WorkBuddy
983363dab7
- 新表 ingest_jobs(迁移 0019): id UUID/task/params JSONB/
status(pending|running|success|failed,CheckConstraint)/
result JSONB(统计摘要)/error/created_at/started_at/finished_at
- POST /ingest/bzzoiro: 启动后台前创建 pending job,响应返回 job_id;
仍 require_admin。后台 _run_bzzoiro 流转 running→success/failed,
result 按子任务(events/standings/stats)记录摘要(errors 截断 10 条)
- _update_job 尽力而为: 状态更新失败只记日志,绝不拖垮采集主流程;
与 IngestFailure 死信独立(行级 vs 任务级,可同时存在)
- 新增 admin 端点(挂 /api/v1/admin 路由,路由级 require_admin):
GET /admin/ingest/jobs/{job_id} 与 GET /admin/ingest/jobs?limit&status
- 前端采集页: 提交后凭 job_id 3 秒轮询,终态展示结果摘要/失败原因;
无 job_id 时回退旧的 30 秒盲等 + 系统日志提示
- 测试 11 项: 建 job+job_id 契约、非法 task 422、成功/失败/all 流转、
update 失败不拖垮采集、部分失败仍 success、admin 端点 200/404/列表、
结构守护(job 路由在 admin 路由且带 require_admin)
- 禁止项确认: 未动分批 UoW、BzzoiroSource、死信与 Bronze 写入;
docs(01/03/05/07/README)同步 13 张表与端点说明
205 lines
8.7 KiB
Markdown
205 lines
8.7 KiB
Markdown
# 05 · 数据层与数据库
|
||
|
||
## 数据源
|
||
|
||
| 数据源 | 用途 | 必需 Key | 说明 |
|
||
|---|---|---|---|
|
||
| bzzoiro(唯一) | 赛果/赛程/积分榜/统计(xG、射门、控球等) | `BZZOIRO_KEY` | 五大联赛 + 欧战,历史 + 实时 |
|
||
|
||
> 历史版本曾有 understat(xG 回填)与 api-football(伤停)两个辅助源,
|
||
> 现已移除:数据源收敛为 bzzoiro 唯一来源,统计与积分榜均由 bzzoiro 管线采集。
|
||
|
||
### bzzoiro
|
||
|
||
- 端点:`/api/v2/events/`,按 `league_id` + 日期范围分页
|
||
- 限速:`REQUEST_INTERVAL = 1.2s`,429 自动重试 3 次(轮换 key)
|
||
- 联赛映射(`src/data/config.py`):
|
||
```python
|
||
BZZOIRO_LEAGUE_IDS = {"E0": 1, "SP1": 3, "D1": 5, "I1": 4, "F1": 6, "CL": 7, "EL": 8}
|
||
```
|
||
|
||
> ⚠️ **统计字段映射待验证**:当前字段名基于常见足球 API 模式推测(如 `home_shots`/`away_shots`),
|
||
> 未经真实 bzzoiro 响应校验。若真实字段不同,映射结果将为 None。
|
||
> 请提供一份 event 样例核对以下字段:
|
||
> - 射门: `home_shots` / `away_shots`
|
||
> - 射正: `home_shots_on_target` / `away_shots_on_target`
|
||
> - 角球: `home_corners` / `away_corners`
|
||
> - 控球: `home_possession`
|
||
> - xG: `home_xg` / `away_xg`
|
||
> - 黄牌: `home_yellow_cards` / `away_yellow_cards`
|
||
> - 红牌: `home_red_cards` / `away_red_cards`
|
||
|
||
## 数据清洗契约
|
||
|
||
所有数据源统一清洗为 `NormalizedMatch`(`src/data/normalize.py`),字段:
|
||
|
||
| 字段 | 类型 | 说明 |
|
||
|---|---|---|
|
||
| `league_type` | str | 联赛代码(小写,如 `E0`) |
|
||
| `date` | datetime | UTC 时间 |
|
||
| `home_team` / `away_team` | str | 归一化后的规范名 |
|
||
| `match_status` | str | `finished`/`scheduled`/... |
|
||
| `home_goals` / `away_goals` | int? | 全场比分 |
|
||
| `home_ht_goals` / `away_ht_goals` | int? | 半场比分 |
|
||
| `home_xg` / `away_xg` | float? | 期望进球 |
|
||
| `home_shots` / `away_shots` | int? | 射门 |
|
||
| `home_shots_on_target` / `away_shots_on_target` | int? | 射正 |
|
||
| `home_corners` / `away_corners` | int? | 角球 |
|
||
| `home_possession` | float? | 主队控球率 |
|
||
| `home_yellow_cards` / `away_yellow_cards` | int? | 黄牌 |
|
||
| `home_red_cards` / `away_red_cards` | int? | 红牌 |
|
||
| `match_stage` | str? | 轮次(如"第 5 轮") |
|
||
| `season_label` | str | 赛季标签(如 `2026-2027`) |
|
||
|
||
### 校验规则(`validate()`)
|
||
|
||
- `finished` 无比分 → 抛错(或降级为 `scheduled`)
|
||
- 比分 0–30,xG 0–20,射门/射正/角球 0–100,红黄牌 0–20,控球率 0–100
|
||
- 半场比分 ≤ 全场比分
|
||
- 无比分小数(`_to_int` 严格: `"2.8"` → `None`,不截断)
|
||
|
||
### 队名归一化
|
||
|
||
`src/data/team_names.py` 维护 `NORMALIZE_MAP`(如 `Man City` → `Manchester City`),未命中映射的队名原样返回。
|
||
归一前先做 Unicode NFKD 去重音。
|
||
|
||
## 数据库 Schema
|
||
|
||
12 张业务/配置表 + 1 张任务状态表(`ingest_jobs`):核心业务表 5 张见下方 DDL,其余见后文表格。
|
||
|
||
```sql
|
||
-- 联赛
|
||
CREATE TABLE leagues (
|
||
id SERIAL PRIMARY KEY,
|
||
code VARCHAR(20) UNIQUE NOT NULL, -- 'E0' / 'SP1'
|
||
name VARCHAR(100) NOT NULL,
|
||
country VARCHAR(50),
|
||
created_at TIMESTAMPTZ
|
||
);
|
||
|
||
-- 球队
|
||
CREATE TABLE teams (
|
||
id SERIAL PRIMARY KEY,
|
||
name VARCHAR(120) UNIQUE NOT NULL, -- 规范名(归一后)
|
||
name_zh VARCHAR(60), -- 中文名
|
||
team_type VARCHAR(20) DEFAULT 'club',
|
||
created_at TIMESTAMPTZ
|
||
);
|
||
|
||
-- 比赛(核心)
|
||
CREATE TABLE matches (
|
||
id SERIAL PRIMARY KEY,
|
||
league_id INT REFERENCES leagues(id),
|
||
season VARCHAR(12), -- '2026-2027'
|
||
home_team_id INT REFERENCES teams(id),
|
||
away_team_id INT REFERENCES teams(id),
|
||
match_date TIMESTAMPTZ NOT NULL,
|
||
match_date_date DATE NOT NULL, -- 天级日期(去重键)
|
||
match_status VARCHAR(20) DEFAULT 'scheduled',
|
||
home_goals INT, away_goals INT,
|
||
home_ht_goals INT, away_ht_goals INT,
|
||
match_stage VARCHAR(100),
|
||
created_at TIMESTAMPTZ, updated_at TIMESTAMPTZ
|
||
);
|
||
-- 唯一约束: 同联赛同对阵同天只存一场(天级去重)
|
||
CREATE UNIQUE INDEX ix_matches_unique
|
||
ON matches(league_id, home_team_id, away_team_id, match_date_date);
|
||
|
||
-- 比赛统计(xG、射门、控球等)
|
||
CREATE TABLE match_stats (
|
||
match_id INT PRIMARY KEY REFERENCES matches(id) ON DELETE CASCADE,
|
||
home_xg FLOAT, away_xg FLOAT,
|
||
home_shots INT, away_shots INT,
|
||
home_shots_on_target INT, away_shots_on_target INT,
|
||
home_corners INT, away_corners INT,
|
||
home_possession FLOAT,
|
||
home_yellow_cards INT, away_yellow_cards INT,
|
||
home_red_cards INT, away_red_cards INT,
|
||
updated_at TIMESTAMPTZ
|
||
);
|
||
|
||
-- LLM 预测记录
|
||
CREATE TABLE predictions (
|
||
id SERIAL PRIMARY KEY,
|
||
match_id INT REFERENCES matches(id) ON DELETE CASCADE,
|
||
provider VARCHAR(30) NOT NULL, -- 'openai' / 'anthropic'
|
||
model VARCHAR(80) NOT NULL,
|
||
prompt_version VARCHAR(20) NOT NULL DEFAULT 'v1',
|
||
mode VARCHAR(20) NOT NULL DEFAULT 'single', -- 'single' / 'multi'
|
||
prompt_tokens INT, completion_tokens INT,
|
||
latency_ms INT,
|
||
pred_home_goals FLOAT, pred_away_goals FLOAT,
|
||
pred_1x2 VARCHAR(3), -- '1' / 'X' / '2'
|
||
subjective_confidence FLOAT, -- LLM 主观置信度(非概率)
|
||
status VARCHAR(20) NOT NULL DEFAULT 'success', -- 'success' / 'failed' / 'degraded'
|
||
match_kickoff_at TIMESTAMPTZ, -- 比赛时间
|
||
prediction_created_at TIMESTAMPTZ, -- 预测创建时间
|
||
prediction_cutoff_at TIMESTAMPTZ, -- 数据截止时间
|
||
input_hash VARCHAR(64), -- 输入快照 hash
|
||
reasoning TEXT,
|
||
raw_response JSONB, -- LLM 完整原始响应
|
||
agent_outputs JSONB, -- multi 模式: 5 份专家报告
|
||
agent_weights JSONB, -- multi 模式: 终裁给出的各专家权重
|
||
created_at TIMESTAMPTZ,
|
||
actual_home_goals INT, actual_away_goals INT, -- 赛后回填
|
||
settled BOOLEAN DEFAULT FALSE
|
||
);
|
||
```
|
||
|
||
其余 8 张表(DDL 略,详见 `src/db/models.py` 与 alembic 迁移):
|
||
|
||
| 表 | 状态 | 用途 |
|
||
|---|---|---|
|
||
| `standings` | 已启用 | 联赛积分榜快照,按 `(league_id, season, team_id)` upsert,同联赛同赛季只保留最新快照;含排名/战绩/进失球/积分/分区(zone) |
|
||
| `app_settings` | 已启用 | 后台运行时设置(如数据源 API Key),读取时优先于 `.env` 默认值 |
|
||
| `schedules` | 已启用 | 定时采集任务配置(task/cron/leagues/enabled),供内置调度器执行 |
|
||
| `ingest_jobs` | 已启用 | 采集任务状态:POST ingest 创建 pending,后台流转 running→success/failed;result 存统计摘要,供 admin 轮询(任务级,与死信互补) |
|
||
| `raw_events` | 预留未启用 | Bronze 层原始事件存档;规划中用于重放与审计 |
|
||
| `ingest_failures` | 已启用 | 采集失败死信:bzzoiro 三条管线(events/standings/stats)抓取失败时写入,admin 后台可查看与重试 |
|
||
| `data_quality_checks` | 预留未启用 | 数据质量检查结果;规划中定时检查比赛/统计/积分榜完整性 |
|
||
| `data_lineage` | 预留未启用 | ETL 血缘追踪;规划中记录源记录到目标表的映射 |
|
||
|
||
### 关键设计点
|
||
|
||
1. **`match_date_date`(天级日期)**: 用于天级去重。bzzoiro 返回的时间带时分秒,精确匹配不可靠,故拆出 `DATE` 列做唯一键。
|
||
|
||
2. **`ix_matches_unique`**: `(league_id, home_team_id, away_team_id, match_date_date)` 唯一,保证同一场比赛重复采集时 upsert 而非插入重复行。
|
||
|
||
3. **`predictions` 级联删除**: `ON DELETE CASCADE`,删比赛时自动清其预测。
|
||
|
||
4. **`mode` + `prompt_version`**: `single` 模式存 `v1`/`v2`,`multi` 模式存 `multi_v1`/`multi_v2`,eval summary 按这两列天然分组对比。
|
||
|
||
## 入库语义(幂等)
|
||
|
||
`ingest_bzzoiro` 的 upsert 逻辑:
|
||
|
||
- **不存在**: 插入新比赛 + 初始 stats
|
||
- **已存在**: 只补空字段
|
||
- 比分:只在原记录为 `None` 时覆盖
|
||
- 状态:只允许单向升级(`scheduled` → `finished`),防止完赛行被覆盖成赛程
|
||
- stats:只补空(`home_xg` 已有值时不覆盖)
|
||
|
||
`task=stats` 只回填统计(xG/射门/控球等,也只补空),不创建比赛。
|
||
|
||
`task=standings` 按 `(league_id, season, team_id)` upsert 积分榜快照,同一联赛同一赛季只保留最新一份。
|
||
|
||
## 采集建议
|
||
|
||
```bash
|
||
# 1. 首次采集: 5 大联赛近 2 赛季赛果
|
||
curl -X POST /api/v1/ingest/bzzoiro \
|
||
-d '{"leagues":["E0","SP1","D1","I1","F1"],"date_from":"2024-08-01","date_to":"2026-09-08"}'
|
||
|
||
# 2. 增量采集(每日 cron): 只拉最近 7 天
|
||
curl -X POST /api/v1/ingest/bzzoiro \
|
||
-d '{"leagues":["E0"],"date_from":"2026-09-01","date_to":"2026-09-08"}'
|
||
|
||
# 3. 积分榜 + 统计回填(xG/射门/控球,提升 stats/standings 专家质量)
|
||
curl -X POST /api/v1/ingest/bzzoiro -d '{"task":"standings"}'
|
||
curl -X POST /api/v1/ingest/bzzoiro -d '{"task":"stats","leagues":["E0"],"limit":300}'
|
||
|
||
# 注:采集端点需管理员凭据(Cookie 会话或 X-API-Key 头),下同
|
||
```
|
||
|
||
建议用外部 cron(如系统 crontab)定时触发,不引入 worker/redis。
|