docs(course): архивирован legacy HOWTO и обновлен README

- Зачем:
  - нужно убрать устаревший учебный маршрут из student-facing документов, но сохранить старые лабораторные как reference-материал.
- Что:
  - HOWTO.md перенесен в docs/archive/legacy_howto.md и помечен как архивный legacy-документ.
  - README.md больше не отправляет студента в устаревший HOWTO и ссылается на актуальную программу курса.
- Проверка:
  - просмотрен git diff -- README.md HOWTO.md docs/archive/legacy_howto.md.
  - проверен git diff --cached --stat перед коммитом.

README.md

@@ -60,7 +60,7 @@ graph LR
    - MinIO Console: `http://localhost:9001`
    - JupyterLab (если включён): `http://localhost:8888`
 
-4. Для пошаговых лабораторных работ см. файл `HOWTO.md`.
+4. Актуальная структура курса описана в `docs/course_program.md`.
 
 ---
 
@@ -381,7 +381,7 @@ spark.sql("INSERT INTO lakehouse.default.spark_table VALUES (1, 'Alice'), (2, 'B
 * Добавить отдельные каталоги Trino (например, `hive`, `tpch`) для демонстрации федеративных запросов.
 * Добавить пример интеграции с BI-инструментом (DBeaver/Metabase/Superset) поверх Trino.
 
-Для пошаговых учебных сценариев (лабораторных работ) см. файл `HOWTO.md`.
+Актуальная структура курса описана в `docs/course_program.md`. Старый `HOWTO` сохранён как архивный материал в `docs/archive/legacy_howto.md`.
 
 ---
 

docs/archive/legacy_howto.md

@@ -1,3 +1,23 @@
+# Legacy HOWTO: ранние лабораторные по Lakehouse-стенду
+
+Этот документ сохранён как архивный материал и не является актуальным учебным маршрутом для курса `Lakehouse без магии`.
+
+Зачем он сохранён:
+
+* в нём есть полезные ранние учебные сценарии и привязка к существующим demo-скриптам;
+* он помогает понять, как эволюционировал стенд и какие практики уже когда-то обкатывались;
+* его можно использовать как reference при создании новых ноутбуков и стартовой документации.
+
+Почему это legacy:
+
+* документ был написан до текущего PRD и новой программы курса;
+* он смешивает актуальные темы с темами вне обязательного трека `v1`, например с отдельной лабой про партиционирование;
+* он не соответствует новой структуре материалов `README -> START_HERE -> course_program -> notebooks`.
+
+Ниже сохранено исходное содержимое старого `HOWTO.md` почти без изменений.
+
+---
+
 # HOWTO: Учебные лабораторные по Lakehouse-стенду
 
 Этот файл описывает пошаговые учебные сценарии (лабораторные работы), которые можно выполнять поверх стенда из `docker-compose.yml`.
@@ -6,29 +26,29 @@
 
 Лабораторки опираются на примеры в `src/`:
 
-- `src/spark/cluster_smoke.py` — проверка, что Spark‑кластер жив.
+- `src/spark/cluster_smoke.py` — проверка, что Spark-кластер жив.
-- `src/spark/iceberg_demo.sql` — первая Iceberg‑таблица в Spark.
+- `src/spark/iceberg_demo.sql` — первая Iceberg-таблица в Spark.
-- `src/spark/iceberg_smoke.py` — Spark создаёт Iceberg‑таблицу и читает её.
+- `src/spark/iceberg_smoke.py` — Spark создаёт Iceberg-таблицу и читает её.
 - `src/trino/iceberg_smoke.sql` — Trino читает таблицу, созданную в Spark.
 
 Все команды ниже выполняются из корня репозитория.
 
 Краткая карта лабораторных:
 
-- **Лаба 0** — стенд поднят, Spark‑кластер жив.
+- **Лаба 0** — стенд поднят, Spark-кластер жив.
-- **Лаба 1** — первая Iceberg‑таблица в Spark.
+- **Лаба 1** — первая Iceberg-таблица в Spark.
 - **Лаба 2** — общий каталог Spark ↔ Trino.
 - **Лаба 3** — партиционирование и эволюция схемы.
-- **Лаба 4** — мини‑ETL поверх Lakehouse (эскиз).
+- **Лаба 4** — мини-ETL поверх Lakehouse (эскиз).
 
 ---
 
-## Лаба 0. Стенд поднят, Spark‑кластер жив
+## Лаба 0. Стенд поднят, Spark-кластер жив
 
 **Цель**
 
 - Убедиться, что все контейнеры поднялись.
-- Проверить, что Spark‑кластер (master + workers) работает.
+- Проверить, что Spark-кластер (master + workers) работает.
 
 **Предусловия**
 
@@ -52,7 +72,7 @@
 
    Ожидаем, что `spark-master`, `spark-worker-1`, `spark-worker-2` в статусе `Up`.
 
-3. Запустить smoke‑скрипт кластера из контейнера `spark-master`:
+3. Запустить smoke-скрипт кластера из контейнера `spark-master`:
 
    ```bash
    docker compose exec spark-master \
@@ -71,11 +91,11 @@
 
 ---
 
-## Лаба 1. Первая Iceberg‑таблица из Spark
+## Лаба 1. Первая Iceberg-таблица из Spark
 
 **Цель**
 
-- Создать Iceberg‑таблицу с помощью Spark SQL.
+- Создать Iceberg-таблицу с помощью Spark SQL.
 - Посмотреть файлы таблицы в MinIO (`warehouse/default/demo_tbl/...`).
 
 **Предусловия**
@@ -91,7 +111,7 @@
      /opt/spark/bin/spark-sql
    ```
 
-2. Выполнить учебный SQL‑скрипт:
+2. Выполнить учебный SQL-скрипт:
 
 - Внутри интерактивной сессии `spark-sql`:
 
@@ -127,7 +147,7 @@
 
   возвращает данные.
 
-- В MinIO видна структура Iceberg‑таблицы: служебные файлы и файлы данных.
+- В MinIO видна структура Iceberg-таблицы: служебные файлы и файлы данных.
 
 ---
 
@@ -135,7 +155,7 @@
 
 **Цель**
 
-- Показать, что Spark и Trino используют общий Iceberg‑каталог (метаданные в Postgres, данные в MinIO).
+- Показать, что Spark и Trino используют общий Iceberg-каталог (метаданные в Postgres, данные в MinIO).
 - Создать таблицу из Spark и прочитать её через Trino.
 
 **Предусловия**
@@ -145,7 +165,7 @@
 
 **Шаги**
 
-1. Создать таблицу и записать данные из Spark (PySpark‑скрипт):
+1. Создать таблицу и записать данные из Spark (PySpark-скрипт):
 
    ```bash
    docker compose exec spark-master \
@@ -169,7 +189,7 @@
 
 3. Прочитать ту же таблицу из Trino:
 
-- Вариант через заранее скопированный SQL‑файл (как в README):
+- Вариант через заранее скопированный SQL-файл (как в README):
 
   ```bash
   docker compose cp src/trino/iceberg_smoke.sql trino:/tmp/
@@ -211,7 +231,7 @@
 
 **Подготовленные примеры**
 
-- `src/spark/partitioned_table_demo.sql` — создание партиционированной Iceberg‑таблицы и вставка данных.
+- `src/spark/partitioned_table_demo.sql` — создание партиционированной Iceberg-таблицы и вставка данных.
 - `src/spark/schema_evolution_demo.sql` — демонстрация `ALTER TABLE` и добавления колонок.
 - `src/trino/schema_evolution_demo.sql` — чтение той же таблицы с эволюцией схемы из Trino.
 - `notebooks/03_partitioning_and_schema_evolution.ipynb` — интерактивный разбор тех же примеров в Jupyter.
@@ -271,7 +291,7 @@
    docker compose exec trino trino --file /tmp/schema_evolution_demo.sql
    ```
 
-**Вариант B: через Jupyter‑ноутбук**
+**Вариант B: через Jupyter-ноутбук**
 
 - Открыть `http://localhost:8888` и запустить ноутбук `03_partitioning_and_schema_evolution.ipynb`.
 - Ноутбук:
@@ -281,12 +301,12 @@
 
 ---
 
-## Лаба 4. Мини‑ETL поверх Lakehouse (эскиз)
+## Лаба 4. Мини-ETL поверх Lakehouse (эскиз)
 
 Идея лабы — собрать end-to-end сценарий:
 
 - есть сырые данные (CSV/JSON) в S3/MinIO;
-- Spark читает raw‑данные, чистит и пишет в Iceberg‑таблицу;
+- Spark читает raw-данные, чистит и пишет в Iceberg-таблицу;
 - Trino делает поверх неё аналитику.
 
 Планируемые компоненты: