Исправил определение границы для следующей репликации
This commit is contained in:
brusnitsyn
180
app/migrator.py
180
app/migrator.py
@@ -9,7 +9,7 @@ from typing import Any, Dict, List, Optional, Tuple
|
||||
|
||||
import pandas as pd
|
||||
from sqlalchemy import create_engine, inspect, text
|
||||
from sqlalchemy.exc import DBAPIError, OperationalError
|
||||
from sqlalchemy.exc import DBAPIError, IntegrityError, OperationalError
|
||||
from sqlalchemy.pool import NullPool
|
||||
from sqlalchemy.sql import sqltypes
|
||||
|
||||
@@ -188,6 +188,11 @@ class DatabaseMigrator:
|
||||
if any(marker in message for marker in retry_markers):
|
||||
return True
|
||||
|
||||
# IntegrityError (UniqueViolation, ForeignKeyViolation и т.д.) — детерминированная
|
||||
# ошибка данных, retry не поможет
|
||||
if isinstance(exception, IntegrityError):
|
||||
return False
|
||||
|
||||
return isinstance(exception, (OperationalError, DBAPIError))
|
||||
|
||||
def migrate_table_once(self, table_config: TableMigrationConfig, force_full: bool = False) -> bool:
|
||||
@@ -722,6 +727,28 @@ class DatabaseMigrator:
|
||||
|
||||
upsert_chunk = chunk[operations.isin(upsert_operations)]
|
||||
delete_chunk = chunk[operations.isin(delete_operations)]
|
||||
|
||||
# Если для одного PK в батче есть и 'i'/'u' и 'd', и последнее событие — 'd',
|
||||
# то строку не надо переинсертить после удаления — убираем её из upsert.
|
||||
pk = table_config.primary_key
|
||||
if pk and not delete_chunk.empty and not upsert_chunk.empty:
|
||||
op_col = table_config.operation_column
|
||||
last_op_per_pk = (
|
||||
chunk.assign(_op_lower=operations)
|
||||
.groupby(pk, sort=False)['_op_lower']
|
||||
.last()
|
||||
)
|
||||
pks_deleted_last = last_op_per_pk[last_op_per_pk.isin(delete_operations)]
|
||||
if not pks_deleted_last.empty:
|
||||
if len(pk) == 1:
|
||||
upsert_chunk = upsert_chunk[
|
||||
~upsert_chunk[pk[0]].isin(pks_deleted_last.index)
|
||||
]
|
||||
else:
|
||||
deleted_tuples = set(pks_deleted_last.index.tolist())
|
||||
upsert_mask = upsert_chunk[pk].apply(tuple, axis=1).isin(deleted_tuples)
|
||||
upsert_chunk = upsert_chunk[~upsert_mask]
|
||||
|
||||
return upsert_chunk, delete_chunk
|
||||
|
||||
def deduplicate_incremental_chunk(
|
||||
@@ -824,6 +851,68 @@ class DatabaseMigrator:
|
||||
conn.commit()
|
||||
raise
|
||||
|
||||
def _delete_secondary_conflicts(
|
||||
self,
|
||||
conn,
|
||||
table_name: str,
|
||||
staging: str,
|
||||
primary_key: List[str],
|
||||
) -> None:
|
||||
"""Удаление строк в target, конфликтующих со staging по вторичным уникальным ключам.
|
||||
|
||||
Нужно для случаев когда строка была удалена в источнике (событие 'd' пропущено из-за
|
||||
watermark), а на её место вставлена новая строка с тем же уникальным ключом.
|
||||
"""
|
||||
# pg_constraint (contype='u') видит только UNIQUE CONSTRAINT, а не CREATE UNIQUE INDEX.
|
||||
# Используем pg_index чтобы поймать оба варианта.
|
||||
constraint_sql = text("""
|
||||
SELECT i.relname AS conname,
|
||||
array_agg(a.attname ORDER BY array_position(ix.indkey::int[], a.attnum::int)) AS columns
|
||||
FROM pg_index ix
|
||||
JOIN pg_class t ON t.oid = ix.indrelid
|
||||
JOIN pg_class i ON i.oid = ix.indexrelid
|
||||
JOIN pg_attribute a ON a.attrelid = t.oid AND a.attnum = ANY(ix.indkey)
|
||||
WHERE t.relname = :table_name
|
||||
AND ix.indisunique = true
|
||||
AND ix.indisprimary = false
|
||||
GROUP BY i.relname
|
||||
""")
|
||||
try:
|
||||
constraints = conn.execute(constraint_sql, {'table_name': table_name}).mappings().all()
|
||||
except Exception as e:
|
||||
self.logger.log_warning(f"Не удалось получить уникальные ограничения для {table_name}: {e}")
|
||||
return
|
||||
|
||||
pk_set = {c.lower() for c in primary_key}
|
||||
t = self.quote_identifier(table_name)
|
||||
s = self.quote_identifier(staging)
|
||||
|
||||
for row in constraints:
|
||||
cols = row['columns']
|
||||
if {c.lower() for c in cols} == pk_set:
|
||||
continue
|
||||
|
||||
join_parts = ' AND '.join(
|
||||
f't.{self.quote_identifier(c)} IS NOT DISTINCT FROM s.{self.quote_identifier(c)}'
|
||||
for c in cols
|
||||
)
|
||||
pk_neq_parts = ' OR '.join(
|
||||
f't.{self.quote_identifier(pk)} != s.{self.quote_identifier(pk)}'
|
||||
for pk in primary_key
|
||||
)
|
||||
delete_sql = text(f"""
|
||||
DELETE FROM {t} AS t
|
||||
USING {s} AS s
|
||||
WHERE {join_parts}
|
||||
AND ({pk_neq_parts})
|
||||
""")
|
||||
result = conn.execute(delete_sql)
|
||||
if result.rowcount > 0:
|
||||
self.logger.log_info(
|
||||
f"Вытеснено {result.rowcount} строк из {table_name} "
|
||||
f"по ограничению {row['conname']} (пропущенный delete в источнике)"
|
||||
)
|
||||
|
||||
def upsert_dataframe_batch(
|
||||
self,
|
||||
chunk: pd.DataFrame,
|
||||
@@ -888,6 +977,7 @@ class DatabaseMigrator:
|
||||
ON CONFLICT ({conflict_columns}) {conflict_action}
|
||||
"""
|
||||
with self.dst_engine.connect() as conn:
|
||||
self._delete_secondary_conflicts(conn, table_name, staging, primary_key)
|
||||
conn.execute(text(sql))
|
||||
if own_staging:
|
||||
conn.execute(text(f'DROP TABLE IF EXISTS {self.quote_identifier(staging)}'))
|
||||
@@ -1684,10 +1774,16 @@ class DatabaseMigrator:
|
||||
return "'" + str(value).replace("'", "''") + "'"
|
||||
|
||||
def _get_watermark_for_pg_data(self, table_config: TableMigrationConfig) -> Dict[str, Any]:
|
||||
"""Поиск watermark в MSSQL Life_ по максимальному PK из PostgreSQL.
|
||||
"""Поиск точной границы снимка через Life_-таблицу.
|
||||
|
||||
Берёт MAX(pk) из PG (1 запрос), затем ищет соответствующее insert-событие
|
||||
в Life_-таблице MSSQL (1 запрос). Работает только для одиночного целочисленного PK.
|
||||
Алгоритм (3 запроса):
|
||||
1. MAX(pk) из PG — последний PK, существовавший на момент full load.
|
||||
2. MIN(LifeID) в Life_ для insert-событий с pk > max_pg_pk — первое событие,
|
||||
которое ещё не отражено в PG (новая строка после снимка).
|
||||
3. Событие в Life_ прямо перед этим LifeID — точная граница снимка.
|
||||
|
||||
Такой подход гарантирует что все delete/update для строк существовавших
|
||||
на момент снимка попадут в инкрементальное окно.
|
||||
Для составного PK возвращает верхнюю границу Life_.
|
||||
"""
|
||||
empty: Dict[str, Any] = {'last_x_datetime': None, 'last_sequence_value': None}
|
||||
@@ -1703,6 +1799,10 @@ class DatabaseMigrator:
|
||||
return self.get_incremental_upper_bound(table_config)
|
||||
|
||||
pk_col = pk_cols[0]
|
||||
life_table = self.quote_mssql_identifier(table_config.life_table)
|
||||
life_pk = self.quote_mssql_identifier(pk_col)
|
||||
life_seq = self.quote_mssql_identifier(table_config.sequence_column) if table_config.sequence_column else None
|
||||
life_dt = self.quote_mssql_identifier(table_config.datetime_column)
|
||||
|
||||
# 1. MAX PK из PG
|
||||
with self.dst_engine.connect() as conn:
|
||||
@@ -1713,53 +1813,61 @@ class DatabaseMigrator:
|
||||
if max_pk is None:
|
||||
return empty
|
||||
|
||||
self.logger.log_info(f"MAX {pk_col} в {table_config.pg_table}: {max_pk}")
|
||||
|
||||
# 2. MIN(LifeID) первого insert-события для PK, которых нет в PG
|
||||
op_filter = ""
|
||||
if table_config.operation_column:
|
||||
op_filter = f"AND LOWER({self.quote_mssql_identifier(table_config.operation_column)}) = 'i'"
|
||||
|
||||
sql_first_new = text(f"""
|
||||
SELECT MIN({life_seq}) AS first_new_lifeid
|
||||
FROM {life_table} WITH (NOLOCK)
|
||||
WHERE {life_pk} > {self._format_mssql_literal(max_pk)}
|
||||
{op_filter}
|
||||
""") if life_seq else None
|
||||
|
||||
first_new_lifeid = None
|
||||
if life_seq is not None:
|
||||
with self.src_engine.connect() as src_conn:
|
||||
first_new_lifeid = src_conn.execute(sql_first_new).scalar()
|
||||
|
||||
if first_new_lifeid is None:
|
||||
# Новых строк после MAX PK нет — все текущие события уже в PG,
|
||||
# берём верхнюю границу Life_ как watermark
|
||||
self.logger.log_info(
|
||||
f"Новых строк после {pk_col}={max_pk} нет, watermark = верхняя граница Life_"
|
||||
)
|
||||
return self.get_incremental_upper_bound(table_config)
|
||||
|
||||
self.logger.log_info(
|
||||
f"MAX {pk_col} в {table_config.pg_table}: {max_pk}, "
|
||||
f"поиск insert-события в {table_config.life_table}"
|
||||
f"Первое новое событие в {table_config.life_table}: {table_config.sequence_column}={first_new_lifeid}"
|
||||
)
|
||||
|
||||
# 2. insert-событие для этого PK в Life_ MSSQL
|
||||
select_parts = [
|
||||
f"{self.quote_mssql_identifier(table_config.datetime_column)} AS max_dt",
|
||||
]
|
||||
if table_config.sequence_column:
|
||||
select_parts.append(
|
||||
f"{self.quote_mssql_identifier(table_config.sequence_column)} AS max_seq"
|
||||
)
|
||||
else:
|
||||
select_parts.append("CAST(NULL AS bigint) AS max_seq")
|
||||
select_clause = ', '.join(select_parts)
|
||||
|
||||
order_parts = [f"{self.quote_mssql_identifier(table_config.datetime_column)} DESC"]
|
||||
if table_config.sequence_column:
|
||||
order_parts.append(f"{self.quote_mssql_identifier(table_config.sequence_column)} DESC")
|
||||
order_clause = ', '.join(order_parts)
|
||||
|
||||
where = f"{self.quote_mssql_identifier(pk_col)} = {self._format_mssql_literal(max_pk)}"
|
||||
if table_config.operation_column:
|
||||
where = f"({where}) AND LOWER({self.quote_mssql_identifier(table_config.operation_column)}) = 'i'"
|
||||
|
||||
sql = text(f"""
|
||||
SELECT TOP 1 {select_clause}
|
||||
FROM {self.quote_mssql_identifier(table_config.life_table)} WITH (NOLOCK)
|
||||
WHERE {where}
|
||||
ORDER BY {order_clause}
|
||||
# 3. Событие прямо перед первым новым — граница снимка
|
||||
seq_select = f"{life_seq} AS max_seq" if life_seq else "CAST(NULL AS bigint) AS max_seq"
|
||||
sql_boundary = text(f"""
|
||||
SELECT TOP 1 {life_dt} AS max_dt, {seq_select}
|
||||
FROM {life_table} WITH (NOLOCK)
|
||||
WHERE {life_seq} < {self._format_mssql_literal(first_new_lifeid)}
|
||||
ORDER BY {life_seq} DESC
|
||||
""")
|
||||
|
||||
with self.src_engine.connect() as src_conn:
|
||||
row = src_conn.execute(sql).mappings().first()
|
||||
row = src_conn.execute(sql_boundary).mappings().first()
|
||||
|
||||
if not row or row['max_dt'] is None:
|
||||
self.logger.log_warning(
|
||||
f"Insert-событие для {pk_col}={max_pk} не найдено в {table_config.life_table}"
|
||||
f"Не найдено событий до {table_config.sequence_column}={first_new_lifeid} "
|
||||
f"в {table_config.life_table}, watermark = верхняя граница"
|
||||
)
|
||||
return empty
|
||||
return self.get_incremental_upper_bound(table_config)
|
||||
|
||||
result = {
|
||||
'last_x_datetime': row['max_dt'],
|
||||
'last_sequence_value': row['max_seq'],
|
||||
}
|
||||
self.logger.log_info(f"Watermark по MAX PK: {result}")
|
||||
self.logger.log_info(f"Watermark по границе снимка: {result}")
|
||||
return result
|
||||
|
||||
def backfill_state_from_pg(
|
||||
|
||||
Reference in New Issue
Block a user