268 lines
12 KiB
PL/PgSQL
268 lines
12 KiB
PL/PgSQL
-- ===============================================
|
||
-- 09_dml_hw_customer_status_solution.sql
|
||
-- Решение домашки: статусы клиента (STG -> ODS -> DDS SCD2 -> DM)
|
||
--
|
||
-- Как запускать:
|
||
-- - можно запускать файл целиком;
|
||
-- - блок 3 (инкремент) имеет смысл запускать повторно после того,
|
||
-- как вы добавили новые события и обновили ODS.
|
||
--
|
||
-- Важно:
|
||
-- - в решении используются TRUNCATE (полная очистка) для ODS/DDS/DM, чтобы было проще повторять домашку.
|
||
-- - в реальном DWH так делают не всегда: чаще грузят инкрементально и не трогают историю целиком.
|
||
--
|
||
-- 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" (TEXT), ODS хранит "аккуратно" (типы + базовая чистка).
|
||
-- Для простоты делаем full refresh: пересобираем ods.customer_status целиком.
|
||
|
||
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 одинаковым;
|
||
-- - valid_from = с какого дня статус "действует";
|
||
-- - valid_to = с какого дня статус перестал действовать (NULL = текущая версия);
|
||
-- - интервалы считаем как [valid_from, valid_to).
|
||
-- - 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 + hashdiff.
|
||
-- В домашке hashdiff можно считать просто как md5(status): так удобно сравнить "изменился статус или нет".
|
||
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 предыдущий hashdiff (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 = следующий event_ts 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 живёт SCD2 в проде":
|
||
-- после каждой 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:
|
||
-- - если пришло "задним числом" событие со старой датой, этот инкремент историю не пересоберёт;
|
||
-- для такого кейса нужен другой алгоритм (это уже advanced).
|
||
--
|
||
-- 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: пронумеровали события так, чтобы rn = 1 было "самое свежее" на клиента
|
||
-- event_ts::date превращает событие в "изменение в этот день" (daily-grain).
|
||
-- _load_ts используем как tie-breaker, если два события имеют одинаковый event_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: кандидаты на "закрытие" текущей версии (клиент есть в DDS и статус 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 автономно
|
||
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: кандидаты на вставку
|
||
-- 1) новый клиент (в current нет строки);
|
||
-- 2) изменившийся клиент (hashdiff 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": сколько клиентов в каком статусе на каждый день.
|
||
-- Используем календарь dds.dim_date и JOIN по диапазону [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;
|