profcomff-definitions 2025.4.21.1

Data warehouse definitions and schemas

dwh-definitions

Библиотека, описывающая структуру всех баз данных профкома ФФ. Реализована с помощью разделения всех баз данных в 4 категории - STG, DWH, ODS и DM.

Функционал

• Удобное и структурированное хранение данных
• Разграничение и удобное управление правами доступа

Разработка

• Backend разработка – https://github.com/profcomff/.github/wiki/%5Bdev%5D-Backend-разработка
• Работа с данными -https://github.com/profcomff/.github/wiki/%5Bdev%5D-Работа-с-данными

Quick start

1. Перейдите в папку проекта
2. Создайте виртуальное окружение командой:

python3 -m venv ./venv/

3. Установите библиотеки

pip install -r requirements.txt

Использование

В своих базах данных мы используем postgres базы данных. Для того чтобы использовать данный репозиторий необходимо сделать несколько предварительных шагов

1. Проделай пункты из "Как начать работу локально" отсюда: https://github.com/profcomff/dwh-airflow

2. Склонируй этот репозиторий на свой компьютер командой git clone https://github.com/profcomff/dwh-definitions

3. Создай виртуальное окружение Python. Для этого нужно:

   • Установить python3.11 (если еще не установлен): https://www.python.org/downloads/
   • Установить pip (если еще не установлен, команда в консоли python -m ensurepip --upgrade)
   • Создать в папке dwh-definitions новое виртуальное окружение python3.11 (команда в консоли python3.11 -m venv venv или python -m venv venv)
   • Подключиться к этому виртуальному окружению (команда консоли на windows: venv\Scripts\activate.bat, на мак/линукс: source venv/bin/activate)
   • Установить библиотеки командой pip install -U -r requirements.dev.txt -r requirements.txt

   Теперь у тебя на компьютере есть база данных, Airflow, описание базы данных в виде питона

4. Обнови схему базы данных командой alembic upgrade head. Это создаст в базе данных все те же таблицы, что есть в production базе данных.

5. После этого в папках из /ddl можно создавать свои схемы таблиц. Пример таблицы можно посмотреть в /ddl/STG/union_member.py

Дальнейшие шаги:

Рассмотрим дальнейшие действия на примере тестовой таблицы Test. Допустим, что она лежит в /ddl/STG/test_table.py

1. Импортировать созданную таблицу в __init__.py файл соответствующей папки. В нашем случае в /ddl/STG/__init__.py необходимо дописать строчку:

from .test_table import Test

2. В строчку c __all__ = [] необходимо добавить название импортированной таблицы в кавычках. В нашем случае файл __init__.py будет выглядеть так:

from .test_table import Test

__all__ = ["Test"]

3. Если у вас несколько таблиц, то в __all__ их надо перечислять через запятую. К примеру:

from .test_file_first import TestFirst, TestTrird
from .test_file_second import TestSecond

__all__ = ["TestFirst", "TestSecond", "TestTrird"]

При этом порядок перечисления таблиц в __all__ не важен

4. После импортирования всех таблиц проведите миграцию, чтобы создались новые таблицы. Миграцию можно провести командами:

alembic revision --autogenerate -m "название_вашей_миграции"
alembic upgrade head

Перва команда создает ревизию - скрипт для перехода на новую версию базы данных. Вторая команда обновляет базу данных (в данном случае создает новую таблицу Test)

Параметризация и плагины

Никаких настроек кроме стандартных нет

Ссылки

• Backend разработка – https://github.com/profcomff/.github/wiki/%5Bdev%5D-Backend-разработка
• Работа с данными -https://github.com/profcomff/.github/wiki/%5Bdev%5D-Работа-с-данными