78e27806b9
Заливка корпуса была чёрным ящиком: у источника только last_status (idle/running/done/error), без «сколько из скольки», без причины падения и без способа остановить начатое. Теперь каждый запуск создаёт строку parse_runs, куда воркер раз в ~2с пишет стадию, счётчики и журнал событий. Админка: - шкала загрузки у каждого источника (0→50% выборка, 50→100% индексация), раскрытая строка — журнал прогона по шагам с таймингами; - «Запустить всё» / «Остановить всё» и остановка по одному источнику (кооперативная отмена: воркер останавливается сам, не рвя запись в базу); - пакетное добавление источников (тип + список тем), тип pmc в форме; - загрузка PDF/DOCX/TXT прямо в базу сравнения (index.ingest_upload); - страница «Отладка»: воркеры Celery и их текущие таски, очереди RabbitMQ, покрытие корпуса эмбеддингами, зависшие и упавшие прогоны, конфиг бэкендов. Защита от краш-лупа по consumer_timeout RabbitMQ (docs/DR-HA.md §6), без неё массовый запуск 170+ источников гарантированно ронял воркер: - PARSER_TIME_BUDGET_S (1500с) — прогон закругляется сам и помечается partial; - worker_prefetch_multiplier=1 — таймаут считается от ДОСТАВКИ сообщения, и с дефолтным префетчем очередь долгих run_parser убивала канал на задачах, которые ещё не начинались. Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
69 lines
2.4 KiB
Python
69 lines
2.4 KiB
Python
"""Контракт progress_cb у парсеров: отчёт по страницам и остановка по запросу.
|
||
|
||
Сеть не трогаем — подменяем HTTP-клиент парсера заглушкой. Проверяем то, на что
|
||
опирается заливка: воркер видит рост выборки и может остановить парсер, не
|
||
дожидаясь конца (отмена из админки, исчерпанный бюджет времени таска).
|
||
"""
|
||
|
||
from typing import Any
|
||
|
||
from cyberleninka import CyberLeninkaParser
|
||
|
||
|
||
class FakeResponse:
|
||
def __init__(self, payload: dict[str, Any]) -> None:
|
||
self._payload = payload
|
||
|
||
def raise_for_status(self) -> None:
|
||
pass
|
||
|
||
def json(self) -> dict[str, Any]:
|
||
return self._payload
|
||
|
||
|
||
class FakeClient:
|
||
"""Отдаёт бесконечные полные страницы по 10 статей — как большая выдача."""
|
||
|
||
def __init__(self) -> None:
|
||
self.calls = 0
|
||
|
||
def post(self, url: str, json: dict[str, Any]) -> FakeResponse:
|
||
self.calls += 1
|
||
start = json["from"]
|
||
return FakeResponse({
|
||
"articles": [{"id": start + i, "name": f"статья {start + i}"} for i in range(10)]
|
||
})
|
||
|
||
|
||
def _parser(monkeypatch) -> CyberLeninkaParser:
|
||
p = CyberLeninkaParser()
|
||
p.client = FakeClient() # type: ignore[assignment]
|
||
monkeypatch.setattr("cyberleninka.RATE_LIMIT_DELAY", 0)
|
||
return p
|
||
|
||
|
||
def test_progress_cb_reports_growing_count(monkeypatch):
|
||
p = _parser(monkeypatch)
|
||
seen: list[int] = []
|
||
|
||
docs = p.fetch(query="x", limit=30, progress_cb=lambda n: seen.append(n) or True)
|
||
|
||
assert len(docs) == 30
|
||
assert seen == [10, 20, 30]
|
||
|
||
|
||
def test_progress_cb_false_stops_fetch_early(monkeypatch):
|
||
p = _parser(monkeypatch)
|
||
|
||
# Останавливаем после второй страницы — как отмена прогона из админки
|
||
docs = p.fetch(query="x", limit=1000, progress_cb=lambda n: n < 20)
|
||
|
||
assert len(docs) == 20
|
||
assert p.client.calls == 2 # type: ignore[attr-defined]
|
||
|
||
|
||
def test_fetch_works_without_callback(monkeypatch):
|
||
"""Скрипты заливки зовут парсеры без progress_cb — поведение прежнее."""
|
||
p = _parser(monkeypatch)
|
||
assert len(p.fetch(query="x", limit=20)) == 20
|