# 实现计划：ETL 调度器重构

## 概述

将 `ETLScheduler`（~900 行）拆分为 TaskExecutor（执行层）、PipelineRunner（编排层）、增强版 TaskRegistry（元数据），重构 CLI 参数和配置键，保持向后兼容。采用自底向上的实现顺序：先基础组件，再上层编排，最后 CLI 集成。

## 任务

- [x] 1. 增强 TaskRegistry，支持元数据注册与查询
  - [x] 1.1 扩展 TaskRegistry 类，添加 TaskMeta 数据类和元数据相关方法
    - 在 `orchestration/task_registry.py` 中添加 `TaskMeta` dataclass（`task_class`、`requires_db_config`、`layer`、`task_type`）
    - 修改 `register()` 方法签名，增加可选的 `requires_db_config`、`layer`、`task_type` 参数
    - 添加 `get_metadata()`、`get_tasks_by_layer()`、`is_utility_task()` 方法
    - 保持 `create_task()` 和 `get_all_task_codes()` 接口不变
    - _需求: 4.1, 4.4_

  - [x] 1.2 更新所有任务注册调用，添加元数据
    - 将原 `NO_DB_CONFIG_TASKS` 硬编码集合中的任务标记为 `requires_db_config=False`
    - 为 ODS 任务添加 `layer="ODS"`，DWD 任务添加 `layer="DWD"`，DWS 任务添加 `layer="DWS"`，INDEX 任务添加 `layer="INDEX"`
    - 工具类任务标记 `task_type="utility"`，校验类任务标记 `task_type="verification"`
    - _需求: 4.1, 4.2, 4.3_

  - [x] 1.3 编写 TaskRegistry 属性测试
    - **Property 8: TaskRegistry 元数据 round-trip**
    - **验证: 需求 4.1**

  - [x] 1.4 编写 TaskRegistry 向后兼容和按层查询属性测试
    - **Property 9: TaskRegistry 向后兼容默认值**
    - **Property 10: 按层查询任务**
    - **验证: 需求 4.4, 4.3**

- [x] 2. 配置键重构与向后兼容
  - [x] 2.1 修改 `config/defaults.py` 默认值
    - 将 `app.timezone` 默认值从 `Asia/Taipei` 改为 `Asia/Shanghai`
    - 将 `db.session.timezone` 默认值从 `Asia/Taipei` 改为 `Asia/Shanghai`
    - 添加 `run.data_source` 键（默认 `hybrid`）
    - 将 `pipeline.fetch_root` 和 `pipeline.ingest_source_dir` 复制到 `io.fetch_root` 和 `io.ingest_source_dir`（保留旧键兼容）
    - _需求: 5.1, 5.2, 5.4_

  - [x] 2.2 在 `config/settings.py` 的 `_normalize()` 中添加兼容映射逻辑
    - 旧键 `pipeline.flow` → 新键 `run.data_source`（值映射：FULL→hybrid, FETCH_ONLY→online, INGEST_ONLY→offline）
    - 旧键 `pipeline.fetch_root` → `io.fetch_root`，`pipeline.ingest_source_dir` → `io.ingest_source_dir`
    - 新键优先：当新旧键同时存在时，使用新键的值
    - 记录弃用警告日志
    - _需求: 5.2, 5.3, 5.4, 8.4, 8.5_

  - [x] 2.3 编写配置映射属性测试
    - **Property 11: pipeline_flow → data_source 映射一致性**
    - **验证: 需求 8.1, 8.2, 8.3, 5.2, 8.4**

- [x] 3. 静态方法归位
  - [x] 3.1 将 `_map_run_status` 移至 RunTracker
    - 在 `orchestration/run_tracker.py` 中添加 `map_run_status()` 静态方法（从 `ETLScheduler._map_run_status` 复制）
    - _需求: 7.1_

  - [x] 3.2 将 `_filter_verify_tables` 移至校验模块
    - 在 `tasks/verification/` 下合适的模块中添加 `filter_verify_tables()` 函数
    - _需求: 7.2_

- [x] 4. 检查点 — 确保所有测试通过
  - 运行 `pytest tests/unit`，确保所有测试通过，如有问题请询问用户。

- [x] 5. 实现 TaskExecutor（执行层）
  - [x] 5.1 创建 `orchestration/task_executor.py`
    - 实现 `TaskExecutor` 类，构造函数接收 `config`、`db_ops`、`api_client`、`cursor_mgr`、`run_tracker`、`task_registry`、`logger`
    - 从 `ETLScheduler` 迁移以下方法：`run_tasks`、`_run_single_task`、`_execute_fetch`、`_execute_ingest`、`_execute_ods_record_and_load`、`_run_utility_task`、`_build_fetch_dir`、`_resolve_ingest_source`、`_counts_from_fetch`、`_load_task_config`、`_maybe_run_integrity_check`、`_attach_run_file_logger`
    - 将 `data_source` 改为方法参数（替代原 `self.pipeline_flow` 全局状态）
    - 使用 `self.task_registry.is_utility_task()` 替代硬编码的 `NO_DB_CONFIG_TASKS`
    - 使用 `RunTracker.map_run_status()` 替代 `self._map_run_status()`
    - 添加 `DataSource` 枚举类（`online`/`offline`/`hybrid`）
    - _需求: 1.1, 1.2, 1.3, 1.4, 1.5, 1.6_

  - [x] 5.2 编写 TaskExecutor 属性测试
    - **Property 1: data_source 参数决定执行路径**
    - **Property 2: 成功任务推进游标**
    - **Property 3: 失败任务标记 FAIL 并重新抛出**
    - **Property 4: 工具类任务由元数据决定**
    - **验证: 需求 1.2, 1.3, 1.4, 1.6, 4.2**

- [x] 6. 实现 PipelineRunner（编排层）
  - [x] 6.1 创建 `orchestration/pipeline_runner.py`
    - 实现 `PipelineRunner` 类，构造函数接收 `config`、`task_executor`、`task_registry`、`db_conn`、`api_client`、`logger`
    - 将 `PIPELINE_LAYERS` 常量从 `scheduler.py` 迁移至此
    - 从 `ETLScheduler` 迁移以下方法：`run_pipeline_with_verification`（重命名为 `run`）、`_run_layer_verification`（重命名为 `_run_verification`）、`_get_tasks_for_layers`（重命名为 `_resolve_tasks`）
    - 使用 `filter_verify_tables()`（已移至校验模块）替代原内联静态方法
    - 使用 `task_registry.get_tasks_by_layer()` 作为默认任务解析，配置覆盖优先
    - _需求: 2.1, 2.2, 2.3, 2.4, 2.5, 2.6_

  - [x] 6.2 编写 PipelineRunner 属性测试
    - **Property 5: 管道名称→层列表映射**
    - **Property 6: processing_mode 控制执行流程**
    - **Property 7: 管道结果汇总完整性**
    - **验证: 需求 2.1, 2.3, 2.4, 2.6**

- [x] 7. 检查点 — 确保所有测试通过
  - 运行 `pytest tests/unit`，确保所有测试通过，如有问题请询问用户。

- [x] 8. 重构 CLI 层
  - [x] 8.1 重构 `cli/main.py` 参数解析
    - 添加 `--data-source` 参数（choices: online/offline/hybrid，默认 hybrid）
    - 保留 `--pipeline-flow` 作为弃用别名，使用时发出 `DeprecationWarning` 并映射到 `--data-source`
    - 更新 `build_cli_overrides()` 将 `--data-source` 写入 `run.data_source` 配置键
    - _需求: 3.1, 3.5, 8.1, 8.2, 8.3_

  - [x] 8.2 重构 `cli/main.py` 的 `main()` 函数
    - 在 `try/finally` 块中管理 `DatabaseConnection` 和 `APIClient` 的生命周期
    - 在 `try` 块内组装 `TaskExecutor` 和 `PipelineRunner`（依赖注入）
    - 管道模式委托 `PipelineRunner.run()`，传统模式委托 `TaskExecutor.run_tasks()`
    - 添加 `resolve_data_source(args)` 辅助函数处理新旧参数映射
    - _需求: 3.2, 3.3, 3.4, 3.6, 6.1, 6.4_

  - [x] 8.3 编写 CLI 参数解析单元测试
    - 测试 `--data-source` 新参数正确解析
    - 测试 `--pipeline-flow` 旧参数弃用映射
    - 测试 `--pipeline` + `--tasks` 同时使用时的行为
    - _需求: 3.1, 3.3, 3.5_

- [x] 9. 清理旧代码与集成
  - [x] 9.1 重构 `orchestration/scheduler.py` 为薄包装层
    - 将 `ETLScheduler` 改为薄包装，内部委托 `TaskExecutor` 和 `PipelineRunner`
    - 保留 `ETLScheduler` 类名和 `run_tasks()`、`run_pipeline_with_verification()`、`close()` 公共接口，标记为弃用
    - 确保 GUI 层（`gui/workers/`）等现有调用方无需立即修改
    - _需求: 8.1, 8.4_

  - [x] 9.2 更新 GUI 工作线程中的调度器引用
    - 检查 `gui/workers/` 中对 `ETLScheduler` 的使用
    - 如有直接引用内部方法，更新为使用新的公共接口
    - _需求: 7.3_

  - [x] 9.3 编写集成测试验证端到端流程
    - 使用 FakeDB/FakeAPI 验证 CLI → PipelineRunner → TaskExecutor 完整调用链
    - 验证传统模式和管道模式均正常工作
    - _需求: 9.4_

- [x] 10. 最终检查点 — 确保所有测试通过
  - 运行 `pytest tests/unit`，确保所有测试通过，如有问题请询问用户。

  

## 备注

- 标记 `*` 的子任务为可选测试任务，可跳过以加速 MVP
- 每个任务引用了具体的需求编号，确保可追溯性
- 检查点确保增量验证，避免问题累积
- 属性测试使用 `hypothesis` 库，验证通用正确性属性
- 单元测试验证具体示例和边界条件
- `ETLScheduler` 保留为薄包装层，确保 GUI 等现有调用方平滑过渡