La tâche de prévision planifiée
- Leçon 25
- 45 min
- Module 8 : Exploiter une prévision en production
Où nous en sommes
Nous pouvons maintenant transformer une prévision en commande et en horaire dans un carnet (*notebook*) Jupyter. Un carnet ne s'exécute pas tout seul chaque lundi. Dans cette leçon, nous exécutons une petite tâche de prévision en ligne de commande. Elle obtient les données, les vérifie, produit les prévisions et écrit le plan. Pensez d'abord à une commande d'épicerie que vous passez en ligne chaque semaine.
Leçon 25 sur 27 · Prévision et séries chronologiques : prévoir la suiteLa tâche de prévision planifiée
1. Les prévisions servent des décisions
2. Lire une série chronologique
3. Références de base et tests honnêtes
4. Méthodes statistiques
5. Méthodes par apprentissage automatique
6. Séries difficiles et séries nombreuses
7. L'incertitude et la décision
8. Exploiter une prévision en production
Ce que vous saurez faire
Exécutez la prévision chaque lundi avec une petite tâche que personne n’a besoin de surveiller. Elle obtient les données, les vérifie, produit les prévisions, puis écrit et conserve le plan. Une deuxième exécution pour la même semaine ne change rien.
Avant de commencerCe qu’il faut savoir et avoir sous la main
Ce que vous devez savoir
- La commande de stock au quantile de 58 % et l’horaire au quantile de 72 %, vus dans De la prévision à la commande et à l’horaire.
- Le lissage exponentiel (ETS), vu dans Le lissage exponentiel, et les totaux ascendants, vus dans Des hiérarchies qui doivent s’additionner.
- Comment la tâche comble un jour manquant et une rupture de stock, vu dans Nettoyer sans masquer la demande.
- Un terminal :
cd(changer de dossier), un environnement virtuel etpip install(installer des paquets). Python pour l’ingénierie de l’IA en pratique les présente.
Ce qu’il vous faut sur votre ordinateur
- Python 3.12, un terminal et VS Code (ou un autre éditeur). Git est utile, mais vous pouvez plutôt télécharger un fichier ZIP.
- Environ 400 Mo d’espace disque libre pour l’environnement virtuel. Aucun compte, aucune clé et aucune dépense.
Testé avec Python 3.12, pandas 2.3.3, NumPy 2.4.6 et statsforecast 2.1.1 sur macOS. Les commandes Windows (PowerShell) sont fournies, mais non testées.
Une commande d’épicerie que vous passez chaque semaine
Section intitulée « Une commande d’épicerie que vous passez chaque semaine »Pensez à une famille qui commande son épicerie en ligne chaque lundi. L’application suit toujours les mêmes étapes : elle vérifie le panier, calcule le total, envoie la commande et conserve un reçu.
Deux détails rendent cette application sûre. D’abord, si vous appuyez sur Order (commander) deux fois par erreur, deux camionnettes ne viennent pas chez vous. Le magasin reconnaît la même commande. Ensuite, les reçus restent disponibles. Dans un mois, vous pourrez ouvrir le reçu de n’importe quelle semaine et voir ce que vous avez payé et pourquoi.
Larkfield a besoin des deux mêmes détails. Chaque lundi, Kenji commande le stock et Grace prépare l’horaire à partir du plan de la tâche.
Du carnet à la tâche
Section intitulée « Du carnet à la tâche »Dans les modules 2 à 7, vous avez produit des prévisions dans des carnets. Un carnet convient à l’apprentissage, mais une personne doit l’ouvrir, exécuter les cellules dans l’ordre et copier le résultat. Un lundi chargé, quelqu’un oublie une cellule ou exécute une ancienne cellule deux fois.
Une tâche est un programme qui s’exécute du début à la fin sans personne au clavier. Elle suit toujours les mêmes étapes dans le même ordre. Un ordonnanceur (un programme qui démarre d’autres programmes à des heures précises) peut la lancer chaque lundi matin.
La tâche de Larkfield est un petit programme Python, forecast_job, qui rassemble ce que les carnets faisaient. Pour un lundi, elle suit six étapes :
Description textuelle du diagramme
Le diagramme montre six cases reliées par des flèches. Case 1 : obtenir les données connues le lundi. Case 2, une décision : peut-on utiliser les données sans risque? Sinon (le flux arrive en retard, une ligne est en double, une vente est négative), une flèche mène à STOPPED. Rien n’est écrit, et le plan de la semaine précédente reste en vigueur. Si oui, case 3, prévoir : les 600 séries de produits sur 14 jours et les billets sur une semaine, chacun avec un intervalle. Case 4, rapprocher : méthode ascendante. Case 5, planifier : la commande de stock au quantile de 58 % et l’horaire au quantile de 72 %. Case 6, conserver : un dossier pour le lundi avec une empreinte des entrées. Une flèche pointillée transmet les avertissements (un jour manquant comblé, de nombreuses ruptures de stock, un changement de prix) au plan conservé.
Chaque étape utilise une méthode que le cours a choisie dans son tableau du test rétrospectif (backtests) :
- Prévoir : ETS avec une saison hebdomadaire pour chacune des 600 séries de produits (200 produits dans 3 régions), sur 14 jours. MSTL avec une saison quotidienne et hebdomadaire pour les billets de soutien, sur une semaine.
- Rapprocher : méthode ascendante. La tâche additionne les prévisions des produits par région, par catégorie et pour le total, pour qu’elles concordent toujours.
- Planifier : la commande correspond au quantile de 58 % de la demande sur 14 jours de chaque produit. L’horaire couvre le quantile de 72 % des billets de chaque heure. Les deux quantiles viennent des coûts supposés dans le cours.
Configurer la tâche
Section intitulée « Configurer la tâche »La tâche est fournie en deux instantanés dans le dépôt des laboratoires. Un instantané est une copie du projet à un moment du cours. start correspond à la tâche à la fin du module 7, et end-of-m08 à la fin de ce module. Vous partez de start.
-
Obtenez les fichiers du cours. Si vous avez Git, clonez le dépôt des laboratoires une seule fois, dans
~/projects. Si vous avez déjà le clone, exécutez plutôtgit -C nextia-learning-labs pull.Fenêtre de terminal cd ~/projectsgit clone https://github.com/Nextia-Intelligence/nextia-learning-labs.gitSans Git, téléchargez le fichier ZIP du dépôt et décompressez-le dans
~/projects. Utilisez son nom de dossier,nextia-learning-labs-main, dans les prochaines étapes. -
Copiez l’instantané
startdans votre propre dossier,forecast-job:Fenêtre de terminal cp -R nextia-learning-labs/C35/forecast-job/start forecast-jobcd forecast-jobFenêtre de terminal Copy-Item -Recurse nextia-learning-labs\C35\forecast-job\start forecast-jobcd forecast-job -
Créez l’environnement virtuel, installez les paquets et obtenez les données :
Fenêtre de terminal python3 -m venv .venvsource .venv/bin/activatepython -m pip install -r requirements.txtpython get_data.pyFenêtre de terminal python -m venv .venv.venv\Scripts\Activate.ps1python -m pip install -r requirements.txtpython get_data.pyget_data.pytélécharge environ 2 Mo de données de Larkfield dansdata/, vérifie chaque fichier et termine avec :Ready: 10 files in data/, every checksum is right. -
Exécutez les tests :
Fenêtre de terminal python -m pytest -q14 passed in 17.56sVotre durée sera différente; la première exécution est plus lente.
-
Planifiez une semaine, celle du lundi 10 mars 2025 :
Fenêtre de terminal python -m forecast_job run --week 2025-03-10Week 2025-03-10: 12839 units to order (expected cost 32038 dollars), 397 agent hours (expected cost 3665 dollars), 0 warnings. Plan: plan/2025-03-10Cela prend environ 5 secondes.
Lisez la ligne de gauche à droite. La tâche commande 12 839 unités pour les 14 prochains jours, pour tous les produits et toutes les régions. Son coût attendu, 32 038 $ US, est le coût moyen des unités qui manqueront ou resteront. Il n’est juste que si l’intervalle de prévision est juste. L’horaire compte 397 heures de travail d’agents pour la semaine (coût attendu de 3 665 $ US). La vérification des données n’a trouvé aucun problème.
La tâche utilise seulement les données connues ce lundi : les ventes jusqu’au dimanche 9 mars, et les promotions et prix prévus. Vous pouvez donc planifier n’importe quel lundi passé comme si c’était aujourd’hui.
Ce que la tâche a écrit
Section intitulée « Ce que la tâche a écrit »Le dossier plan/2025-03-10/ contient maintenant quatre fichiers :
| Fichier | Contenu |
|---|---|
forecast.csv |
Une ligne par produit, région et jour : la prévision yhat et son intervalle (q5, q10, q90, q95) |
totals.csv |
La prévision additionnée par région, par catégorie et pour tout le magasin |
orders.csv |
Une ligne par produit et région : la prévision sur 14 jours, son intervalle à 80 %, la commande et son coût attendu |
roster.csv |
Une ligne par heure : la prévision des billets, son intervalle, les billets prévus et le nombre d’agents |
Le fichier d’horaire montre comment un intervalle devient une décision. Voici le lundi, heure par heure :
- Prévision des billets
- Intervalle à 80 % (10 % à 90 %)
- Agents à l'horaire × 6 billets
Description textuelle du graphique
Le graphique comporte quatre lignes sur les 24 heures du lundi 10 mars 2025. La prévision des billets, en bleu, est d’environ 2 à 4 billets par heure la nuit. Elle passe de 11 à 7 h à 33 à 10 h et à 11 h, puis descend à environ 11 à 17 h. Elle remonte à environ 16 à 19 h et à 20 h, puis descend la nuit. Deux lignes grises pointillées montrent l’intervalle à 80 %, environ 4 à 5 billets de chaque côté. La ligne orange représente l’horaire : les agents en service multipliés par 6 billets. Elle vaut 0 en dehors de la période de 7 h à 21 h 59. Elle dépasse la prévision pendant les heures d’ouverture. Il y a 3 agents (18 billets) à 7 h et 6 (36 billets) à 10 h et à 11 h. Le soir, il y en a 3 ou 4.
La ligne orange se trouve un peu au-dessus de la prévision, car la tâche planifie pour le quantile de 72 %. Une heure avec un agent manquant coûte plus cher qu’une heure de travail d’un agent supplémentaire.
Le problème : une tâche sans mémoire
Section intitulée « Le problème : une tâche sans mémoire »Le mardi, Omar pose une question : « Et si un article invendu nous coûtait 30 % de son prix, pas 25 %? » Tomás essaie tout de suite. Il remplace LEFT_OVER_SHARE dans forecast_job/config.py de 0.25 à 0.30, puis relance la même semaine :
Week 2025-03-10: 12519 units to order (expected cost 35355 dollars), 397 agent hours (expected cost 3665 dollars), 0 warnings. Plan: plan/2025-03-10La réponse est utile : avec un coût plus élevé du stock invendu, la tâche commande 320 unités de moins. Mais regardez le chemin à la fin : la tâche a écrit le nouveau plan dans le même dossier. Kenji a passé sa commande le lundi pour 12 839 unités, et les fichiers qui expliquent cette commande ont disparu. Rien n’a averti Tomás.
La même chose se produit sans changer les paramètres. Un ordonnanceur relance souvent une tâche après un plantage, et Mei fournit parfois un fichier de ventes corrigé le mardi. Chaque nouvelle exécution remplace le plan du lundi sans laisser de trace. Personne ne peut alors comparer le plan réel de la tâche aux ventes, et la prochaine leçon exige justement cette vérification.
(Annulez maintenant le changement de Tomás : remettez LEFT_OVER_SHARE à 0.25.)
L’idée : mêmes entrées, même plan, chaque plan conservé
Section intitulée « L’idée : mêmes entrées, même plan, chaque plan conservé »La tâche a besoin des deux détails de l’application d’épicerie :
- Conserver chaque plan. Chaque lundi a son propre dossier, et la tâche n’en supprime jamais.
- Rendre une deuxième exécution sans danger. Une exécution est idempotente si l’exécuter deux fois a le même effet que l’exécuter une fois.
Mais comment la tâche sait-elle qu’une deuxième exécution est « la même »? Elle compare une empreinte des entrées : un court code qu’une fonction de hachage calcule à partir des données. Les mêmes données donnent toujours le même code; changer une seule valeur donne un code complètement différent. Voici un petit exemple avec hashlib de Python :
import hashlibfor text in ["sales: 4, 6, 5", "sales: 4, 6, 5", "sales: 4, 6, 6"]: print(text, "->", hashlib.sha256(text.encode()).hexdigest()[:16])sales: 4, 6, 5 -> 527a118a0b587747sales: 4, 6, 5 -> 527a118a0b587747sales: 4, 6, 6 -> b4900c0c117cecaeÀ la troisième ligne, une vente passe de 5 à 6, et le code est complètement différent. La tâche conserve les 16 premiers caractères.
L’empreinte de la tâche couvre tout ce qui peut changer le plan. Cela comprend les données accessibles, chaque paramètre de config.py, les ajustements manuels (overrides) du planificateur et la version de la tâche. La règle est alors simple :
Description textuelle du diagramme
Le diagramme commence à run –week, pour un lundi. Première question : existe-t-il un plan pour cette semaine? Sinon, la tâche planifie et conserve le plan dans runs/Monday/, avec run.json et son empreinte. Si oui : la même empreinte? Si oui, rien à faire et aucun fichier ne change. Sinon : avez-vous passé –force? Sinon, la tâche s’arrête avec un message. Si oui, elle remplace le plan et déplace les anciens fichiers dans un dossier nommé replaced- suivi de l’ancienne empreinte.
Le code se trouve dans forecast_job/store.py. Voici sa partie centrale :
def fingerprint(inputs, overrides=None): h = hashlib.sha256() for df in (inputs.demand, inputs.tickets, inputs.promotions, inputs.price_changes, inputs.products): h.update(pd.util.hash_pandas_object(df, index=False).to_numpy().tobytes()) if overrides is not None and len(overrides): h.update(pd.util.hash_pandas_object(overrides, index=False).to_numpy().tobytes()) settings = {k: v for k, v in vars(config).items() if k.isupper()} h.update(json.dumps(settings, sort_keys=True, default=str).encode()) h.update(__version__.encode()) return h.hexdigest()[:16]hash_pandas_object transforme chaque ligne d’un tableau en nombre, et h.update les transmet à la fonction de hachage. vars(config) lit chaque nom en majuscules dans config.py.
Ajouter les fichiers de cette leçon
Section intitulée « Ajouter les fichiers de cette leçon »L’instantané end-of-m08 contient la tâche de tout ce module. Dans cette leçon, vous copiez le code et un fichier de tests. Vous copierez les autres tests et les fichiers du planificateur dans les deux prochaines leçons.
-
Dans
forecast-job, avec l’environnement virtuel actif, copiez les nouveaux fichiers de l’instantanéend-of-m08. Quatre fichiers sont nouveaux; trois changent.Fenêtre de terminal S=../nextia-learning-labs/C35/forecast-job/end-of-m08for f in forecast_job/store.py forecast_job/monitor.py forecast_job/overrides.py \forecast_job/note.py forecast_job/__main__.py tests/test_job.py README.md; docp "$S/$f" "$f"doneFenêtre de terminal $S = "..\nextia-learning-labs\C35\forecast-job\end-of-m08"$files = 'forecast_job\store.py', 'forecast_job\monitor.py', 'forecast_job\overrides.py','forecast_job\note.py', 'forecast_job\__main__.py', 'tests\test_job.py', 'README.md'foreach ($f in $files) { Copy-Item "$S\$f" $f }store.pycontient le code de cette leçon.__main__.pyutilise aussimonitor.py,overrides.pyetnote.py; les deux prochaines leçons les expliquent. -
Exécutez les tests.
test_job.pyvérifie maintenant quatre choses : une exécution écrit le plan, une deuxième ne change rien, des entrées différentes exigent--force, et des données incorrectes ne produisent aucune écriture.Fenêtre de terminal python -m pytest -q17 passed in 3.16s -
Supprimez l’ancien dossier
plan(la tâche utilise maintenantruns). Sur Windows (PowerShell), utilisezRemove-Item -Recurse plan.Fenêtre de terminal rm -rf planPlanifiez à nouveau la même semaine, deux fois :
Fenêtre de terminal python -m forecast_job run --week 2025-03-10python -m forecast_job run --week 2025-03-10Week 2025-03-10: 12839 units to order (expected cost 32038 dollars), 397 agent hours (expected cost 3665 dollars), 0 warnings, 0 overrides. Plan: runs/2025-03-10Week 2025-03-10 is already planned with the same inputs (244b2032b74c7443). Nothing to do.La deuxième exécution a reconnu la même empreinte et n’a rien fait.
-
Regardez le nouveau dossier :
Fenêtre de terminal ls runs/2025-03-10checks.txt forecast.csv orders.csv roster.csv run.json totals.csvchecks.txtcontient les avertissements de la vérification des données (no problems, aucun problème).run.jsoncontient l’empreinte et le résumé :{"week": "2025-03-10","fingerprint": "244b2032b74c7443","job_version": "1.0.0","summary": {"order_units": 12839,"order_value_usd": 596273,"order_expected_cost_usd": 32038,"agent_hours": 397,"roster_expected_cost_usd": 3665,"peak_hour": "2025-03-10 10:00:00","peak_agents": 6,"overrides": 0}} -
Refaites maintenant le changement de Tomás : définissez
LEFT_OVER_SHARE = 0.30dansforecast_job/config.py. Exécutez la semaine :Fenêtre de terminal python -m forecast_job run --week 2025-03-10Week 2025-03-10 was planned with other inputs (244b2032b74c7443, now eb041f889a02059e). Run again with --force to replace the plan (the old one is kept).Le paramètre fait partie de l’empreinte, donc la tâche refuse de remplacer le plan de Kenji. Elle termine avec le code de sortie 2, qu’un ordonnanceur interprète comme un échec.
-
Remettez
LEFT_OVER_SHAREà0.25, puis exécutez la semaine encore une fois. L’empreinte est de nouveau244b2032b74c7443, donc la tâche afficheNothing to do.(rien à faire).
Pour essayer un paramètre sans toucher aux vrais plans, donnez un autre dossier à la tâche : --store try-runs. Utilisez --force seulement quand le nouveau plan est celui que les gens utiliseront, et prévenez-les.
Réexécution : exécuter la tâche sur les semaines passées
Section intitulée « Réexécution : exécuter la tâche sur les semaines passées »Vous avez testé les prévisions avec un test rétrospectif. La tâche a besoin du même test, car elle fait plus qu’une prévision : elle vérifie les données et les stocke. Dans les prochaines leçons, elle aura aussi des alarmes. Une réexécution lance toute la tâche semaine après semaine sur des lundis passés. Chaque semaine, elle voit seulement ce qui était connu ce lundi-là.
python -m forecast_job replay --start 2025-03-03 --weeks 3Week 2025-03-03: 12847 units to order (expected cost 32485 dollars), 418 agent hours (expected cost 3734 dollars), 0 warnings, 0 overrides. Plan: runs/2025-03-03Week 2025-03-10 is already planned with the same inputs (244b2032b74c7443). Nothing to do.Check 2025-03-03: all categories +5.7%, largest plants-and-seeds -22.8%, 0 alarmsWeek 2025-03-17: 13504 units to order (expected cost 32004 dollars), 382 agent hours (expected cost 3708 dollars), 0 warnings, 0 overrides. Plan: runs/2025-03-17Check 2025-03-10: all categories -4.0%, largest plants-and-seeds -56.1%, 1 alarms BIAS ALARM plants-and-seeds: the forecast was too low 2 weeks in a row (-23% and -56%, weeks of 2025-03-03, 2025-03-10). Look for the cause before the next order (a season that starts early, a stock-out, a price change), then refit or change the method.Replayed 3 weeks from 2025-03-03: 1 bias alarms, 0 weeks stopped.Cela prend environ 10 secondes. La réexécution a planifié les 3 et 17 mars et conservé le plan du 10 mars, dont l’empreinte n’a pas changé. Après chaque semaine, elle a comparé le plan de la semaine précédente aux ventes. Ces lignes Check (vérification) et l’alarme sont le sujet de la prochaine leçon.
La vérification des données arrête une semaine
Section intitulée « La vérification des données arrête une semaine »Le flux de ventes de Mei a perdu un jour : le dimanche 19 octobre 2025 n’a aucune ligne. Planifiez le lundi suivant :
python -m forecast_job run --week 2025-10-20Week 2025-10-20: STOPPED, the data is not safe to use: the sales feed is late: the last day is 2025-10-18, expected 2025-10-19. Nothing was written.La tâche termine avec le code de sortie 2 et n’écrit aucun dossier. Kenji garde le plan de la semaine précédente, et Mei corrige le flux. Sans la vérification, la tâche produirait une prévision à partir d’un historique qui finit un jour trop tôt. Personne ne le verrait.
L’exécuter chaque lundi
Section intitulée « L’exécuter chaque lundi »Une tâche est utile seulement si elle s’exécute à temps. Sur Linux et macOS, l’ordonnanceur le plus simple est cron. Il lit un tableau de lignes, et chaque ligne indique quand exécuter une commande. Le fichier README.md de la tâche contient cette ligne :
0 6 * * 1 cd /path/to/forecast-job && .venv/bin/python -m forecast_job run --week "$(date +\%F)"Les cinq premiers champs indiquent quand : minute 0, heure 6, n’importe quel jour du mois, n’importe quel mois, jour de semaine 1 (lundi). $(date +\%F) écrit la date d’aujourd’hui, par exemple 2025-03-10. Ajoutez la ligne avec crontab -e, en remplaçant /path/to/forecast-job par votre dossier. Sur Windows, le Planificateur de tâches fait le même travail. Votre ordinateur doit être allumé à 6 h pour que cron s’exécute.
Une vraie équipe a aussi besoin d’un message quand la tâche échoue et d’un deuxième essai après un plantage. Elle a également besoin d’un endroit pour voir toutes les exécutions. Le cours MLOps et LLMOps : exploiter l’IA en production couvre cela. Notre stockage rend le deuxième essai sûr.
Quand utiliser une tâche et ce qu’elle coûte
Section intitulée « Quand utiliser une tâche et ce qu’elle coûte »Transformez une prévision en tâche quand les gens l’utilisent selon un horaire, comme Kenji et Grace. Gardez un carnet pour les questions ponctuelles, comme le coût de 30 % d’Omar. Une tâche entraîne des coûts :
- Disque. Le dossier de chaque semaine prend environ 0,5 Mo : un an de plans représente environ 30 Mo. Conservez-les; les deux prochaines leçons lisent les anciens plans.
- Discipline. Un changement de paramètre crée une nouvelle empreinte. Vous devez décider, avec
--force, quel plan les gens utilisent. - Temps. La tâche réajuste chaque modèle chaque lundi : environ 5 secondes ici. Pour un magasin beaucoup plus grand, cela peut prendre des heures. Vous réajustez alors moins souvent et mettez seulement la prévision à jour.
Erreur courante
La tâche s'exécute un dimanche
Symptôme : Tomás planifie la tâche pour le dimanche à 23 h, afin d’avoir le plan prêt plus tôt. Le lundi, il n’y a aucun nouveau plan. Le journal de l’ordonnanceur montre :
2025-03-09 is not a Monday. The job runs for a week that starts on a Monday.Cause : la ligne cron transmet la date d’aujourd’hui, et aujourd’hui est dimanche. La tâche planifie une semaine qui commence un lundi, avec les ventes jusqu’au dimanche précédent. À 23 h, les ventes du dimanche ne sont pas encore complètes.
Correction : exécutez la tâche le lundi matin, après l’arrivée du flux de Mei pour le dimanche, avec une marge pour les retards. Si le flux est en retard, la vérification des données arrête la tâche; relancez-la quand le flux est arrivé.
Conséquence pour le travail en IA : une tâche planifiée qui démarre avant l’arrivée de ses données prévoit à partir d’une journée incomplète. Le plan semble pourtant normal. Vérifiez le dernier jour des données et planifiez la tâche après leur arrivée.
À vous de jouer : prévoyez la réexécution
Section intitulée « À vous de jouer : prévoyez la réexécution »Vous avez des plans pour les 3, 10 et 17 mars dans runs/. Avant d’exécuter la prochaine commande, prévoyez quelles semaines la réexécution planifie et lesquelles elle conserve. Prévoyez aussi combien de lignes Check (vérification) elle affiche.
python -m forecast_job replay --start 2025-03-03 --weeks 4Afficher la réponse
Les trois premières semaines ont déjà des plans avec les mêmes empreintes (already planned … Nothing to do. trois fois, soit « déjà planifié… Rien à faire. »). Elle planifie seulement le 24 mars :
Week 2025-03-24: 15334 units to order (expected cost 33596 dollars), 382 agent hours (expected cost 3667 dollars), 0 warnings, 0 overrides. Plan: runs/2025-03-24Elle affiche trois lignes Check, pour les 3, 10 et 17 mars, avec 3 alarmes. Une vérification compare les 7 premiers jours d’un plan aux ventes de ces jours. La semaine du 24 mars est donc vérifiée seulement lorsque la tâche s’exécute le 31 mars. Vous pouvez relancer une réexécution sans risque : elle planifie seulement les semaines manquantes.
Vérification des connaissances
Section intitulée « Vérification des connaissances »Vérifiez votre compréhension
Expliquez, avec l'exemple de Larkfield, pourquoi une tâche de prévision doit conserver chaque plan sans jamais le remplacer discrètement.
Afficher la réponse
Kenji commande le lundi à partir du plan de la semaine : 12 839 unités pour la semaine du 10 mars. Supposons qu’une nouvelle exécution remplace le plan, par exemple après que Tomás a changé le coût des invendus à 30 % (12 519 unités). Les fichiers qui expliquent la commande de Kenji ont alors disparu. Personne ne peut comparer la prévision utilisée aux ventes réelles, ni expliquer la commande plus tard. La tâche conserve un dossier par lundi et refuse de remplacer un plan créé avec d’autres entrées. Avec --force, elle conserve l’ancien plan.
Votre réponse contient-elle les points principaux de la nôtre ?
Connectez-vous et inscrivez-vous au cours pour enregistrer vos réponses. Chaque vérification compte pour le certificat.
Vérifiez votre compréhension
Que contient l'empreinte de la tâche, et que fait une deuxième exécution avec la même empreinte?
Afficher la réponse
L’empreinte est une courte valeur de hachage de tout ce qui peut changer le plan. Cela comprend les ventes et les billets connus le lundi, les promotions, les changements de prix et la liste des produits. Elle comprend aussi chaque paramètre de config.py, les ajustements manuels du planificateur et la version de la tâche. Une deuxième exécution avec la même empreinte ne fait rien. Elle affiche already planned with the same inputs (244b2032b74c7443). Nothing to do. (déjà planifié avec les mêmes entrées; rien à faire). Réessayer après un plantage est donc sans danger : l’exécution est idempotente.
Votre réponse contient-elle les points principaux de la nôtre ?
Connectez-vous et inscrivez-vous au cours pour enregistrer vos réponses. Chaque vérification compte pour le certificat.
Vérifiez votre compréhension
Prévoyez le résultat : Mei livre un fichier de ventes corrigé pour la semaine précédant le 10 mars, avec 3 lignes modifiées. Vous relancez la semaine du 10 mars. Que se passe-t-il, et que devriez-vous faire?
Afficher la réponse
Les ventes font partie de l’empreinte, donc celle-ci change. La tâche s’arrête avec Week 2025-03-10 was planned with other inputs (…). Run again with --force to replace the plan (the old one is kept). (semaine planifiée avec d’autres entrées; relancez avec –force pour remplacer le plan; l’ancien est conservé) et le code de sortie 2. Décidez avec Kenji quel plan fait foi. Si sa commande n’a pas été envoyée, lancez la tâche avec --force : l’ancien plan est conservé dans runs/2025-03-10/replaced-244b2032b74c7443/. Si la commande est déjà passée, conservez l’ancien plan; il représente ce qui s’est passé.
Votre réponse contient-elle les points principaux de la nôtre ?
Connectez-vous et inscrivez-vous au cours pour enregistrer vos réponses. Chaque vérification compte pour le certificat.
Récapitulatif
- Une tâche exécute les mêmes étapes chaque semaine, sans personne au clavier : obtenir les données, les vérifier, prévoir, rapprocher, planifier, conserver. Un flux de données en retard arrête le traitement de la semaine, et rien n’est écrit.
- Une empreinte de toutes les entrées rend les exécutions idempotentes : les mêmes entrées donnent
Nothing to do.(rien à faire). D’autres entrées nécessitent--force, qui conserve l’ancien plan. - Chaque plan reste dans
runs/<Monday>/. Une réexécution lance la tâche pour des lundis passés, comme un test rétrospectif de la tâche entière. - cron peut lancer la tâche chaque lundi à 6 h.
La tâche conserve maintenant un plan pour chaque semaine, mais personne ne le consulte ensuite. Vous allez maintenant comparer chaque plan aux ventes réelles et laisser la tâche déclencher une alarme quand la prévision se trompe.
Leçon suivante : Surveiller la prévision