SUM(f.amount) AS lifetime_value,
+    -- Берём самый свежий email и город клиента
+    (SELECT email FROM dds.dim_customer c2 
+     WHERE c2.customer_bk = c.customer_bk 
+     ORDER BY c2.valid_from DESC 
+     LIMIT 1) AS last_email,
+    (SELECT city FROM dds.dim_customer c2 
+     WHERE c2.customer_bk = c.customer_bk 
+     ORDER BY c2.valid_from DESC 
+     LIMIT 1) AS last_city
+FROM dds.fact_sales f
+JOIN dds.dim_date d ON f.date_key = d.date_key
+JOIN dds.dim_customer c ON f.customer_sk = c.customer_sk
+-- Здесь не фильтруем по valid_to: нужна вся история фактов
+GROUP BY c.customer_bk;
@@ -0,0 +1,48 @@
+-- ===============================================
+-- DDL: дополнительные таблицы для домашки
+-- Тема: статусы клиента (SCD2 поверх статуса)
+-- Скрипт можно запускать после 01_ddl_stg-dds.sql
+-- ===============================================
+
+-- 1. STG: сырые события о статусе клиента из CRM
+DROP TABLE IF EXISTS stg.customer_status_raw;
+CREATE TABLE stg.customer_status_raw (
+    customer_id TEXT,
+    status      TEXT,
+    event_ts    TEXT,
+    _load_id    TEXT,
+    _load_ts    TIMESTAMP DEFAULT NOW()
+);
+
+-- 2. ODS: очищенные и типизированные статусы
+DROP TABLE IF EXISTS ods.customer_status;
+CREATE TABLE ods.customer_status (
+    customer_id INT          NOT NULL,
+    status      VARCHAR(20)  NOT NULL,
+    event_ts    TIMESTAMP    NOT NULL,
+    _load_id    TEXT         NOT NULL,
+    _load_ts    TIMESTAMP    NOT NULL
+);
+
+ALTER TABLE ods.customer_status
+    ADD PRIMARY KEY (customer_id, event_ts);
+
+-- 3. DDS: измерение статусов клиента с историей (SCD Type 2)
+DROP TABLE IF EXISTS dds.dim_customer_status;
+CREATE TABLE dds.dim_customer_status (
+    customer_status_sk BIGSERIAL   PRIMARY KEY,
+    customer_bk        INT         NOT NULL,
+    status             VARCHAR(20) NOT NULL,
+    hashdiff           TEXT        NOT NULL,
+    valid_from         DATE        NOT NULL,
+    valid_to           DATE,
+    created_at         TIMESTAMP   NOT NULL DEFAULT NOW(),
+    updated_at         TIMESTAMP   NOT NULL DEFAULT NOW()
+);
+
+ALTER TABLE dds.dim_customer_status
+    ADD CONSTRAINT uq_dim_customer_status_bk_from UNIQUE (customer_bk, valid_from);
+
+CREATE INDEX ix_dim_customer_status_bk_current
+    ON dds.dim_customer_status (customer_bk)
+    WHERE valid_to IS NULL;
@@ -0,0 +1,48 @@
+-- ===============================================
+-- DML-шаблон для домашки
+-- Тема: статусы клиента (STG → ODS → DDS SCD2)
+-- Цель: по customer_status_events.csv построить историю статусов
+-- ===============================================
+
+-- Подсказка:
+-- 1) Загрузите CSV в stg.customer_status_raw (через COPY или \copy в psql).
+--    См. пример структуры файла в dwh-modeling/data/customer_status_events.csv
+-- 2) Переложите данные в ods.customer_status с приведением типов.
+--    customer_id → INT, status → VARCHAR(20), event_ts / load_ts → TIMESTAMP
+--    (в STG/ODS эта колонка будет жить как _load_ts).
+-- 3) Постройте из ods.customer_status измерение dds.dim_customer_status в стиле SCD2:
+--    - одна строка на период действия статуса (valid_from / valid_to);
+--    - актуальная строка для клиента — та, где valid_to IS NULL;
+--    - hashdiff можно считать, например, от одного поля status.
+-- 4) При желании добавьте инкрементальную логику (как в 03_demo_increment.sql).
+-- 5) Опционально: соберите витрину dm.mart_customer_status_daily
+--    с количеством клиентов по статусам на каждую дату.
+
+-- Ниже — ЗАГОТОВКИ блоков, которые можно дописать.
+-- Они намеренно оставлены пустыми, чтобы вы написали SQL сами.
+
+-- 1. ODS: очистка и типизация
+-- TRUNCATE ods.customer_status;
+-- INSERT INTO ods.customer_status (...)
+-- SELECT ...
+-- FROM stg.customer_status_raw;
+
+-- 2. DDS: начальная загрузка SCD2
+-- Примерный план:
+--   - рассчитать hashdiff по (status);
+--   - по каждому клиенту отсортировать события по времени;
+--   - построить для каждой строки valid_from и valid_to (LEAD() OVER ...), последняя valid_to = NULL;
+--   - вставить в dds.dim_customer_status.
+
+-- 3. DDS: инкрементальная загрузка (по желанию)
+-- Можно ориентироваться на примеры в 03_demo_increment.sql.
+
+-- 4. DM: витрина статусов клиентов по датам (по желанию)
+-- Пример целевой структуры:
+-- CREATE TABLE dm.mart_customer_status_daily (
+--     date_actual    DATE        NOT NULL,
+--     status         VARCHAR(20) NOT NULL,
+--     customers_cnt  INT         NOT NULL
+-- );
+-- Идея: на каждую дату взять актуальный статус клиента
+-- через JOIN dds.dim_customer_status + dds.dim_date.
@@ -0,0 +1,276 @@
+-- ===============================================
+-- 09_dml_hw_customer_status_solution.sql
+-- Решение домашки: статусы клиента (STG -> ODS -> DDS SCD2 -> DM)
+--
+-- Что делает этот файл:
+--   1) Перекладывает события статусов в ODS (приводит типы, чистит пустое).
+--   2) Строит DDS-измерение со "встроенной историей" (SCD2): периоды valid_from/valid_to.
+--   3) Показывает пример обновления DDS маленькой порцией (инкремент): закрыть старое + вставить новое.
+--   4) Собирает простую витрину в DM: сколько клиентов в каком статусе по дням.
+--
+-- Как запускать:
+--   - для первого знакомства можно запускать файл целиком;
+--   - если хотите потренировать инкремент (п.3): добавьте новые события -> обновите ODS -> запустите блок 3 ещё раз.
+--
+-- Важно:
+--   - здесь часто используется TRUNCATE (полная очистка), чтобы было легко повторять домашку;
+--   - в реальном DWH так делают не всегда, но для обучения это удобнее.
+--
+-- Предусловия (DDL + данные в STG):
+--   1) dwh-modeling/sql/01_ddl_stg-dds.sql
+--   2) dwh-modeling/sql/05_ddl_dm.sql
+--   3) dwh-modeling/sql/07_ddl_hw_customer_status.sql
+--   4) stg.customer_status_raw заполнена (см. dwh-modeling/Homework_Customer_Status_DDS_DM.md)
+-- ===============================================
+
+-- ==========================================================
+-- 1) ODS: очистка и типизация (full refresh)
+-- ==========================================================
+
+-- Идея:
+--   - STG хранит "как пришло" (обычно TEXT);
+--   - ODS хранит "аккуратно": правильные типы + простая чистка.
+-- Для простоты пересобираем ODS с нуля.
+
+TRUNCATE ods.customer_status;
+
+INSERT INTO ods.customer_status (
+    customer_id, status, event_ts, _load_id, _load_ts
+)
+SELECT
+    s.customer_id::INT                                           AS customer_id,
+    NULLIF(trim(s.status), '')                                   AS status,
+    NULLIF(trim(s.event_ts), '')::TIMESTAMP                      AS event_ts,
+    s._load_id,
+    COALESCE(s._load_ts, now())                                  AS _load_ts
+FROM stg.customer_status_raw s
+WHERE s.customer_id ~ '^\d+$'
+  AND NULLIF(trim(s.event_ts), '') IS NOT NULL
+  AND NULLIF(trim(s.status), '') IS NOT NULL;
+
+-- ==========================================================
+-- 2) DDS: начальная загрузка SCD2 (full refresh)
+-- ==========================================================
+
+-- Идея SCD2 простыми словами:
+--   - одна строка = один период, когда статус был одним и тем же;
+--   - valid_from = с какого дня статус "начался";
+--   - valid_to = с какого дня статус "закончился" (NULL = текущий статус);
+--   - интервалы считаем так: [valid_from, valid_to) (valid_to не включаем).
+--   - чтобы найти статус "на дату D":
+--     D >= valid_from AND (valid_to IS NULL OR D < valid_to)
+--
+-- Упрощение для домашки:
+--   - считаем, что у клиента нет двух разных смен статуса в один день.
+
+TRUNCATE dds.dim_customer_status;
+
+WITH src AS (
+    -- src: события из ODS + "контрольная сумма" статуса.
+    -- Так проще проверять, поменялся статус или остался тем же.
+    SELECT
+        customer_id                                              AS customer_bk,
+        status,
+        event_ts,
+        md5(lower(coalesce(status, '')))                         AS hashdiff
+    FROM ods.customer_status
+),
+ordered AS (
+    -- ordered: для каждого клиента смотрим "какая версия была до этого" (LAG)
+    SELECT
+        *,
+        lag(hashdiff) OVER (
+            PARTITION BY customer_bk
+            ORDER BY event_ts
+        )                                                        AS prev_hash
+    FROM src
+),
+changes AS (
+    -- changes: оставляем только первое состояние и реальные изменения статуса
+    SELECT *
+    FROM ordered
+    WHERE prev_hash IS DISTINCT FROM hashdiff OR prev_hash IS NULL
+),
+framed AS (
+    -- framed: превращаем изменения в периоды (valid_to = дата следующего события через LEAD)
+    SELECT
+        customer_bk,
+        status,
+        hashdiff,
+        event_ts::DATE                                           AS valid_from,
+        lead(event_ts::DATE) OVER (
+            PARTITION BY customer_bk
+            ORDER BY event_ts
+        )                                                        AS valid_to
+    FROM changes
+)
+INSERT INTO dds.dim_customer_status (
+    customer_bk, status, hashdiff,
+    valid_from, valid_to,
+    created_at, updated_at
+)
+SELECT
+    customer_bk, status, hashdiff,
+    valid_from, valid_to,
+    now(), now()
+FROM framed
+ORDER BY customer_bk, valid_from;
+
+-- ==========================================================
+-- 3) DDS: инкрементальная загрузка SCD2 (по последним событиям)
+-- ==========================================================
+
+-- Этот блок нужен, чтобы показать "как это обычно обновляют":
+-- после новой порции событий мы:
+--   1) берём по каждому клиенту самое позднее событие из ODS;
+--   2) сравниваем его с текущей версией в DDS (valid_to IS NULL);
+--   3) если статус изменился — закрываем старую версию и вставляем новую.
+--
+-- Ограничение учебного варианта (в домашке можно игнорировать):
+--   - если вы добавили событие "задним числом" со старой датой, этот блок не пересоберёт всю историю.
+--     Для такого кейса обычно делают отдельную логику или full refresh.
+--
+-- Примечание:
+--   - в этом файле блок 2 (full refresh) запускается раньше, поэтому сразу после него
+--     блок 3, скорее всего, ничего не изменит. Зато его можно повторять после новых событий.
+
+BEGIN;
+    -- 3.1) Закрываем предыдущую актуальную версию
+    WITH ranked AS (
+        -- ranked: выбираем "самое свежее" событие на клиента.
+        -- Если event_ts одинаковый, берём то, что загрузилось позже (_load_ts).
+        SELECT
+            customer_id                                          AS customer_bk,
+            status,
+            event_ts::DATE                                       AS eff_date,
+            md5(lower(coalesce(status, '')))                     AS hashdiff,
+            row_number() OVER (
+                PARTITION BY customer_id
+                ORDER BY event_ts DESC, _load_ts DESC
+            )                                                    AS rn
+        FROM ods.customer_status
+        WHERE event_ts IS NOT NULL
+    ),
+    delta AS (
+        -- delta: ровно одна строка на клиента (самое свежее событие)
+        SELECT * FROM ranked WHERE rn = 1
+    ),
+    current AS (
+        -- current: текущие версии в DDS (valid_to IS NULL)
+        SELECT d.*
+        FROM dds.dim_customer_status d
+        WHERE d.valid_to IS NULL
+    )
+    UPDATE dds.dim_customer_status d
+       SET valid_to   = x.eff_date,
+           updated_at = now()
+      FROM (
+        -- x: кого "закрываем":
+        -- клиент уже есть в DDS, и статус действительно изменился.
+        SELECT
+            t.customer_bk,
+            t.eff_date,
+            c.customer_status_sk
+        FROM delta t
+        JOIN current c
+          ON c.customer_bk = t.customer_bk
+        WHERE c.hashdiff <> t.hashdiff
+          AND t.eff_date > c.valid_from  -- не создаём период нулевой/отрицательной длины
+      ) x
+     WHERE d.customer_status_sk = x.customer_status_sk
+       AND d.valid_to IS NULL;
+
+    -- 3.2) Вставляем новую версию
+    WITH ranked AS (
+        -- ranked/delta/current повторяем отдельно, чтобы блок INSERT читался отдельно от UPDATE
+        SELECT
+            customer_id                                          AS customer_bk,
+            status,
+            event_ts::DATE                                       AS eff_date,
+            md5(lower(coalesce(status, '')))                     AS hashdiff,
+            row_number() OVER (
+                PARTITION BY customer_id
+                ORDER BY event_ts DESC, _load_ts DESC
+            )                                                    AS rn
+        FROM ods.customer_status
+        WHERE event_ts IS NOT NULL
+    ),
+    delta AS (
+        SELECT * FROM ranked WHERE rn = 1
+    ),
+    current AS (
+        SELECT d.*
+        FROM dds.dim_customer_status d
+        WHERE d.valid_to IS NULL
+    ),
+    to_insert AS (
+        -- to_insert: кого "вставляем":
+        --   1) новый клиент (в current нет строки);
+        --   2) изменившийся клиент (статус поменялся).
+        SELECT
+            t.customer_bk,
+            t.status,
+            t.hashdiff,
+            t.eff_date
+        FROM delta t
+        LEFT JOIN current c
+          ON c.customer_bk = t.customer_bk
+        WHERE c.customer_status_sk IS NULL
+           OR (c.hashdiff <> t.hashdiff AND t.eff_date > c.valid_from)
+    )
+    INSERT INTO dds.dim_customer_status (
+        customer_bk, status, hashdiff,
+        valid_from, valid_to,
+        created_at, updated_at
+    )
+    SELECT
+        t.customer_bk, t.status, t.hashdiff,
+        t.eff_date, NULL,
+        now(), now()
+    FROM to_insert t
+    -- защита от повторного запуска: не вставляем одну и ту же версию (BK + valid_from) второй раз
+    WHERE NOT EXISTS (
+        SELECT 1
+        FROM dds.dim_customer_status d
+        WHERE d.customer_bk = t.customer_bk
+          AND d.valid_from = t.eff_date
+    );
+COMMIT;
+
+-- ==========================================================
+-- 4) DM: витрина статусов клиентов по датам (full refresh)
+-- ==========================================================
+
+-- Витрина "снимок на дату":
+-- для каждого дня считаем, сколько клиентов было в каждом статусе.
+-- Берём календарь dds.dim_date и подбираем статус по периоду valid_from/valid_to.
+
+CREATE TABLE IF NOT EXISTS dm.mart_customer_status_daily (
+    date_actual    DATE        NOT NULL,
+    status         VARCHAR(20) NOT NULL,
+    customers_cnt  INT         NOT NULL
+);
+
+TRUNCATE dm.mart_customer_status_daily;
+
+WITH bounds AS (
+    SELECT
+        min(valid_from)                                           AS date_from,
+        max(coalesce(valid_to, valid_from))                       AS date_to
+    FROM dds.dim_customer_status
+)
+INSERT INTO dm.mart_customer_status_daily (
+    date_actual, status, customers_cnt
+)
+SELECT
+    d.date_actual,
+    s.status,
+    COUNT(DISTINCT s.customer_bk)                                 AS customers_cnt
+FROM dds.dim_date d
+JOIN bounds b
+  ON d.date_actual BETWEEN b.date_from AND b.date_to
+JOIN dds.dim_customer_status s
+  ON d.date_actual >= s.valid_from
+ AND (s.valid_to IS NULL OR d.date_actual < s.valid_to)
+GROUP BY d.date_actual, s.status
+ORDER BY d.date_actual, s.status;
@@ -1,2 +1,20 @@
 #!/bin/bash
-docker compose exec -it db psql -U ${POSTGRES_USER:-postgres} -d demo
+set -euo pipefail
+
+# Usage:
+#   ./psql_sh                    # interactive psql inside container
+#   ./psql_sh -c "SELECT 1;"     # run a command
+#   cat file.csv | ./psql_sh -c "\\copy ... FROM STDIN WITH (FORMAT csv, HEADER true)"
+
+script_dir="$(cd -- "$(dirname -- "${BASH_SOURCE[0]}")" && pwd)"
+compose_file="${script_dir}/docker-compose.yml"
+
+compose() {
+  docker compose -f "${compose_file}" --project-directory "${script_dir}" "$@"
+}
+
+if [ -t 0 ]; then
+  compose exec -it db psql -U "${POSTGRES_USER:-postgres}" -d demo "$@"
+else
+  compose exec -T db psql -U "${POSTGRES_USER:-postgres}" -d demo "$@"
+fi
Author	SHA1	Message	Date
ddadmin	4b24e8847f	Данные для инкремента статусов	2025-12-21 21:41:01 +03:00
ddadmin	cfc79894b8	Упростить комментарии в решении	2025-12-21 21:32:40 +03:00
ddadmin	9d837f5f5b	Решение домашки: customer_status SCD2	2025-12-21 21:26:01 +03:00
ddadmin	20ea175e3a	Улучшения домашки	2025-12-21 21:09:52 +03:00
ddadmin	a347988af2	возможные планы	2025-12-21 20:23:20 +03:00
ddadmin	855530bee5	Более понятная реализация scd2	2025-12-21 20:23:07 +03:00
ddadmin	d342519bb5	одна из целей - анализ плана запросов	2025-12-21 19:56:26 +03:00
ddadmin	ae00475df5	переписана реализация scd2	2025-12-21 18:50:50 +03:00
ddadmin	87301921a9	Merge branch 'roadmap'	2025-11-30 12:06:23 +03:00
ddadmin	4bec6217cf	Правки по ходу перечитывания	2025-11-30 12:02:30 +03:00
ddadmin	5e1c80f870	Merge branch 'main' into roadmap	2025-11-30 11:18:36 +03:00
ddadmin	ba9cdff421	Причесывание комментариев	2025-11-29 21:37:03 +03:00
ddadmin	eb9215c4f1	Уулчшения витрин	2025-11-29 21:24:08 +03:00
ddadmin	e659fbb731	Исправление неточностей	2025-11-29 20:46:03 +03:00
ddadmin	218c6b9fe7	Исправлиение примера с scd2	2025-11-29 20:16:16 +03:00
ddadmin	2d78fb4459	Домашка по моделированию	2025-11-23 18:31:43 +03:00
ddadmin	04573efda1	Раздел про курсовую работу	2025-11-23 18:16:18 +03:00
ddadmin	e53fa0b9d4	Очередная чистка мелких шероховатостей	2025-11-23 17:58:17 +03:00
ddadmin	26a35b0560	DoD по разделам	2025-11-23 17:47:05 +03:00
ddadmin	e37c1ed1cc	Критерии пройденности разделов	2025-11-23 17:36:06 +03:00
ddadmin	805141a0b9	Смена тональности обращений	2025-11-23 13:30:15 +03:00
ddadmin	e5615c9419	Расширен раздел с GreenPlum	2025-11-23 13:18:34 +03:00
ddadmin	64fe665cdc	Ссылки на ментора	2025-11-23 12:46:11 +03:00
ddadmin	d46d9848f4	Полировка формулировок	2025-11-23 12:20:35 +03:00
ddadmin	d5cee7ae6d	Про аудит	2025-11-23 12:15:35 +03:00
ddadmin	d8c98c73c5	Добавлена шпаргалка	2025-11-23 12:13:53 +03:00
ddadmin	add67223b8	Мелкие правки	2025-11-23 12:07:59 +03:00
ddadmin	0521b6cc9a	Правка реализации истории	2025-11-23 11:56:51 +03:00
ddadmin	ee4b6ae5a4	AI guideline	2025-11-23 11:37:04 +03:00
ddadmin	58fe605116	Добавлено оглавление	2025-11-15 21:38:59 +03:00
ddadmin	71d885a9db	Чистка заголовков	2025-11-15 21:20:52 +03:00
ddadmin	b2ae216b07	Merge branch 'main' into dwh-modeling-basics	2025-11-15 21:01:04 +03:00
ddadmin	f1338ccfc5	Детальнее про pit и bridge таблицы	2025-11-15 20:59:53 +03:00
ddadmin	aa3ebbfd7c	Переработка структуры	2025-11-15 20:47:08 +03:00
ddadmin	32ffcfb4c5	Фикс диаграммы в практикуме	2025-11-15 20:44:59 +03:00
ddadmin	5f16476c81	Первый вариант статьи про DV	2025-11-15 20:00:58 +03:00
ddadmin	bb9902a448	Упрощение раздела про DV	2025-11-15 19:08:20 +03:00
ddadmin	c66ba776c2	Пересобран раздел 8	2025-11-15 18:43:43 +03:00
ddadmin	51c33a543d	Маленькая склейка	2025-11-15 18:36:25 +03:00
ddadmin	e48fa424e2	Еще битые ссылки	2025-11-15 18:33:46 +03:00
ddadmin	9175f84cf9	Битые ссылки	2025-11-15 18:29:23 +03:00
ddadmin	ecb41941fc	Улучшения диаграммы в "базовые понятия"	2025-11-15 18:13:06 +03:00
ddadmin	a8a122bdfa	Переделка раздела советов для сомневающихся	2025-11-15 17:57:35 +03:00
ddadmin	e7ba8cebd0	Еще материал по DV	2025-11-15 13:03:52 +03:00
ddadmin	0d9bb047a4	Раздел про Data Vault	2025-11-15 12:53:02 +03:00
ddadmin	ff6086ff21	Стилистическая правка	2025-11-15 12:29:31 +03:00
ddadmin	dabcadfc19	Правка ошибок	2025-11-10 11:22:47 +03:00
ddadmin	fde77d33ce	Интеграция структуры хранилища данных в общий план обучения	2025-11-09 13:30:44 +03:00
ddadmin	d5220adcf0	В статью добавлены ссылки на скрипты с учебным примером	2025-11-08 22:16:11 +03:00
ddadmin	3cbaeb5fc2	Переименования скриптов	2025-11-08 20:42:35 +03:00
ddadmin	a234c2954d	Вычитка статьи	2025-11-08 20:40:04 +03:00
ddadmin	c52d0d8b31	Стилистические правки	2025-11-08 19:21:43 +03:00
ddadmin	be1557716f	Забыли заполнить dds.orders	2025-11-07 16:31:23 +03:00
ddadmin	cefe9971b8	Проверки	2025-11-07 16:31:09 +03:00
ddadmin	3cb77d9cf6	SCD2 теперь строится	2025-11-07 16:15:25 +03:00
ddadmin	57d1dd3186	Уточнения по SCD 2 - бех юэкфилл	2025-11-07 15:46:52 +03:00
ddadmin	b29de24c31	SCD2 для dim_customers	2025-11-07 15:10:30 +03:00
ddadmin	42c8515b62	Доработки идей	2025-11-07 12:25:41 +03:00
ddadmin	dfc5748358	Чистовик статьи + материалы	2025-11-07 11:05:44 +03:00
ddadmin	fa42a4508f	Дальнейшая доработка	2025-11-07 10:22:11 +03:00
ddadmin	ee55515b54	Развитие идей	2025-11-07 09:58:37 +03:00
ddadmin	acfbc4d037	Правка плани	2025-11-04 23:15:14 +03:00
ddadmin	a17c775c1d	Вариант от deepseek	2025-11-04 21:26:13 +03:00
ddadmin	1879eb341f	Чистка	2025-11-04 21:22:03 +03:00
ddadmin	fc6282a4d4	Чистка заголовков	2025-11-04 21:12:15 +03:00
ddadmin	960bfa3ce0	Фикс графиков	2025-11-04 21:00:31 +03:00
ddadmin	e16ea6e0cf	Первоначальный план статьи	2025-11-04 20:54:14 +03:00
ddadmin	e9b50406e3	Пререработка структуры заголовков	2025-11-04 18:00:40 +03:00
ddadmin	197ef1b0d2	Упрощение	2025-11-04 17:45:03 +03:00
ddadmin	f18bd7ea39	Раскрыт детальнее update для trino	2025-11-04 17:39:17 +03:00
ddadmin	f789839643	Расширен раздел про SCD2 для append-only систем	2025-11-04 17:20:35 +03:00
ddadmin	1730f6801b	Документация по dbc	2025-11-03 17:36:49 +03:00
ddadmin	20acb883a9	Merge branch 'main' of github.com-dementev:dementev-dev/de-roadmap	2025-10-26 22:24:18 +03:00
ddadmin	4979a1dc57	Больше материалов по Python	2025-10-26 22:24:14 +03:00
ddadmin	63b8811776	Ссылка на статью про Parquet и Iceberg	2025-10-24 10:35:10 +03:00
ddadmin	43fb42cfb0	Ссылка на учебник	2025-10-19 22:27:23 +03:00
ddadmin	9793ab209e	Ссылка на Jupyter Lab	2025-10-19 16:13:00 +03:00
ddadmin	d25db5b780	Развитие тематики Python	2025-10-19 13:17:29 +03:00
ddadmin	15f4140ef8	Фикс оформления	2025-10-19 13:13:29 +03:00
ddadmin	69faae7f25	Материал про Jupyter Lab	2025-10-19 13:12:59 +03:00
ddadmin	42754739cf	Раздел про Python - ООП, Pandas	2025-10-19 13:07:23 +03:00
ddadmin	6fd8b69d1c	Добавлена ссылка на SCD	2025-10-19 12:35:24 +03:00
ddadmin	ed5a18d655	Статья про SCD	2025-10-19 12:33:27 +03:00
ddadmin	4693147750	Фикс опечатки	2025-10-18 20:23:50 +03:00
ddadmin	f636d74e02	Раздел про моделирование данных	2025-10-18 19:09:44 +03:00
ddadmin	f374047387	Улучшение структуры	2025-10-18 18:44:18 +03:00
ddadmin	b43630cf49	Материалы по Docker	2025-10-16 23:28:06 +03:00
ddadmin	d699696869	Фикс оформления	2025-10-16 23:19:32 +03:00
ddadmin	459cb5ab2b	Приоретизация материалов	2025-10-16 23:18:51 +03:00
ddadmin	253268bd60	Главы книги, которые стоит прочесть	2025-10-16 23:17:44 +03:00
ddadmin	07f9e0c5d2	Доп видео по git	2025-10-16 23:10:45 +03:00