Files

Neo ded6dfb9d8 init: 项目初始提交 - NeoZQYY Monorepo 完整代码

2026-02-15 14:58:14 +08:00

22 KiB

Raw Blame History

DWD 层任务详解

本文档说明飞球 ETL 系统中 DWD（明细数据层）的所有任务。 DWD 层负责从 ODS 读取原始数据，经清洗、类型转换和列映射后写入维度表（dim_）和事实表（dwd_ / fact_*），维度表采用 SCD2 或 Type1 Upsert 策略，事实表按时间增量装载。

概述

DWD 层共有 2 个已注册任务：

任务代码	Python 类	注册参数	说明
`DWD_LOAD_FROM_ODS`	`DwdLoadTask`	`layer="DWD"`	核心装载任务：遍历 TABLE_MAP，维度走 SCD2/Type1，事实走增量
`DWD_QUALITY_CHECK`	`DwdQualityTask`	`layer="DWD"`, `task_type="verification"`	ODS 与 DWD 行数/金额核对

注册位置：orchestration/task_registry.py

历史说明：早期版本曾有 3 个独立 DWD 任务（TICKET_DWD、PAYMENTS_DWD、MEMBERS_DWD），通过专用 Loader 写入不存在的 billiards.* schema。这些任务已于 2026-02-14 废弃删除，其功能由 DWD_LOAD_FROM_ODS 的 TABLE_MAP 映射完全覆盖。

DWD_LOAD_FROM_ODS — 核心装载任务

属性	值
任务代码	`DWD_LOAD_FROM_ODS`
Python 类	`tasks.dwd.dwd_load_task.DwdLoadTask`
继承	`BaseTask`
数据来源	`billiards_ods.*`（ODS 层各表）
数据目标	`billiards_dwd.*`（维度表 + 事实表，共 40+ 对映射）
事务模式	每张表一次独立事务，单表失败回滚后继续后续表
配置项	`dwd.only_tables`（可选，限定只处理指定表）、`dwd.fact_upsert`（默认 `True`）

执行流程

extract(context) → 返回 {"now": datetime.now()}
    ↓
load(extracted, context) → 遍历 TABLE_MAP
    ↓
    对每张 DWD 表：
    ├─ 获取 DWD 列信息 + ODS 列信息
    ├─ 判断表名前缀：
    │   ├─ dim_* → _merge_dim()（维度合并）
    │   └─ 其他  → _merge_fact_increment()（事实增量）
    ├─ commit（成功）或 rollback（失败）
    └─ 记录 summary / errors

TABLE_MAP 映射表

TABLE_MAP 定义了 DWD 表到 ODS 表的完整映射关系。每对映射中，DWD 表名为 key，ODS 表名为 value。主表与扩展表（_ex）共享同一 ODS 源表，通过 FACT_MAPPINGS 中的列映射区分写入哪些字段。

维度表映射

DWD 表	ODS 源表	说明
`billiards_dwd.dim_site`	`billiards_ods.table_fee_transactions`	门店维度（从台费流水的 siteprofile 快照提取）
`billiards_dwd.dim_site_ex`	`billiards_ods.table_fee_transactions`	门店扩展（灯控、WiFi、客服等）
`billiards_dwd.dim_table`	`billiards_ods.site_tables_master`	台桌维度
`billiards_dwd.dim_table_ex`	`billiards_ods.site_tables_master`	台桌扩展（台布使用时间等）
`billiards_dwd.dim_assistant`	`billiards_ods.assistant_accounts_master`	助教维度
`billiards_dwd.dim_assistant_ex`	`billiards_ods.assistant_accounts_master`	助教扩展（简介、分组、灯控设备等）
`billiards_dwd.dim_member`	`billiards_ods.member_profiles`	会员维度
`billiards_dwd.dim_member_ex`	`billiards_ods.member_profiles`	会员扩展（注册来源、组织等）
`billiards_dwd.dim_member_card_account`	`billiards_ods.member_stored_value_cards`	会员储值卡维度
`billiards_dwd.dim_member_card_account_ex`	`billiards_ods.member_stored_value_cards`	储值卡扩展（电费抵扣、冻结余额等）
`billiards_dwd.dim_tenant_goods`	`billiards_ods.tenant_goods_master`	租户商品维度
`billiards_dwd.dim_tenant_goods_ex`	`billiards_ods.tenant_goods_master`	租户商品扩展（条码、备注等）
`billiards_dwd.dim_store_goods`	`billiards_ods.store_goods_master`	门店商品维度
`billiards_dwd.dim_store_goods_ex`	`billiards_ods.store_goods_master`	门店商品扩展（库存、安全库存等）
`billiards_dwd.dim_goods_category`	`billiards_ods.stock_goods_category_tree`	商品分类维度（含子类展开）
`billiards_dwd.dim_groupbuy_package`	`billiards_ods.group_buy_packages`	团购套餐维度
`billiards_dwd.dim_groupbuy_package_ex`	`billiards_ods.group_buy_packages`	团购套餐扩展

事实表映射

DWD 表	ODS 源表	说明
`billiards_dwd.dwd_settlement_head`	`billiards_ods.settlement_records`	结算头（订单结算主记录）
`billiards_dwd.dwd_settlement_head_ex`	`billiards_ods.settlement_records`	结算头扩展（支付方式、撤单、促销等）
`billiards_dwd.dwd_table_fee_log`	`billiards_ods.table_fee_transactions`	台费流水
`billiards_dwd.dwd_table_fee_log_ex`	`billiards_ods.table_fee_transactions`	台费流水扩展（销售员、消费类型等）
`billiards_dwd.dwd_table_fee_adjust`	`billiards_ods.table_fee_discount_records`	台费调整/折扣
`billiards_dwd.dwd_table_fee_adjust_ex`	`billiards_ods.table_fee_discount_records`	台费调整扩展
`billiards_dwd.dwd_store_goods_sale`	`billiards_ods.store_goods_sales_records`	商品销售记录
`billiards_dwd.dwd_store_goods_sale_ex`	`billiards_ods.store_goods_sales_records`	商品销售扩展
`billiards_dwd.dwd_assistant_service_log`	`billiards_ods.assistant_service_records`	助教服务记录
`billiards_dwd.dwd_assistant_service_log_ex`	`billiards_ods.assistant_service_records`	助教服务扩展
`billiards_dwd.dwd_assistant_trash_event`	`billiards_ods.assistant_cancellation_records`	助教取消/废单事件
`billiards_dwd.dwd_assistant_trash_event_ex`	`billiards_ods.assistant_cancellation_records`	助教取消扩展
`billiards_dwd.dwd_member_balance_change`	`billiards_ods.member_balance_changes`	会员余额变动
`billiards_dwd.dwd_member_balance_change_ex`	`billiards_ods.member_balance_changes`	会员余额变动扩展
`billiards_dwd.dwd_groupbuy_redemption`	`billiards_ods.group_buy_redemption_records`	团购核销记录
`billiards_dwd.dwd_groupbuy_redemption_ex`	`billiards_ods.group_buy_redemption_records`	团购核销扩展
`billiards_dwd.dwd_platform_coupon_redemption`	`billiards_ods.platform_coupon_redemption_records`	平台优惠券核销
`billiards_dwd.dwd_platform_coupon_redemption_ex`	`billiards_ods.platform_coupon_redemption_records`	平台优惠券核销扩展
`billiards_dwd.dwd_recharge_order`	`billiards_ods.recharge_settlements`	充值订单
`billiards_dwd.dwd_recharge_order_ex`	`billiards_ods.recharge_settlements`	充值订单扩展
`billiards_dwd.dwd_payment`	`billiards_ods.payment_transactions`	支付记录
`billiards_dwd.dwd_refund`	`billiards_ods.refund_transactions`	退款记录
`billiards_dwd.dwd_refund_ex`	`billiards_ods.refund_transactions`	退款扩展

共计 17 对维度映射（含 _ex）+ 23 对事实映射（含 _ex）= 40 对映射。

维度/事实分流逻辑

load() 方法遍历 TABLE_MAP 时，根据 DWD 表名前缀自动分流：

if self._table_base(dwd_table).startswith("dim_"):
    # 维度表 → _merge_dim()
else:
    # 事实表 → _merge_fact_increment()

_merge_dim() 内部进一步判断维度合并策略：

条件	策略	方法
DWD 表列中包含 SCD2 列（`scd2_start_time` / `scd2_end_time` / `scd2_is_current` / `scd2_version`）	SCD2 合并：关闭旧版 + 插入新版	`_merge_dim_scd2()`
DWD 表列中不包含 SCD2 列	Type1 Upsert：主键冲突则更新	`_merge_dim_type1_upsert()`

SCD2 列集合定义：SCD_COLS = {"scd2_start_time", "scd2_end_time", "scd2_is_current", "scd2_version"}

SCD2 处理流程

当维度表包含 SCD2 列时，执行 _merge_dim_scd2() 方法，完整流程如下：

1. 最新快照选取

从 ODS 源表中按业务主键取最新快照，使用 DISTINCT ON + fetched_at DESC 去重：

SELECT DISTINCT ON (业务主键表达式)
    <列映射表达式>
FROM billiards_ods.<ods_table>
WHERE "fetched_at" IS NOT NULL
ORDER BY 业务主键表达式, "fetched_at" DESC NULLS LAST

业务主键：从 DWD 表主键中剔除 SCD2 列后得到（_strip_scd2_keys()）
列映射：优先使用 FACT_MAPPINGS 中的显式映射（支持 JSON 路径提取如 siteprofile->>'shop_name'、类型转换如 ::numeric），其次按同名列直接映射
特殊处理：dim_goods_category 表会额外读取 categoryboxes 列并展开子分类行（_expand_goods_category_rows()）

2. 变更检测

将 ODS 最新快照与 DWD 当前版本（scd2_is_current=1）逐列对比：

# 预加载 DWD 当前版本（避免逐行 SELECT）
SELECT * FROM billiards_dwd.<dwd_table> WHERE COALESCE(scd2_is_current, 1) = 1

# 逐行对比（跳过 SCD2 列本身）
for col in dwd_cols:
    if col in SCD_COLS: continue
    if not _values_equal(current[col], incoming[col]):
        return True  # 有变更

_values_equal() 在对比前会做类型归一化：

空值归一化：空字符串 "" 和 None 视为等价
日期时间归一化：朴素时间（naive）与时区感知时间（aware）统一比较
布尔值归一化："true"/"false"/"1"/"0"/"yes"/"no" 等字符串与布尔值统一比较
数值归一化：字符串形式的数字（如 "3.14"）与 Decimal / float 统一比较

3. 版本关闭与新建

对于检测到变更的记录，分两步批量操作：

步骤 A — 批量关闭旧版本（_close_current_dim_bulk()）：

-- 单主键优化：使用 ANY 数组
UPDATE billiards_dwd.<table>
SET scd2_end_time = <now>, scd2_is_current = 0
WHERE COALESCE(scd2_is_current, 1) = 1 AND "<pk>" = ANY(<ids>)

-- 复合主键：逐条 execute_batch
UPDATE billiards_dwd.<table>
SET scd2_end_time = <now>, scd2_is_current = 0
WHERE COALESCE(scd2_is_current, 1) = 1 AND "<pk1>" = %s AND "<pk2>" = %s

步骤 B — 批量插入新版本（_insert_dim_rows_bulk()）：

INSERT INTO billiards_dwd.<table> (<所有列>) VALUES %s

新版本行的 SCD2 列填充规则：

SCD2 列	值
`scd2_start_time`	当前时间（`now`）
`scd2_end_time`	`9999-12-31 00:00:00`（表示"当前有效"）
`scd2_is_current`	`1`
`scd2_version`	旧版本号 + 1（新记录为 1）

4. 返回统计

{
    "processed": <ODS 去重后总行数>,
    "inserted":  <新增记录数（首次出现的业务主键）>,
    "updated":   <变更记录数（关闭旧版+插入新版）>,
    "skipped":   <无变更跳过数>
}

Type1 Upsert 处理流程

当维度表不包含 SCD2 列时，执行 _merge_dim_type1_upsert() 方法：

从 ODS 取最新快照（同 SCD2 的 DISTINCT ON 逻辑）
按主键去重，跳过主键为 NULL 的行
使用 PostgreSQL INSERT ... ON CONFLICT DO UPDATE 一次性写入：

INSERT INTO billiards_dwd.<table> (<列>) VALUES %s
ON CONFLICT (<主键>) DO UPDATE SET <非主键列> = EXCLUDED.<列>
WHERE <任一非主键列 IS DISTINCT FROM EXCLUDED 值>  -- 仅在有实际变更时才更新
RETURNING (xmax = 0) AS inserted                    -- 区分新增 vs 更新

Type1 Upsert 不保留历史版本，直接覆盖旧值。SCD2 列（如果存在于列定义中）会被填充默认值（scd2_start_time=now, scd2_version=1）但不参与冲突判断。

事实表增量装载

非 dim_* 前缀的表走 _merge_fact_increment() 方法，核心逻辑如下：

1. 水位线（Watermark）机制

事实表统一使用 fetched_at 列作为增量过滤依据，水位线获取优先级：

优先级	条件	行为
1	配置了手动时间窗口（`run.window_override.start/end`）	`WHERE fetched_at >= <start> AND fetched_at < <end>`
2	无手动窗口	自动计算水位线 `_get_fact_watermark()`，`WHERE fetched_at > <watermark>`

_get_fact_watermark() 的计算逻辑：

若 DWD 表包含 fetched_at 列 → SELECT MAX(fetched_at) FROM <dwd_table>
若 DWD 表不含 fetched_at 但有主键 → 通过 ODS JOIN DWD 取 MAX(ods.fetched_at)
兜底 → "1970-01-01"（全量装载）

2. 列映射与类型转换

列映射来源（按优先级）：

FACT_MAPPINGS 中的显式映射：(dwd_列名, ods_源表达式, 可选类型转换)
DWD 与 ODS 同名列直接映射
主键兜底：若 DWD 主键在 ODS 中不存在但 ODS 有 id 列，自动映射 pk → id

类型转换（_build_fact_select_exprs()）：

当 DWD 列为数值类型（integer/numeric/bigint 等）而 ODS 列为文本类型时，自动添加 CAST(NULLIF(CAST("<col>" AS text), '') AS <type>)

3. 快照去重

若 ODS 表包含 content_hash 列（snapshot_mode=True），则使用 DISTINCT ON 按主键 + fetched_at DESC 取最新快照，避免重复记录。

4. 写入策略

根据配置 dwd.fact_upsert（默认 True）和 snapshot_mode 决定冲突处理：

条件	SQL 策略
`snapshot_mode=True` 或 `fact_upsert=True`	`ON CONFLICT (<pk>) DO UPDATE SET ... WHERE <任一列 IS DISTINCT FROM>`
`fact_upsert=False` 且无 `content_hash`	`ON CONFLICT (<pk>) DO NOTHING`

写入后通过 RETURNING (xmax = 0) AS inserted 区分新增（xmax=0）和更新（xmax≠0）。

5. 缺失主键回补

对于可能出现"回补旧记录"的事实表（如 dwd_assistant_service_log，定义在 FACT_MISSING_FILL_TABLES 中），在主增量写入完成后，额外执行 _insert_missing_by_pk()：

INSERT INTO <dwd_table> (<列>)
SELECT <列> FROM <ods_table> o
LEFT JOIN <dwd_table> d ON d.<pk> = o.<pk>
WHERE d.<pk> IS NULL
  AND o.fetched_at > <watermark>  -- 同样受水位线约束
ON CONFLICT (<pk>) DO NOTHING

此步骤确保因时序乱序导致的遗漏记录能被补齐。

6. FACT_MAPPINGS 列映射详解

FACT_MAPPINGS 是一个字典，key 为 DWD 表全名，value 为三元组列表 (dwd_列名, ods_源表达式, 类型转换)。

映射类型示例：

映射类型	示例	说明
简单重命名	`("table_id", "id", None)`	ODS `id` → DWD `table_id`
JSON 路径提取	`("shop_name", "siteprofile->>'shop_name'", None)`	从 JSONB 字段提取
类型转换	`("longitude", "siteprofile->>'longitude'", "numeric")`	提取后转 `numeric`
布尔转换	`("is_first_limit", "is_first_limit", "boolean")`	转布尔类型
日期转换	`("pay_date", "pay_time", "date")`	时间戳截断为日期
SQL 表达式	`("category_level", "CASE WHEN pid = 0 THEN 1 ELSE 2 END", None)`	计算列

维度表和事实表共用 FACT_MAPPINGS（名称虽含 "FACT" 但实际覆盖所有表）。

配置与环境变量

配置项	来源	说明
`dwd.only_tables`	AppConfig / 环境变量 `DWD_ONLY_TABLES`	逗号分隔的表名列表，限定只处理指定表（支持全名或短名）
`dwd.fact_upsert`	AppConfig	事实表是否使用 upsert（默认 `True`），设为 `False` 则用 `DO NOTHING`
`run.window_override.start` / `end`	AppConfig	手动指定时间窗口，覆盖自动水位线

错误处理

每张表独立事务：成功则 commit，失败则 rollback 并记录错误后继续下一张表
主键缺失的行会被跳过并记录警告日志
ODS 表缺少 fetched_at 列时跳过该表并记录错误
fetched_at 为 NULL 的 ODS 行会被过滤（WHERE fetched_at IS NOT NULL）
最终返回 {"tables": [<各表统计>], "errors": [<失败表及原因>]}

DWD_QUALITY_CHECK — 数据质量检查

属性	值
任务代码	`DWD_QUALITY_CHECK`
Python 类	`tasks.dwd.dwd_quality_task.DwdQualityTask`
继承	`BaseTask`
任务类型	`verification`（校验类任务）
数据来源	`DwdLoadTask.TABLE_MAP` 中定义的所有 ODS / DWD 表对（40 对）
输出文件	`reports/dwd_quality_report.json`

用途

在 DWD_LOAD_FROM_ODS 装载完成后，对 ODS 与 DWD 两端进行行数和金额的交叉核对，自动生成 JSON 格式的质检报表。用于发现装载过程中可能出现的数据丢失或金额偏差。

执行流程

extract(context) → 返回 {"now": datetime.now()}
    ↓
load(extracted, context)
    ↓
    遍历 DwdLoadTask.TABLE_MAP 中的每对 (dwd_table, ods_table)：
    ├─ _compare_counts()  → 行数核对
    ├─ _compare_amounts() → 金额核对
    └─ 结果追加到 report["tables"]
    ↓
    写入 reports/dwd_quality_report.json

注意：本任务不执行 transform() 阶段，直接在 load() 中完成查询与报表输出。

行数核对逻辑

_compare_counts(cur, dwd_table, ods_table) 分别对 DWD 表和 ODS 表执行 COUNT(1)，返回两端行数及差值：

-- DWD 端
SELECT COUNT(1) AS cnt FROM "billiards_dwd"."<dwd_table>"

-- ODS 端
SELECT COUNT(1) AS cnt FROM "billiards_ods"."<ods_table>"

返回结构：

{
  "dwd": 12345,
  "ods": 12350,
  "diff": -5
}

diff = dwd - ods：正值表示 DWD 多于 ODS（可能因 SCD2 产生多版本），负值表示 DWD 少于 ODS（可能有数据丢失）
维度表因 SCD2 历史版本的存在，DWD 行数通常 ≥ ODS 行数，diff > 0 属于正常现象
事实表理论上 DWD 行数应 ≤ ODS 行数（去重后），diff > 0 需要关注

表名解析：_split_table_name() 将全限定名（如 billiards_dwd.dim_member）拆分为 (schema, table)。若表名不含 .，则使用默认 schema（DWD 端默认 billiards_dwd，ODS 端默认 billiards_ods）。

金额列自动扫描规则

_compare_amounts(cur, dwd_table, ods_table) 自动识别两端表中的金额相关列，对公共列逐列汇总对比。

扫描机制

通过 _get_numeric_amount_columns(cur, schema, table) 从 information_schema.columns 查询：

SELECT column_name
FROM information_schema.columns
WHERE table_schema = %s
  AND table_name = %s
  AND data_type IN ('numeric', 'double precision', 'integer', 'bigint', 'smallint', 'real', 'decimal')

在返回的数值型列中，进一步按列名关键词过滤，只保留列名中包含以下任一关键词的列：

关键词	匹配示例
`amount`	`pay_amount`, `discount_amount`, `actual_amount`
`money`	`consume_money`, `member_money`
`fee`	`table_fee`, `service_fee`, `fee_amount`
`balance`	`card_balance`, `gift_balance`

关键词定义：AMOUNT_KEYWORDS = ("amount", "money", "fee", "balance") 匹配规则：列名（小写）包含关键词即命中，如 pay_amount 包含 amount。

公共列取交集

分别获取 DWD 端和 ODS 端的金额列后，取交集（set(dwd_cols) & set(ods_cols)）并排序，只对两端都存在的同名金额列进行汇总对比。

汇总对比

对每个公共金额列执行 SUM()：

-- DWD 端
SELECT COALESCE(SUM("<col>"), 0) AS val FROM "billiards_dwd"."<dwd_table>"

-- ODS 端
SELECT COALESCE(SUM("<col>"), 0) AS val FROM "billiards_ods"."<ods_table>"

返回结构（每个金额列一条记录）：

{
  "column": "pay_amount",
  "dwd_sum": 98765.50,
  "ods_sum": 98770.00,
  "diff": -4.50
}

diff = dwd_sum - ods_sum：非零值表示两端金额不一致，需排查原因
COALESCE(..., 0) 确保 NULL 值不影响汇总结果
若某对表没有公共金额列，amounts 数组为空

JSON 报表输出格式

报表写入路径：reports/dwd_quality_report.json（目录不存在时自动创建）。

完整结构

{
  "generated_at": "2025-01-15T14:30:00.123456",
  "tables": [
    {
      "dwd_table": "billiards_dwd.dim_member",
      "ods_table": "billiards_ods.member_profiles",
      "count": {
        "dwd": 1200,
        "ods": 1000,
        "diff": 200
      },
      "amounts": [
        {
          "column": "balance",
          "dwd_sum": 50000.00,
          "ods_sum": 50000.00,
          "diff": 0.0
        }
      ]
    },
    {
      "dwd_table": "billiards_dwd.dwd_payment",
      "ods_table": "billiards_ods.payment_transactions",
      "count": {
        "dwd": 5000,
        "ods": 5000,
        "diff": 0
      },
      "amounts": [
        {
          "column": "pay_amount",
          "dwd_sum": 123456.78,
          "ods_sum": 123456.78,
          "diff": 0.0
        },
        {
          "column": "fee_amount",
          "dwd_sum": 1234.56,
          "ods_sum": 1234.56,
          "diff": 0.0
        }
      ]
    }
  ],
  "note": "行数/金额核对，金额字段基于列名包含 amount/money/fee/balance 的数值列自动扫描。"
}

字段说明

字段	类型	说明
`generated_at`	`string`	报表生成时间（ISO 8601 格式）
`tables`	`array`	每对 DWD↔ODS 表的核对结果
`tables[].dwd_table`	`string`	DWD 表全限定名
`tables[].ods_table`	`string`	ODS 表全限定名
`tables[].count`	`object`	行数核对结果
`tables[].count.dwd`	`integer`	DWD 端行数
`tables[].count.ods`	`integer`	ODS 端行数
`tables[].count.diff`	`integer`	行数差值（`dwd - ods`）
`tables[].amounts`	`array`	金额列核对结果（可能为空数组）
`tables[].amounts[].column`	`string`	金额列名
`tables[].amounts[].dwd_sum`	`float`	DWD 端汇总值
`tables[].amounts[].ods_sum`	`float`	ODS 端汇总值
`tables[].amounts[].diff`	`float`	金额差值（`dwd_sum - ods_sum`）
`note`	`string`	报表说明文字

注意事项

全量扫描：本任务对 TABLE_MAP 中所有 40 对表执行全表 COUNT 和 SUM，在数据量较大时可能耗时较长
不区分增量：行数和金额对比基于全表统计，不受时间窗口限制
SCD2 影响：维度表因 SCD2 历史版本的存在，DWD 行数通常大于 ODS 行数，这是预期行为
列名匹配大小写：金额列扫描时将列名统一转为小写后匹配关键词
报表覆盖：每次运行会覆盖上一次的报表文件（reports/dwd_quality_report.json）

22 KiB Raw Blame History Unescape Escape

DWD 层任务详解

概述

DWD_LOAD_FROM_ODS — 核心装载任务

执行流程

TABLE_MAP 映射表

维度表映射

事实表映射

维度/事实分流逻辑

SCD2 处理流程

1. 最新快照选取

2. 变更检测

3. 版本关闭与新建

4. 返回统计

Type1 Upsert 处理流程

事实表增量装载

1. 水位线（Watermark）机制

2. 列映射与类型转换

3. 快照去重

4. 写入策略

5. 缺失主键回补

6. FACT_MAPPINGS 列映射详解

配置与环境变量

错误处理

DWD_QUALITY_CHECK — 数据质量检查

用途

执行流程

行数核对逻辑

金额列自动扫描规则

扫描机制

公共列取交集

汇总对比

JSON 报表输出格式

完整结构

字段说明

注意事项

22 KiB

Raw Blame History