# Выгрузка каждого источника отдельными файлами по годам Уточнение пользователя от 2026-10-22 заменяет правило единого набора за все годы в исходном [задании](source-data-export-api-spec.md). Фронтенд не изменяется. ## Изменение схемы от 2026-11-03 Для новых поколений manifest v5 действует окно годов и несколько самостоятельных ZIP. В админке **Организации → Настройки выгрузки источников** поле «Глубина выгрузки, лет» по умолчанию равно 5. Включаются годы от текущего минус глубина до текущего включительно (2021–2026 в 2026 году); 0 означает только текущий год. Текущий год определяется в TIME_ZONE сервиса. Старые, будущие и неопределимые годы исключаются из выгрузки, исходные записи не удаляются. Пустая дата сохраняет прежний fallback на год created_at. У финансов отбираются проекции и строки показателей внутри этого окна; records_count считает уникальные включённые исходные записи, exported_records_count — их годовые проекции. Настройка читается один раз при начале сборки источника. Параметры фиксируются в `export_policy`: years_back, min_year, max_year, archive_max_bytes. Изменение настройки или календарного года помечает существующее поколение stale до следующей сборки. Каждый ZIP одного формата содержит папки годов и manifest.json и не превышает **99 000 000 байт** вместе со служебными данными ZIP. ZIP_STORED, самостоятельные архивы, не многотомный ZIP. Большой год делится по границам записей; один архив может включать несколько лет. Файлы частей согласованы по записям между форматами. Финансы — JSON-only. Годы добавляются в архив последовательно. Если **все части года выбранного формата** помещаются в отдельный ZIP до 99 МБ, этот год сохраняется целиком: при нехватке места в текущем ZIP он полностью переносится в следующий. Только год, который сам превышает лимит, разрешено распределять между архивами по готовым частям. Правило считается отдельно для CSV/XLSX/JSON; набор записей соответствующих частей не меняется. Например, пять годов по 20 МБ: первый ZIP содержит 2021–2024 (~80 МБ), следующий — 2025; ZIP не дополняется фиктивными байтами до лимита. Имя ZIP показывает реальный диапазон: `public-procurements-2021-2024-json-archive-000001.zip`; один год — `public-procurements-2025-json-archive-000002.zip`. Номер сохраняет уникальность при нескольких архивах одного большого года. Поле archives.years содержит точный список лет, включая пропуски внутри диапазона. Новые manifest v5 помечены внутренним `archive_packing: "whole_year"`; прежние поколения доступны, но stale до пересборки. Публичные selectors и структура API не меняются. Размер архива проверяется перед атомарной публикацией. Слишком большая одиночная запись даёт `source_export_record_too_large`, прежнее current поколение сохраняется. Detail API дополнен `export_policy` (null для прежних поколений) и `archives` (пустой список для прежних поколений). Каждый элемент содержит archive_id, artifact_id, archive_number/archives_count (внутри формата), format, years, file_name, mime_type, size_bytes, sha256 и part_ids. Список архивов полный, независимо от страницы files. Для manifest v5 selector `source_archive` требует `archive_id`: ```json {"selection_kind":"source_archive","source_group":"government_procurements","generation_id":"","archive_id":"","format":"json"} ``` Отсутствие archive_id — 400, неизвестный ID — 404, неверный формат — 409. Ticket выдаёт точный размер и имя готового ZIP; download стримит его с Content-Length. Выданный ticket закрепляет поколение и архив; leases/retention сохраняются. Старые manifest v3/v4 и их архивные tickets используют прежний streaming ZIP без archive_id. Отдельные file tickets работают по прежнему selector. Public schema_version остаётся 2 с добавленными полями. Фронт в этой задаче не меняется; клиенту для новых архивов нужен выбор archive_id. Далее описана исходная схема v4; правила полноты всех лет и одного ZIP относятся к прежним поколениям. Определение года, годовые проекции и структура папок сохранены. Ночная задача `organizations.tasks.refresh_source_export_catalog` обрабатывает весь registry из 22 источников и все доступные годы их канонических опубликованных данных. Миграция `0021_enable_yearly_partitioned_exports` включает recurring Beat schedule `organizations:source-export-catalog:nightly-msk`: ежедневно **06:30 Europe/Moscow**. Она также сбрасывает one_off и частные args/kwargs, чтобы задача запускала весь registry. Источники, явно отключённые конфигурацией `SOURCE_EXPORT_DISABLED_GROUPS`, сохраняют свой статус disabled; по умолчанию отключённых нет. Источник без данных публикует empty manifest, а не фиктивные файлы. Регистрация расписания в коде не доказывает его запуск на сервере: для этого нужны выкладка, migrate, общий private volume, работающие worker и Beat. ## Определение года и полнота - Для обычной записи год — первая самостоятельная последовательность из четырёх цифр в `record_date` (1..9999). Поддерживаются, например, `2024-12-31` и `31.12.2024`. - Если `record_date` пустая, используется год `created_at` в `TIME_ZONE` сервиса. - Непустая дата без распознаваемого года сохраняется в `undated`, metadata `year: null`. Она не получает вымышленный год и не пропадает из выгрузки. - У финансов год определяется каждой строкой `financial_lines.year`. В годовую проекцию исходной записи входят только финансовые строки этого года. Один исходный UID может законно присутствовать в нескольких годах. Финансовая запись без строк сохраняется по общему правилу даты; неподдерживаемые значения года финансовых строк попадают в undated. - Нет ограничения текущим годом. Полный snapshot источника читается один раз; сортировка на диске — `(year partition, source, record_type, uid)`. Все годы публикуются атомарно одним неизменяемым generation источника. Ошибка любого года сохраняет прежний current. ## Файлы и API Например, ZIP закупок содержит: ```text 2024/public-procurements-2024-part-000001.xlsx 2024/public-procurements-2024-part-000002.xlsx 2025/public-procurements-2025-part-000001.xlsx undated/public-procurements-undated-part-000001.xlsx manifest.json ``` Один ZIP источника включает **все годы и все части** выбранного формата, независимо от страницы metadata. Отдельная кнопка файла сохраняет только одну выбранную годовую часть. Финансы остаются JSON-only. Лимиты размера, одинаковые записи во всех variants части, checksums, защищённые tickets, retention и leases сохраняются. Public catalog `schema_version: "2"`, внутренний manifest `version: 4`. `data_scope` по-прежнему `all_available` — охватывает все доступные годы. | Поле | Семантика | | --- | --- | | summary/detail `partitioning` | `year`; для сохранённых прежних generation — `none` | | dataset `key` | `records_2024`, `records_2025`, `records_undated` | | dataset/part `year` | Числовой год; null у undated и прежних generation без разбиения | | dataset `export_schema_version` | `"2"`, годовая файловая проекция | | part `part_number`, `parts_count` | Нумерация и количество частей **внутри года/dataset** | | source `records_count` | Уникальные исходные записи источника | | source `exported_records_count` | Сумма годовых проекций; может быть больше unique count финансов | | dataset/part `records_count` | Только записи этого dataset/этой части; не сумма variants | Порядок страниц `(dataset_key, part_number)`, форматы и части каждого года согласованы. Description example ссылается на фактический годовой dataset. Недатированные записи имеют отдельный dataset и находятся в конце списка. Пустые годы не создаются искусственно. Сохранённые manifest v3, их metadata и выданные tickets остаются читаемыми; bytes старого поколения не заменяются годовой выгрузкой. У старых parts/datasets API возвращает year=null. Legacy synchronous annual export и его задачи/storage не изменены. Свежесть и повтор Celery-сборки учитывают версию данных конкретной группы: обновление вакансий не пересобирает неизменившиеся госзакупки или арбитраж. Изменение самой группы во время snapshot/render требует повторной сборки; массовая нормализация без указания группы инвалидирует все группы. Старые поколения с глобальной версией остаются доступными и помечаются stale до новой сборки. ## Проверка и запуск Команда и Celery entrypoint прежние — теперь они автоматически готовят годовые части: ```sh python src/manage.py migrate --noinput python src/manage.py build_source_export_catalog python src/manage.py build_source_export_catalog --verify-only ``` В dev Compose команды сборки/cleanup выполнять в worker: web имеет read-only mount private artifacts. [Общая эксплуатация](source-export-catalog-operations.md). Результаты проверок: [годовой QA report](source-export-year-partitions-verification.md).