Johan LEROY
cbbfaf4910
L'API Mock ne renvoie pas les mesures d'une période : elle génère `limit` points répartis sur l'intervalle demandé (1 000 par heure avec --limit 1000, un toutes les 3,6 s). Le DAG aurait écrit 7 000 lignes par heure et par environnement, alors que le dataset historique a une mesure horaire et que les features ML décalent par ligne : `shift(168)`, le retard d'une semaine, serait devenu un retard de dix minutes, sans erreur visible au scoring ni au réentraînement. Avec --limit 1, l'API renvoie la mesure de :00 de chaque heure, au pas du CSV. Constaté sur la recette le 23/09 avant la réactivation des DAGs.
62 lines
2.5 KiB
Python
62 lines
2.5 KiB
Python
"""DAG d'import périodique des données de l'API Mock EnerVision (issue #15).
|
|
|
|
Orchestre le pipeline existant `app.etl.mock_api_import` sans dupliquer sa logique ETL.
|
|
Chaque exécution traite l'heure précédant son déclenchement.
|
|
|
|
Le pipeline backend reste responsable de la validation, de la normalisation, du suivi de la
|
|
qualité, de l'idempotence et du chargement dans PostgreSQL/TimescaleDB.
|
|
"""
|
|
|
|
from __future__ import annotations
|
|
|
|
from datetime import datetime, timedelta
|
|
|
|
from airflow.providers.standard.operators.bash import BashOperator
|
|
from airflow.sdk import DAG
|
|
from airflow.timetables.trigger import CronTriggerTimetable
|
|
|
|
# Le backend possède son propre environnement uv dans l'image Airflow (ADR 0008).
|
|
COMMANDE_BACKEND = "cd /opt/backend && env -u VIRTUAL_ENV uv run --no-sync python -m"
|
|
|
|
# Contrainte : l'API Mock génère `limit` points répartis sur l'intervalle. Un seul donne la mesure
|
|
# de :00, au pas horaire du CSV que les features ML supposent (`shift(168)` compte des lignes).
|
|
LIMITE_LECTURES = 1
|
|
|
|
# Deux reprises donnent trois tentatives au total. Même dans le pire cas, l'exécution reste
|
|
# inférieure au pas horaire du DAG.
|
|
NOMBRE_REPRISES = 2
|
|
DELAI_ENTRE_REPRISES = timedelta(minutes=2)
|
|
PLAFOND_PAR_TENTATIVE = timedelta(minutes=10)
|
|
|
|
# L'intervalle est déclaré explicitement pour ne pas dépendre de la valeur du paramètre Airflow
|
|
# `create_cron_data_intervals`. Le déclenchement à :45 laisse quinze minutes avant `ml_score`,
|
|
# exécuté à l'heure pile, puis avant `alertes`, exécuté à :15.
|
|
PLANIFICATION = CronTriggerTimetable(
|
|
"45 * * * *",
|
|
timezone="UTC",
|
|
interval=timedelta(hours=1),
|
|
)
|
|
|
|
with DAG(
|
|
dag_id="mock_api_import",
|
|
description="Importe chaque heure les données de l'API Mock dans site et reading.",
|
|
schedule=PLANIFICATION,
|
|
start_date=datetime(2026, 1, 1),
|
|
catchup=False,
|
|
# Deux exécutions simultanées pourraient demander et traiter le même intervalle.
|
|
max_active_runs=1,
|
|
tags=["etl", "mock-api"],
|
|
) as dag:
|
|
BashOperator(
|
|
task_id="import_mock_api",
|
|
bash_command=(
|
|
f"{COMMANDE_BACKEND} app.etl.mock_api_import "
|
|
"--start-time \"{{ data_interval_start.strftime('%Y-%m-%dT%H:%M:%S') }}\" "
|
|
"--end-time \"{{ data_interval_end.strftime('%Y-%m-%dT%H:%M:%S') }}\" "
|
|
f"--limit {LIMITE_LECTURES}"
|
|
),
|
|
retries=NOMBRE_REPRISES,
|
|
retry_delay=DELAI_ENTRE_REPRISES,
|
|
execution_timeout=PLAFOND_PAR_TENTATIVE,
|
|
)
|