Merge pull request 'feat(tradein): отдельный scraper-контейнер — scheduler вне API-процесса' (#1183) from feat/tradein-scraper-container into main

Reviewed-on: #1183

.forgejo/workflows/deploy-tradein.yml

@@ -28,6 +28,7 @@ jobs:
       frontend: ${{ steps.filter.outputs.frontend }}
       browser: ${{ steps.filter.outputs.browser }}
       infra: ${{ steps.filter.outputs.infra }}
+      scraper: ${{ steps.filter.outputs.scraper }}
     steps:
       - uses: actions/checkout@v4
       - uses: dorny/paths-filter@v3
@@ -44,6 +45,11 @@ jobs:
               - 'tradein-mvp/docker-compose.prod.yml'
               - 'tradein-mvp/deploy/**'
               - '.forgejo/workflows/deploy-tradein.yml'
+            scraper:
+              - 'tradein-mvp/backend/app/services/scrapers/**'
+              - 'tradein-mvp/backend/app/services/scheduler.py'
+              - 'tradein-mvp/backend/app/scheduler_main.py'
+              - 'tradein-mvp/backend/app/tasks/**'
 
   # Quality gate: pytest MUST pass before any image is built/deployed (#666).
   # Runs the tradein-mvp/backend suite; a red test blocks build + deploy.
@@ -203,12 +209,13 @@ jobs:
         env:
           IMAGE_TAG: latest
           GHCR_PAT: ${{ secrets.GHCR_PAT }}
+          SCRAPER_CHANGED: ${{ needs.changes.outputs.scraper == 'true' || needs.changes.outputs.infra == 'true' || github.event_name == 'workflow_dispatch' }}
         with:
           host: ${{ secrets.DEPLOY_HOST }}
           username: ${{ secrets.DEPLOY_USER }}
           key: ${{ secrets.DEPLOY_SSH_KEY }}
           port: ${{ secrets.DEPLOY_PORT }}
-          envs: IMAGE_TAG,GHCR_PAT
+          envs: IMAGE_TAG,GHCR_PAT,SCRAPER_CHANGED
           script: |
             set -euo pipefail
             cd /opt/gendesign
@@ -238,7 +245,17 @@ jobs:
 
             export IMAGE_TAG="$IMAGE_TAG"
             docker compose -p gendesign-tradein -f docker-compose.prod.yml pull
-            docker compose -p gendesign-tradein -f docker-compose.prod.yml up -d
+
+            # Селективный up: scraper НЕ пересоздаём на каждый backend-деплой (#1182) —
+            # один image :latest на backend+scraper, блочный up -d рестартовал бы scraper
+            # и убивал бегущий sweep. Scraper поднимается только при scraper/infra изменениях.
+            docker compose -p gendesign-tradein -f docker-compose.prod.yml up -d --no-deps postgres browser backend frontend
+            if [ "${SCRAPER_CHANGED:-true}" = "true" ]; then
+              echo "→ scraper paths changed — recreating tradein-scraper"
+              docker compose -p gendesign-tradein -f docker-compose.prod.yml up -d --no-deps scraper
+            else
+              echo "→ scraper unchanged — tradein-scraper left running (подхватит новый image при следующем своём рестарте)"
+            fi
 
             # Применяем SQL миграции (если есть backend/data/sql/*.sql)
             # Postgres init load *.sql из /docker-entrypoint-initdb.d ТОЛЬКО при первом

tradein-mvp/backend/app/scheduler_main.py

@@ -0,0 +1,106 @@
+"""Standalone entrypoint для tradein-scraper контейнера (#1182).
+
+Зачем: API-деплой (docker restart tradein-backend) не должен прерывать
+бегущие scraper sweep'ы (avito/cian/rosreestr). Вынесен в отдельный
+контейнер tradein-scraper с тем же backend-образом, но другой командой.
+
+Запуск: python -m app.scheduler_main
+
+Zombie-reap: reap_zombies() вызывается в начале каждого тика scheduler_loop()
+(см. app/services/scheduler.py), дублировать здесь не нужно.
+"""
+
+from __future__ import annotations
+
+import asyncio
+import logging
+import os
+import signal
+import sys
+from contextlib import suppress
+
+from app.core.config import settings
+
+logging.basicConfig(
+    level=logging.INFO,
+    format="%(asctime)s %(levelname)s %(name)s: %(message)s",
+)
+
+logger = logging.getLogger(__name__)
+
+# Мониторинг ошибок — GlitchTip (Sentry-совместимый, #396).
+# Только integrations без Starlette/FastAPI (у нас нет ASGI-приложения здесь).
+# SqlalchemyIntegration + HttpxIntegration + LoggingIntegration покрывают scraper-слой.
+if settings.glitchtip_dsn:
+    import sentry_sdk
+    from sentry_sdk.integrations.httpx import HttpxIntegration
+    from sentry_sdk.integrations.logging import LoggingIntegration
+    from sentry_sdk.integrations.sqlalchemy import SqlalchemyIntegration
+
+    from app.observability.sentry_scrub import scrub_pii_event
+
+    sentry_sdk.init(
+        dsn=settings.glitchtip_dsn,
+        environment=settings.environment,
+        release=os.getenv("GIT_SHA") or os.getenv("SENTRY_RELEASE") or "unknown",
+        traces_sample_rate=0.0,
+        send_default_pii=False,
+        before_send=scrub_pii_event,
+        integrations=[
+            SqlalchemyIntegration(),
+            HttpxIntegration(),
+            LoggingIntegration(level=logging.INFO, event_level=logging.ERROR),
+        ],
+    )
+    logger.info("GlitchTip monitoring enabled (scheduler_main)")
+
+
+def _should_run() -> bool:
+    """Проверить kill-switch SCHEDULER_ENABLE перед запуском asyncio loop."""
+    return settings.scheduler_enable
+
+
+async def _run() -> None:
+    """Async entrypoint: запустить scheduler_loop() с чистой отменой по SIGTERM/SIGINT."""
+    from app.services.scheduler import scheduler_loop
+
+    task = asyncio.create_task(scheduler_loop())
+
+    loop = asyncio.get_running_loop()
+
+    def _cancel(_signum: int, _frame: object = None) -> None:
+        logger.info("scheduler_main: signal received — cancelling scheduler task")
+        task.cancel()
+
+    try:
+        loop.add_signal_handler(signal.SIGTERM, lambda: _cancel(signal.SIGTERM))
+        loop.add_signal_handler(signal.SIGINT, lambda: _cancel(signal.SIGINT))
+    except NotImplementedError:
+        # Windows dev: signal handlers через loop не поддерживаются
+        logger.warning("scheduler_main: loop.add_signal_handler not supported (Windows dev)")
+
+    with suppress(asyncio.CancelledError):
+        await task
+
+    logger.info("scheduler_main: scheduler cancelled cleanly")
+
+
+if __name__ == "__main__":
+    if not _should_run():
+        logger.warning("scheduler_main: scheduler disabled via SCHEDULER_ENABLE — exiting")
+        sys.exit(0)
+
+    # Best-effort FDW bootstrap: чтобы ensure_fdw_user_mapping отработал при старте
+    # scraper-контейнера (postgres_fdw нужен для rosreestr_dkp_import).
+    try:
+        from app.core.db import SessionLocal
+        from app.core.fdw import ensure_fdw_user_mapping
+
+        with SessionLocal() as db:
+            ensure_fdw_user_mapping(db)
+    except Exception:
+        logger.exception(
+            "scheduler_main: FDW user mapping bootstrap failed — cadastral queries may fail"
+        )
+
+    asyncio.run(_run())

tradein-mvp/backend/tests/test_scheduler_main.py

@@ -0,0 +1,72 @@
+"""Тесты для scheduler_main.py — standalone scraper-контейнер (#1182).
+
+(a) модуль импортируется без реального DB/сети.
+(b) _should_run() возвращает False при SCHEDULER_ENABLE=false.
+(c) _run() отменяется чисто без unhandled exceptions.
+"""
+
+from __future__ import annotations
+
+import asyncio
+import os
+
+os.environ.setdefault("DATABASE_URL", "postgresql+psycopg://test:test@localhost:5432/test")
+
+import pytest
+
+import app.scheduler_main as sm
+
+
+# (a) Импорт модуля
+def test_scheduler_main_importable() -> None:
+    """scheduler_main импортируется без ошибок."""
+    assert sm is not None
+    assert hasattr(sm, "_should_run")
+    assert hasattr(sm, "_run")
+
+
+# (b) Kill-switch SCHEDULER_ENABLE=false
+def test_should_run_false_when_disabled(monkeypatch: pytest.MonkeyPatch) -> None:
+    """_should_run() == False когда SCHEDULER_ENABLE отключён."""
+    monkeypatch.setattr(sm.settings, "scheduler_enable", False)
+    assert sm._should_run() is False
+
+
+def test_should_run_true_when_enabled(monkeypatch: pytest.MonkeyPatch) -> None:
+    """_should_run() == True при включённом scheduler."""
+    monkeypatch.setattr(sm.settings, "scheduler_enable", True)
+    assert sm._should_run() is True
+
+
+# (c) _run() отменяется чисто
+@pytest.mark.asyncio
+async def test_run_cancels_cleanly(monkeypatch: pytest.MonkeyPatch) -> None:
+    """_run() завершается без unhandled exceptions при отмене задачи."""
+    cancelled = asyncio.Event()
+
+    async def _stub_loop() -> None:
+        """Короткая заглушка: ждёт отмены, имитируя бесконечный scheduler_loop."""
+        cancelled.set()
+        await asyncio.sleep(999)
+
+    # Патчим источник импорта: _run() делает `from app.services.scheduler import scheduler_loop`
+    # на каждый вызов, поэтому патч модуля-источника достаточен.
+    import app.services.scheduler as _sched_mod
+
+    monkeypatch.setattr(_sched_mod, "scheduler_loop", _stub_loop)
+
+    task = asyncio.create_task(sm._run())
+
+    # Ждём пока _stub_loop запустится (флаг)
+    await asyncio.wait_for(cancelled.wait(), timeout=2.0)
+
+    task.cancel()
+
+    # Не должно бросить никакого исключения
+    try:
+        await task
+    except asyncio.CancelledError:
+        pass  # CancelledError от самого task — допустимо
+
+    # Тест прошёл если не было unhandled exception
+    assert task.done()

tradein-mvp/docker-compose.prod.yml

@@ -54,9 +54,9 @@ services:
     container_name: tradein-backend
     # Prod: uvicorn БЕЗ --reload (Dockerfile CMD несёт --reload только для dev hot-reload,
     # где app/ bind-mount'ится). В prod --reload = лишний WatchFiles-наблюдатель + риск
-    # reload в середине запроса. Single worker ОБЯЗАТЕЛЕН: in-app планировщик
+    # reload в середине запроса. Single worker сохраняется для предсказуемости
-    # (app.services.scheduler, tick=60s) живёт в процессе backend — несколько uvicorn
+    # (один process = единственный asyncio event loop, нет shared-state race).
-    # воркеров = дублирование scheduled-джоб (cian/rosreestr запустятся N раз). Без --workers.
+    # Scheduler переехал в tradein-scraper (#1182) — SCHEDULER_ENABLE=false ниже.
     command: ["uvicorn", "app.main:app", "--host", "0.0.0.0", "--port", "8000"]
     # .env.runtime пишется вручную на VPS (см. DEPLOY.md / scripts/README.md).
     # Контейнер читает YANDEX_GEOCODER_API_KEY, COOKIE_ENCRYPTION_KEY и пр. из
@@ -81,6 +81,9 @@ services:
       # Valuation Calculator (Stage 9). Empty = Calculator scraper disabled +
       # cookies upload endpoint returns 503. Generate with `openssl rand -hex 32`.
       COOKIE_ENCRYPTION_KEY: "${COOKIE_ENCRYPTION_KEY:-}"
+      # Scheduler отключён в API-процессе — он живёт в tradein-scraper (#1182).
+      # Это предотвращает двойной запуск sweep'ов при наличии обоих контейнеров.
+      SCHEDULER_ENABLE: "false"
     depends_on:
       browser:
         condition: service_started
@@ -96,6 +99,35 @@ services:
       - tradein-net
       - gendesign_shared  # чтобы Caddy gendesign-стека достучался
 
+  # Отдельный scraper-контейнер (#1182): scheduler_loop() живёт здесь, а не в API.
+  # Мотивация: docker restart tradein-backend убивал бегущие sweep'ы (avito/cian/
+  # rosreestr могут идти часами). Теперь backend-деплой не трогает scraper.
+  # Образ тот же что у backend (один Dockerfile), команда другая.
+  # НЕ пересоздаётся при каждом backend-деплое — селективный up в deploy-tradein.yml
+  # поднимает scraper только при изменениях scraper/infra путей (см. SCRAPER_CHANGED).
+  scraper:
+    image: ghcr.io/lekss361/gendesign-tradein-backend:${IMAGE_TAG:-latest}
+    container_name: tradein-scraper
+    command: ["python", "-m", "app.scheduler_main"]
+    env_file:
+      - path: ./backend/.env.runtime
+        required: false
+    environment:
+      DATABASE_URL: "postgresql+psycopg://${TRADEIN_POSTGRES_USER:-tradein}:${TRADEIN_POSTGRES_PASSWORD}@postgres:5432/tradein"
+      ENVIRONMENT: "production"
+      GLITCHTIP_DSN: "${GLITCHTIP_DSN:-}"
+      GENDESIGN_FDW_PASSWORD: "${GENDESIGN_FDW_PASSWORD:-}"
+      COOKIE_ENCRYPTION_KEY: "${COOKIE_ENCRYPTION_KEY:-}"
+      SCHEDULER_ENABLE: "true"
+    depends_on:
+      postgres:
+        condition: service_healthy
+      browser:
+        condition: service_started
+    restart: unless-stopped
+    networks:
+      - tradein-net
+
   frontend:
     image: ghcr.io/lekss361/gendesign-tradein-frontend:${IMAGE_TAG:-latest}
     container_name: tradein-frontend