6.2 KiB
MDY（明道云）PlateOrder 同步：任务 / Command / 数据查询说明
这份文档解决什么问题
当你忘记：
- PlateOrder（开版数据表）是否有定时同步？
- 手动怎么跑同步？
- 同步的数据落到哪里、怎么查？
直接看本文档即可。
一、同步“是什么”：从明道云到哪里？
1) 同步目标表（本地暂存）
同步会把明道云“开版数据表”的行写入本地暂存表：
- 模型：
api_v1.models.MDYPlateOrderStaging - 字段：
mdy_rowid：明道云 rowid（唯一）raw：整行原始数据（JSON）related：可选，跨表关联数据（list[dict]，已做碾平）ctime/utime：明道云系统时间字段（用于排序/增量）
2) 增量游标（checkpoint）
同步进度记录在：
- 模型：
api_v1.models.DataSync - 表名枚举：
DataSync.TableName.PLATE_ORDER
Command 默认会读取/写入 checkpoint；可以通过参数关闭。
二、有没有“定时任务”（Celery Beat）？
结论：当前没有把 PlateOrder 同步加入 CELERY_BEAT_SCHEDULE。
目前 flower/settings.py 里看到的 mdy 定时任务只有：
mdy_product_sync：每 10 分钟（api_v1.tasks.sync_mdy_products）mdy_customer_sync：每 5 分钟（api_v1.tasks.sync_mdy_customers）
但代码里确实存在 PlateOrder 的 Celery task（见下文），只是 未配置到 beat schedule。
补充：与“同步”不同，项目已新增一条“开版暂存 → 腾讯云 TIIA 图库上传”的定时任务（用于把暂存表中的开版图入库到腾讯图库），它是单独的 beat 项，详见：
docs/tiia_image_gallery.md的 “四点五、MDY 开版暂存图片上传到图库”flower/settings.py：CELERY_BEAT_SCHEDULE['daily_mdy_plate_order_staging_tiia_image_upload']（默认 03:20）
三、如何手动运行（推荐：management command）
Command：sync_mdy_plate_orders
入口文件：
api_v1/management/commands/sync_mdy_plate_orders.py
最常用用法：
- 默认增量同步（使用 DataSync checkpoint；默认抓关联表数据）：
uv run python manage.py sync_mdy_plate_orders
常用参数：
--page-size 100：每页拉取条数（默认 100）--max-pages 2：本次最多处理多少页（不是最大页码）--max-records 200：本次最多处理多少条--with-related / --without-related：是否抓取跨表关联数据（默认 with-related）--max-related-per-type 5：每种关联表最多拉多少条 rowid--request-interval-seconds 0.02：每次明道云请求之间最小间隔（限流；0.02≈50qps）--use-checkpoint / --skip-checkpoint：是否读取 DataSync 游标（默认 use）--update-checkpoint / --skip-checkpoint-write：是否写入 DataSync 记录（默认写）--sort-direction asc|desc：按 ctime 升/降序抓取（默认 asc）
示例：
- 只拉主表、不拉关联（更快）：
uv run python manage.py sync_mdy_plate_orders --without-related
- 从头全量跑一段（不读 checkpoint，且跑完不写 checkpoint）：
uv run python manage.py sync_mdy_plate_orders --skip-checkpoint --skip-checkpoint-write
- 控制单次任务规模（避免跑太久）：
uv run python manage.py sync_mdy_plate_orders --page-size 100 --max-pages 3 --max-records 250
四、如何通过 Celery 运行（可选）
Celery Task：api_v1.tasks.sync_mdy_plate_orders
位置：
api_v1/tasks.py（task 名：sync_mdy_plate_orders）
说明：
- 该 task 内部调用
api_v1.mdy_plate_order_sync.sync_mdy_plate_orders_to_staging - 该 task 目前不在 beat schedule，但可以手动触发
两种触发方式（任选其一）：
-
通过 celery call（适合已有 worker 环境）：
uv run celery -A flower call api_v1.tasks.sync_mdy_plate_orders --kwargs='{"page_size":100,"max_pages":2,"with_related":true,"request_interval_seconds":0.02}'
-
通过 Django shell（适合本地临时验证）：
uv run python manage.py shell -c "from api_v1.tasks import sync_mdy_plate_orders; r=sync_mdy_plate_orders.delay(page_size=100,max_pages=2); print(r.id)"
如果你确实需要“定时同步 PlateOrder”，可以把该 task 加进
CELERY_BEAT_SCHEDULE；但这属于策略选择（数据量/频率/接口限流），当前项目默认没开。
五、同步后如何查询（API）
暂存查询接口（只读）
文档：
docs/api_v1_mdy_plate_order_staging.md
接口：
- List：
GET /api/v1/mdy-plate-order-staging/?limit=20&offset=0 - Detail：
GET /api/v1/mdy-plate-order-staging/{id}/
说明：
- 支持 LimitOffset 分页
- 支持按“内部字段名”的 query param 过滤（对前端隐藏 JSONField 细节）
六、相关实现入口（定位用）
- 同步逻辑（写入暂存+checkpoint）：
api_v1/mdy_plate_order_sync.py - 拉取明道云 rows：
flower/utils/mingdaoyun/fetch.py（fetch_plate_orders_from_mingdaoyun） - 明道云客户端：
flower/utils/mingdaoyun/client.py（当前 appKey/sign 仍是硬编码） - 暂存查询 API：
api_v1/views/mingdaoyun/plate_order_staging.py
七、常见报错：duplicate key value violates ... api_mdy_plate_order_staging_pkey
这到底是哪种“唯一性冲突”？
api_mdy_plate_order_staging_pkey 是 主键（id） 的约束名，不是 mdy_rowid 的 unique。
这类报错通常意味着：PostgreSQL 自增序列（sequence）落后于当前表内的最大 id（常见于 restore/copy/import 后）。
当前代码如何处理
sync_mdy_plate_orders_to_staging 在写入暂存表时，如果遇到该主键冲突，会：
- 自动重置该表的 id sequence 到
MAX(id)（使下一次插入从MAX(id)+1开始） - 然后对当前 row 再重试一次写入
对应实现：api_v1/mdy_plate_order_sync.py 的 _reset_mdy_plate_order_staging_id_sequence()。
手动修复（可选）
如果你想一次性手动修复，可在 PostgreSQL 执行（把 sequence 名替换为实际值）：
SELECT setval(
pg_get_serial_sequence('api_mdy_plate_order_staging', 'id'),
COALESCE((SELECT MAX(id) FROM api_mdy_plate_order_staging), 1),
true
);