diff --git a/tradein-mvp/backend/app/services/scheduler.py b/tradein-mvp/backend/app/services/scheduler.py index 0f67306d..0b2af764 100644 --- a/tradein-mvp/backend/app/services/scheduler.py +++ b/tradein-mvp/backend/app/services/scheduler.py @@ -328,26 +328,36 @@ def import_rosreestr_dkp( SERVER gendesign_remote настроен в 060_postgres_fdw_extension.sql. USER MAPPING создаётся при startup в core/fdw.py (tradein_fdw_reader). - Область покрытия: вся Свердловская область (region_code=66), не только Екатеринбург — - прежний ILIKE-фильтр по подстроке города (ограничивавший импорт одним Екатеринбургом) - снят (Mera trade-in расширяется на весь регион, unlocks +47183 сделок вне ЕКБ уже + Область покрытия задаётся параметром, а не литералом (#3051 п.6): region_code + приходит из params, дефолт 66 = вся Свердловская область (не только Екатеринбург — + прежний ILIKE-фильтр по подстроке города снят, unlocks +47183 сделок вне ЕКБ уже сидящих в source foreign table). address и deals.city строятся из реального city источника (не хардкод "Екатеринбург"), deals.region_code заполняется из строки - источника (= 66 при текущем фильтре). + источника (= запрошенному региону при текущем фильтре). + + Типы документов тоже параметр (#3051 п.3): doc_types, дефолт ['ДКП'] = прежнее + поведение (только вторичка — #549 / Fix_Rosreestr_Dkp_Filter_May24). Для Москвы + ДДУ идут по ценам котлована и медиану развалят, поэтому смешивать их с ДКП можно + только осознанно и с колонкой deals.doc_type (миграция 288), которая теперь + заполняется на импорте. Фильтры (совпадают с import-rosreestr.sh + Fix_Rosreestr_Dkp_Filter_May24): - - region_code = 66 (вся Свердловская область, все города) + - region_code = :region_code (param, default 66 — вся Свердловская область) - city IS NOT NULL AND trim(city) != '' (непустой город → корректный address) - realestate_type_code = '002001003000' (квартира) - area BETWEEN 18 AND 200 - deal_price BETWEEN 1000000 AND 100000000 - street IS NOT NULL AND trim(street) != '' - - doc_type = 'ДКП' (только вторичка — #549 / Fix_Rosreestr_Dkp_Filter_May24) + - doc_type = ANY(:doc_types) (param, default ['ДКП']) - period_start_date >= since (default '2024-01-01') dedup_hash: 'ros:dkp:' || id — плоский натуральный ключ (инъективный, без коллизий, human-readable). До #576 здесь был md5('ros:dkp:' || id); миграция 077 конвертировала существующие строки. source_id хранит исходный rosreestr id (дедуп переустанавливаем). + Префикс ':dkp:' НАМЕРЕННО оставлен неизменным после параметризации doc_types: id + уникален в источнике сам по себе, независимо от типа документа, поэтому ключ и без + того не коллизирует; а вот смена формы ключа осиротила бы все уже загруженные строки + (их пришлось бы конвертировать ещё одной миграцией — ровно то, что делала 077). Rooms: выводятся из площади (Росреестр не отдаёт кол-во комнат). Batch-процессинг: читаем из FDW батчами по batch_size через cursor-based пагинацию @@ -364,6 +374,11 @@ def import_rosreestr_dkp( """ since: str = str(params.get("since", "2024-01-01")) batch_size: int = int(params.get("batch_size", 2000)) + # #3051 п.6: регион — параметр, дефолт 66 сохраняет текущее прод-поведение + # (расписание получает явный region_code в миграции 288). + region_code: int = int(params.get("region_code", 66)) + # #3051 п.3: типы документов — параметр, дефолт ['ДКП'] = прежний литерал. + doc_types: list[str] = [str(t) for t in params.get("doc_types") or ["ДКП"]] counters: dict[str, int] = { "rows_fetched": 0, @@ -472,21 +487,28 @@ def import_rosreestr_dkp( year_build AS year_built, round(deal_price)::bigint AS price_rub, round(price_per_sqm)::int AS price_per_m2, - period_start_date AS deal_date + period_start_date AS deal_date, + doc_type AS doc_type FROM gendesign_rosreestr_deals - WHERE region_code = 66 + WHERE region_code = CAST(:region_code AS int) AND city IS NOT NULL AND trim(city) <> '' AND realestate_type_code = '002001003000' AND area BETWEEN 18 AND 200 AND deal_price BETWEEN 1000000 AND 100000000 AND street IS NOT NULL AND trim(street) <> '' - AND doc_type = 'ДКП' + AND doc_type = ANY(CAST(:doc_types AS text[])) AND period_start_date >= CAST(:since AS date) AND id > CAST(:last_id AS bigint) ORDER BY id LIMIT CAST(:batch_size AS int) """), - {"since": since, "last_id": last_id, "batch_size": batch_size}, + { + "since": since, + "last_id": last_id, + "batch_size": batch_size, + "region_code": region_code, + "doc_types": doc_types, + }, ) .mappings() .all() @@ -524,7 +546,7 @@ def import_rosreestr_dkp( INSERT INTO deals ( source, dedup_hash, source_id, address, region_code, city, rooms, area_m2, floor, year_built, price_rub, price_per_m2, - deal_date + deal_date, doc_type ) VALUES ( 'rosreestr', @@ -539,7 +561,8 @@ def import_rosreestr_dkp( CAST(:year_built AS int), CAST(:price_rub AS bigint), CAST(:price_per_m2 AS int), - CAST(:deal_date AS date) + CAST(:deal_date AS date), + CAST(:doc_type AS text) ) ON CONFLICT (dedup_hash) DO UPDATE SET address = EXCLUDED.address, @@ -551,7 +574,8 @@ def import_rosreestr_dkp( year_built = EXCLUDED.year_built, price_rub = EXCLUDED.price_rub, price_per_m2 = EXCLUDED.price_per_m2, - deal_date = EXCLUDED.deal_date + deal_date = EXCLUDED.deal_date, + doc_type = EXCLUDED.doc_type WHERE deals.address IS DISTINCT FROM EXCLUDED.address OR deals.region_code IS DISTINCT FROM EXCLUDED.region_code OR deals.city IS DISTINCT FROM EXCLUDED.city @@ -562,6 +586,7 @@ def import_rosreestr_dkp( OR deals.price_rub IS DISTINCT FROM EXCLUDED.price_rub OR deals.price_per_m2 IS DISTINCT FROM EXCLUDED.price_per_m2 OR deals.deal_date IS DISTINCT FROM EXCLUDED.deal_date + OR deals.doc_type IS DISTINCT FROM EXCLUDED.doc_type RETURNING (xmax = 0) AS was_inserted """), { @@ -577,6 +602,7 @@ def import_rosreestr_dkp( "price_rub": row["price_rub"], "price_per_m2": row["price_per_m2"], "deal_date": row["deal_date"], + "doc_type": row["doc_type"], }, ).fetchone() if result is None: diff --git a/tradein-mvp/backend/data/sql/288_deals_doc_type.sql b/tradein-mvp/backend/data/sql/288_deals_doc_type.sql new file mode 100644 index 00000000..113caa48 --- /dev/null +++ b/tradein-mvp/backend/data/sql/288_deals_doc_type.sql @@ -0,0 +1,67 @@ +-- 288_deals_doc_type.sql +-- deals.doc_type — тип документа сделки Росреестра (#3051 п.3, п.6). +-- +-- Dependencies: 002_core_tables.sql (deals), 015_scrape_runs.sql + 072_scrape_schedules_seed_cian_rosreestr.sql +-- (scrape_schedules, строка source='rosreestr_dkp_import') +-- Apply after: 287_proxy_run_attribution.sql +-- +-- ЧАСТЬ A — WHY: +-- Импорт Росреестра до сих пор ронял тип документа на пол: фильтр doc_type = 'ДКП' +-- стоял литералом в WHERE, а в deals не приезжало ничего. Пока скоуп был один +-- (Свердловская обл., только вторичка) это было безобидно — все строки источника +-- 'rosreestr' по построению ДКП. С расширением на Москву безобидность кончается: +-- в источнике за 2024 по region_code=77 лежит 30 627 ДДУ с медианой 112 743 ₽/м² +-- против 107 005 ДКП с медианой 256 250 ₽/м² — это цены котлована, и смешать их +-- в одной таблице без различимого признака значит развалить любую оценку. +-- Колонка нужна ДО того, как импорт начнёт тянуть больше одного типа. +-- +-- ЧАСТЬ A — WHAT: +-- doc_type text NULLable — источник (foreign table gendesign_rosreestr_deals.doc_type) +-- тоже text и NULL допускает; строгий NOT NULL сломал бы не-росреестровые источники +-- (etazhi / domklik_history), у которых понятия «тип документа» нет вовсе. +-- Индекс НЕ добавляем: селективность низкая (2-3 значения), а все живые выборки +-- по deals идут по region_code/deal_date/geom — doc_type там в лучшем случае +-- довесок к уже отобранному диапазону. Появится запрос, который реально режет +-- по doc_type на большом наборе — заведём частичный индекс тогда, по EXPLAIN. +-- +-- ЧАСТЬ B — бэкфилл: +-- Всё, что лежит в deals с source='rosreestr', прошло через WHERE doc_type = 'ДКП' +-- (и в scheduler.import_rosreestr_dkp, и в deploy/import-rosreestr.sh, и в +-- backfill-миграции 077) — других типов там физически быть не может. Поэтому +-- проставить 'ДКП' задним числом корректно, а не эвристика. +-- Остальные источники остаются NULL осознанно. +-- +-- ЧАСТЬ C — расписание: +-- scrape_schedules.default_params для 'rosreestr_dkp_import' получает явный +-- region_code=66. Раньше регион был неявным дефолтом в коде; после параметризации +-- (params.get('region_code', 66)) неявность становится ловушкой — прод-строка должна +-- сама говорить, какой регион она тянет. doc_types в default_params НЕ пишем: +-- дефолт ['ДКП'] в коде и есть текущее поведение, а запись его в расписание +-- создала бы второе место, где надо не забыть поменять. +-- +-- Идемпотентна, безопасна к повторному запуску. + +BEGIN; + +-- #2752: блокирующий DDL не должен вставать в очередь за чужой сессией и уводить +-- за собой запросы приложения — лучше упасть по таймауту и повторить деплой. +SET LOCAL lock_timeout = '5s'; + +-- A: колонка +ALTER TABLE deals ADD COLUMN IF NOT EXISTS doc_type text; + +COMMENT ON COLUMN deals.doc_type IS + 'Тип документа сделки Росреестра (ДКП / ДДУ). NULL для источников без этого понятия.'; + +-- B: бэкфилл — все rosreestr-строки прошли фильтр ДКП на импорте +UPDATE deals + SET doc_type = 'ДКП' + WHERE source = 'rosreestr' + AND doc_type IS NULL; + +-- C: явный регион в расписании импорта вместо неявного дефолта в коде +UPDATE scrape_schedules + SET default_params = default_params || '{"region_code": 66}'::jsonb + WHERE source = 'rosreestr_dkp_import'; + +COMMIT; diff --git a/tradein-mvp/backend/tests/test_rosreestr_dedup_key.py b/tradein-mvp/backend/tests/test_rosreestr_dedup_key.py index 90176d3c..275a8a47 100644 --- a/tradein-mvp/backend/tests/test_rosreestr_dedup_key.py +++ b/tradein-mvp/backend/tests/test_rosreestr_dedup_key.py @@ -151,23 +151,27 @@ def test_migration_077_converts_md5_to_plain_key() -> None: def test_migration_077_shared_filter_matches_live_import() -> None: """Дедуп-релевантные фильтры src CTE миграции 077 совпадают с живым импортом. - Исключение — city ILIKE (см. test_live_import_dropped_ekb_city_filter ниже): - 077 backfill'ил ЕКБ-строки под EKB-only scope того времени; живой импорт расширен - на всю Свердловскую область (region_code=66, все города), поэтому city-фильтр из - живого импорта СНЯТ намеренно. Остальные клозы обязаны совпадать байт-в-байт, - иначе 077 конвертировал бы не тот набор строк. + Два исключения: + - city ILIKE (см. test_live_import_dropped_ekb_city_filter ниже): 077 backfill'ил + ЕКБ-строки под EKB-only scope того времени; живой импорт расширен на всю + Свердловскую область, поэтому city-фильтр из живого импорта СНЯТ намеренно; + - region_code / doc_type: в живом импорте это ПАРАМЕТРЫ (#3051), их совпадение + с 077 проверяется дефолтами params.get(..., 66) / ["ДКП"] в самом импорте. + Остальные клозы обязаны совпадать байт-в-байт, иначе 077 конвертировал бы не тот + набор строк. """ sql = _MIGRATION_077.read_text("utf-8") for clause in ( - "region_code = 66", "realestate_type_code = '002001003000'", "area BETWEEN 18 AND 200", "deal_price BETWEEN 1000000 AND 100000000", "street IS NOT NULL AND trim(street) <> ''", - "doc_type = 'ДКП'", ): assert clause in sql, f"missing filter clause in migration: {clause!r}" assert clause in _IMPORT_SRC, f"missing filter clause in import: {clause!r}" + # Исторические литералы 077 остаются на месте (миграция применена, её не правят). + assert "region_code = 66" in sql + assert "doc_type = 'ДКП'" in sql def test_live_import_dropped_ekb_city_filter() -> None: diff --git a/tradein-mvp/deploy/import-rosreestr.sh b/tradein-mvp/deploy/import-rosreestr.sh index 460b076f..e78424c7 100755 --- a/tradein-mvp/deploy/import-rosreestr.sh +++ b/tradein-mvp/deploy/import-rosreestr.sh @@ -2,13 +2,19 @@ # Импорт реальных сделок Росреестра из gendesign-БД в tradein deals. # # Источник: gendesign-postgres-1 / rosreestr_deals (6.8М строк, партиц.). -# Берём ЕКБ квартиры (realestate_type_code=002001003000) за последние ~18 мес. +# Берём квартиры (realestate_type_code=002001003000) региона REGION_CODE — по умолчанию +# 66 = вся Свердловская область, все города (не только ЕКБ: city-фильтр снят давно, +# шапка про «ЕКБ квартиры» была неправдой). # rooms выводим из площади (Росреестр не отдаёт кол-во комнат). # Координаты — NULL, проставляются отдельно (geocode по street). # -# Только ДКП (вторичка) — ДДУ застройщиков скёюят median, отделены сознательно. См. PR-A. +# DOC_TYPE по умолчанию ДКП (вторичка): ДДУ идут по ценам котлована и скёюят median, +# отделены сознательно (см. PR-A). С #3051 это параметр, а не литерал — для Москвы +# (REGION_CODE=77) типы разделяются колонкой deals.doc_type (миграция 288), которую +# скрипт теперь заполняет. # # Запуск на прод-хосте: ./import-rosreestr.sh +# REGION_CODE=77 DOC_TYPE='ДДУ' ./import-rosreestr.sh # Москва, первичка # Повторяемо: дедуп по dedup_hash, новый запуск подтянет свежие кварталы. set -euo pipefail @@ -18,8 +24,11 @@ DST_PG="${DST_PG:-tradein-postgres}" SRC_DB="${SRC_DB:-gendesign}" SRC_USER="${SRC_USER:-gendesign}" SINCE="${SINCE:-2024-01-01}" +# #3051: регион и тип документа — параметры со старыми дефолтами (поведение не меняется). +REGION_CODE="${REGION_CODE:-66}" +DOC_TYPE="${DOC_TYPE:-ДКП}" -echo "[$(date -u +%H:%M:%S)] import-rosreestr: ЕКБ квартиры с $SINCE" +echo "[$(date -u +%H:%M:%S)] import-rosreestr: region=$REGION_CODE doc_type=$DOC_TYPE с $SINCE" # 1. Staging-таблица в tradein. docker exec "$DST_PG" psql -U tradein -d tradein -v ON_ERROR_STOP=on -c " @@ -29,7 +38,8 @@ docker exec "$DST_PG" psql -U tradein -d tradein -v ON_ERROR_STOP=on -c " CREATE TABLE deals_ros_staging ( dedup_hash text PRIMARY KEY, source_id text, address text, region_code int, city text, rooms int, area_m2 numeric, - floor int, year_built int, price_rub bigint, price_per_m2 int, deal_date date + floor int, year_built int, price_rub bigint, price_per_m2 int, deal_date date, + doc_type text ); " @@ -51,15 +61,16 @@ docker exec "$SRC_PG" psql -U "$SRC_USER" -d "$SRC_DB" -v ON_ERROR_STOP=on -c " year_build AS year_built, round(deal_price)::bigint AS price_rub, round(price_per_sqm)::int AS price_per_m2, - period_start_date AS deal_date + period_start_date AS deal_date, + doc_type AS doc_type FROM rosreestr_deals - WHERE region_code = 66 + WHERE region_code = $REGION_CODE AND city IS NOT NULL AND trim(city) <> '' AND realestate_type_code = '002001003000' AND area BETWEEN 18 AND 200 AND deal_price BETWEEN 1000000 AND 100000000 AND street IS NOT NULL AND trim(street) <> '' - AND doc_type = 'ДКП' + AND doc_type = '$DOC_TYPE' AND period_start_date >= '$SINCE' ) TO STDOUT WITH CSV " | docker exec -i "$DST_PG" psql -U tradein -d tradein -v ON_ERROR_STOP=on -c " @@ -75,10 +86,10 @@ docker exec "$DST_PG" psql -U tradein -d tradein -v ON_ERROR_STOP=on -c " INSERT INTO deals ( source, dedup_hash, source_id, address, region_code, city, rooms, area_m2, floor, - year_built, price_rub, price_per_m2, deal_date + year_built, price_rub, price_per_m2, deal_date, doc_type ) SELECT 'rosreestr', dedup_hash, source_id, address, region_code, city, rooms, area_m2, floor, - year_built, price_rub, price_per_m2, deal_date + year_built, price_rub, price_per_m2, deal_date, doc_type FROM deals_ros_staging ON CONFLICT (dedup_hash) DO NOTHING;