fix(scraper): дрейн domclick сохраняет чекпоинт, дрейн cian-detail помечается

Ревью PR #3363:

1. domclick city sweep: комментарий обещал, что унаследованный при claim
   чекпоинт переживёт дрейн «jsonb-мержем» — мержа нет. domclick пишет
   counters через app-level scrape_runs (update_heartbeat/mark_done делают
   `counters = CAST(:counters AS jsonb)`, полная перезапись), а scheduler
   при claim done_buckets не наследует. Дрейн закрывал прогон с ПУСТЫМ
   чекпоинтом, резюм пересобирал все шесть корзин. Чтение чекпоинта поднято
   выше ранних выходов, дрейн-payload несёт `done_buckets` явно — как уже
   делает ban-ветка (except NoProxyAvailableError) той же функции.

2. cian full-load, detail-фаза: второй ранний выход по shutdown_requested()
   делал `break` и уходил в обычный mark_done — SERP целый, обогащение
   обрезано, а прогон выглядел полным. Теперь тот же sentinel
   RuntimeError("shutdown"), что и в _on_bucket: interrupted=1 + done_buckets.

3. yandex/avito full-load проверены: по одному shutdown-сайту в _on_bucket,
   detail-фазы нет вовсе — аналогичного дефекта нет.

Тесты: чекпоинт дрейна domclick сверяется ПО ЗНАЧЕНИЮ в обеих записях
(heartbeat + финализатор); дрейн cian в detail-фазе даёт interrupted=1.

tradein-mvp/backend/tests/test_3355_drain_mark_full_loads.py

@@ -45,13 +45,27 @@ import pytest
 class _FakeDb:
     """Каждый UPDATE с counters запоминается вместе с текстом SQL (для статуса)."""
 
-    def __init__(self) -> None:
+    def __init__(
+        self,
+        prev_counters: dict[str, Any] | None = None,
+        detail_rows: list[dict[str, Any]] | None = None,
+    ) -> None:
         self.writes: list[tuple[str, dict[str, Any]]] = []
+        self._prev_counters = prev_counters
+        self._detail_rows = detail_rows or []
 
     def execute(self, stmt: Any, params: dict[str, Any] | None = None) -> Any:
         if params and "counters" in params:
             self.writes.append((str(stmt), json.loads(params["counters"])))
             return MagicMock()
+        if params and "rid" in params:
+            # SELECT counters предыдущего прогона (resume_run_id → чекпоинт).
+            row = types.SimpleNamespace(counters=self._prev_counters)
+            return MagicMock(**{"fetchone.return_value": row if self._prev_counters else None})
+        if params and "lim" in params:
+            # SELECT кандидатов detail-обогащения (cian full-load).
+            return MagicMock(**{"mappings.return_value.all.return_value": self._detail_rows})
+        return MagicMock()
 
     def commit(self) -> None: ...
     def rollback(self) -> None: ...
@@ -225,6 +239,92 @@ async def test_domclick_sweep_drain_is_marked_interrupted() -> None:
     )
 
 
+@pytest.mark.asyncio
+async def test_domclick_sweep_drain_keeps_inherited_checkpoint() -> None:
+    """domclick: дрейн ОБЯЗАН переписать унаследованный чекпоинт в свой payload.
+
+    Мержа jsonb тут нет: app-level `scrape_runs.update_heartbeat`/`mark_done` пишут
+    `counters = CAST(:counters AS jsonb)` — полная перезапись, а scheduler при claim
+    done_buckets не наследует. Без явного ключа дрейн-прогон закрывался бы с пустым
+    чекпоинтом, и резюм пересобирал бы все шесть корзин заново.
+    """
+    from scraper_kit.orchestration import pipeline as pl
+
+    inherited = ["1:0:5000000", "2:0:5000000"]
+    db = _FakeDb(prev_counters={"done_buckets": inherited})
+    with (
+        patch.object(pl, "DomClickScraper", _NeverCalledScraper),
+        patch.object(pl.runs, "is_cancelled", lambda *_a: False),
+    ):
+        await pl.run_domclick_city_sweep(
+            db,  # type: ignore[arg-type]
+            run_id=3355,
+            config=_config(),
+            matcher=MagicMock(),
+            request_delay_sec=0.0,
+            shutdown_requested=lambda: True,
+            resume_run_id=3354,
+        )
+
+    assert len(db.writes) >= 2, "дрейн обязан писать и heartbeat, и финализатор"
+    for label, (_sql, counters) in (("heartbeat", db.writes[-2]), ("финализатор", db.writes[-1])):
+        assert counters.get("done_buckets") == inherited, (
+            f"{label}: чекпоинт потерян ({counters.get('done_buckets')!r} вместо "
+            f"{inherited!r}) — резюм пересоберёт уже собранные корзины"
+        )
+        assert counters.get("interrupted") == 1, f"{label}: дрейн без метки"
+
+
+@pytest.mark.asyncio
+async def test_cian_full_load_drain_in_detail_phase_is_marked_interrupted() -> None:
+    """cian full-load: дрейн в detail-фазе — SERP целый, но прогон НЕ полный.
+
+    Ранний выход из detail-цикла делал `break` и уходил в обычный `mark_done`:
+    статус 'done' без метки, хотя обогащение обрезано на первой же записи.
+    """
+    from scraper_kit.orchestration import pipeline as pl
+
+    class _SerpDoneScraper:
+        """SERP отработал целиком (on_bucket не зовётся) — дрейн ловит detail-фаза."""
+
+        def __init__(self, *_a: Any, **_kw: Any) -> None:
+            self._browser = None
+            self.request_delay_sec = 0.0
+            self.last_dropped_nb = 0
+            self.state_extraction_attempts = 0
+            self.state_extraction_failures = 0
+
+        async def __aenter__(self) -> _SerpDoneScraper:
+            return self
+
+        async def __aexit__(self, *_e: Any) -> None:
+            return None
+
+        async def fetch_all_secondary(self, **_kw: Any) -> None:
+            return None
+
+    db = _FakeDb(detail_rows=[{"id": 1, "source_url": "https://cian.ru/1"}])
+    with (
+        patch.object(pl, "CianScraper", _SerpDoneScraper),
+        patch.object(pl.runs, "is_cancelled", lambda *_a: False),
+    ):
+        await pl.run_cian_full_load(
+            db,  # type: ignore[arg-type]
+            run_id=3355,
+            config=_config(),
+            matcher=MagicMock(),
+            request_delay_sec=0.0,
+            enrich_detail=True,
+            detail_top_n=5,
+            shutdown_requested=lambda: True,
+        )
+
+    _status, counters = _final(db)
+    assert counters.get("interrupted") == 1, (
+        "cian full-load: дрейн в detail-фазе финализирован как полный прогон"
+    )
+
+
 @pytest.mark.asyncio
 async def test_zero_drain_status_is_resumable() -> None:
     """Минор ревью #3346: какой СТАТУС даёт нулевой дрейн — и берёт ли его резюм.

tradein-mvp/packages/scraper-kit/src/scraper_kit/orchestration/pipeline.py

@@ -3648,7 +3648,12 @@ async def run_cian_full_load(
                         didx + 1,
                         len(priority_rows),
                     )
-                    break
+                    # #3355: не break. SERP-фаза тут ЦЕЛАЯ (done_buckets полные),
+                    # обрезано только обогащение — но break уводил в обычный
+                    # mark_done ниже, и оборванный прогон выглядел полным. Тот же
+                    # sentinel, что в _on_bucket → handler `RuntimeError("shutdown")`
+                    # ставит interrupted=1 и сохраняет done_buckets.
+                    raise RuntimeError("shutdown")
                 listing_id: int = row["id"]
                 source_url: str = row["source_url"]
                 counters.detail_attempted += 1
@@ -4400,39 +4405,12 @@ async def run_domclick_city_sweep(
     _scraper_ref: list[DomClickScraper] = []
 
     try:
-        # ── Cooperative cancel перед SERP-фазой ──────────────────────────────
-        if runs.is_cancelled(db, run_id):
-            logger.info("domclick-sweep run_id=%d: cancelled before SERP", run_id)
-            runs.update_heartbeat(db, run_id, counters.to_dict())
-            return counters
-        elif shutdown_requested():
-            # SIGTERM-drain до SERP-фазы: финализируем run как mark_done(partial),
-            # минуя honest-status (это чистый drain, не QRATOR-блок).
-            logger.info("domclick-sweep run_id=%d: SIGTERM-drain — stopping before SERP", run_id)
-            # #3355: метка дрейна (см. city-свипы #3330/#3333). done_buckets тут не
-            # пишем — унаследованный при claim (#3074) чекпоинт лежит в counters, и
-            # jsonb-мерж heartbeat/финализатора его сохраняет.
-            _drain = {**counters.to_dict(), "interrupted": 1}
-            runs.update_heartbeat(db, run_id, _drain)
-            runs.mark_done(db, run_id, _drain)
-            return counters
-
-        logger.info(
-            "domclick-sweep run_id=%d: BFF citywide sweep city_id=%d "
-            "buckets=%d pages_cap=%d (watchdog %ds)",
-            run_id,
-            city_id,
-            len(ROOM_BUCKETS),
-            pages,
-            _sweep_timeout,
-        )
-
-        lots: list[ScrapedLot] = []
-
         # ── Checkpoint/resume (#3118): корзина ROOM_BUCKETS — единица обхода ──
         # Вместе со сдвигом #2854 подхват превращает случайную ротацию в
         # систематический обход: банимый на 1-й корзине источник закрывает все
         # шесть за несколько прогонов вместо повторов случайных.
+        # Читаем ДО ранних выходов: дрейн-ветка ниже обязана положить чекпоинт в
+        # свой payload сама (#3355), см. комментарий там.
         skip_buckets: set[str] = set()
         if resume_run_id is not None:
             _prev_row = db.execute(
@@ -4451,6 +4429,44 @@ async def run_domclick_city_sweep(
                 len(skip_buckets),
             )
 
+        # ── Cooperative cancel перед SERP-фазой ──────────────────────────────
+        if runs.is_cancelled(db, run_id):
+            logger.info("domclick-sweep run_id=%d: cancelled before SERP", run_id)
+            runs.update_heartbeat(db, run_id, counters.to_dict())
+            return counters
+        elif shutdown_requested():
+            # SIGTERM-drain до SERP-фазы: финализируем run как mark_done(partial),
+            # минуя honest-status (это чистый drain, не QRATOR-блок).
+            logger.info("domclick-sweep run_id=%d: SIGTERM-drain — stopping before SERP", run_id)
+            # #3355: метка дрейна (см. city-свипы #3330/#3333) И явный перенос
+            # чекпоинта. Никакого jsonb-мержа тут нет: domclick пишет counters
+            # через app-level scrape_runs (update_heartbeat/mark_done делают
+            # `counters = CAST(:counters AS jsonb)` — ПОЛНАЯ перезапись), а
+            # scheduler при claim done_buckets не наследует. Без явного
+            # done_buckets дрейн-прогон закрылся бы с пустым чекпоинтом и резюм
+            # пересобирал бы все шесть корзин заново. Тот же приём, что в
+            # ban-ветке ниже (except NoProxyAvailableError).
+            _drain = {
+                **counters.to_dict(),
+                "done_buckets": sorted(skip_buckets),
+                "interrupted": 1,
+            }
+            runs.update_heartbeat(db, run_id, _drain)
+            runs.mark_done(db, run_id, _drain)
+            return counters
+
+        logger.info(
+            "domclick-sweep run_id=%d: BFF citywide sweep city_id=%d "
+            "buckets=%d pages_cap=%d (watchdog %ds)",
+            run_id,
+            city_id,
+            len(ROOM_BUCKETS),
+            pages,
+            _sweep_timeout,
+        )
+
+        lots: list[ScrapedLot] = []
+
         async def _domclick_phase() -> None:
             """Единственная citywide-фаза: fetch_city + save."""
             nonlocal lots