scripts.generate

python3 -m persona_db.scripts.generate [opções]

Executa o pipeline completo: personas base → 23 geradores de domínio → junções N:N → metadados → validação → JSON.

Flags

Flag	Padrão	Descrição
--personas / --people	100	Número de personas a gerar
--seed	7	Semente mestre
--batch-size	100	Tamanho de lote informado no resumo (não altera o resultado)
--domains	todos	Lista separada por vírgulas de prefixos de domínio (02_genealogia,03_saude)
--dry-run	desligado	Não grava o dataset JSON (--json-out); o resumo e o relatório de --html-report continuam sendo produzidos
--validate / --no-validate	validação ligada	Roda (ou não) os validadores
--json-out / --output	—	Caminho do JSON de saída
--html-report	—	Caminho do relatório HTML de validação

Exemplos

# dataset completo com relatório
python3 -m persona_db.scripts.generate --personas 1000 --seed 42 \
  --output dataset.json --html-report report.html

# iteração rápida em um domínio, sem escrever nada
python3 -m persona_db.scripts.generate --personas 50 --domains 03_saude --dry-run

# geração sem validação (mais rápida; use com cuidado)
python3 -m persona_db.scripts.generate --personas 5000 --seed 7 --no-validate --output big.json

# âncora temporal diferente
PERSONADB_TODAY=2032-01-01 python3 -m persona_db.scripts.generate --personas 100 --dry-run

Saída

Uma única linha JSON em stdout:

{
  "personas": 1000,
  "seed": 42,
  "batch_size": 100,
  "elapsed_seconds": 58.21,
  "tables": {"pessoa": 1000, "doenca_pessoa": 2431, "...": 0},
  "total_rows": 342118,
  "validation": {
    "passed": true,
    "violation_count": 0,
    "overall_consistency_pct": 100.0,
    "domain_consistency": {"genealogia": 100.0, "temporal": 100.0, "financas": 100.0,
                           "saude": 100.0, "juridico": 100.0, "social": 100.0}
  }
}

Quando a validação falha, o objeto ganha violations_sample (as 10 primeiras violações), o JSON não é gravado e o processo retorna 1.

python3 -m persona_db.scripts.generate --personas 200 --seed 42 --output dataset.json | jq .validation

Códigos de retorno

Código	Situação
0	Geração concluída e validação aprovada (ou --no-validate)
1	Pelo menos uma violação de consistência

API em Python

from datetime import date
from persona_db.scripts.generate import generate_all, generate_dataset, DOMAIN_PIPELINE

dataset = generate_all(n=250, seed=42, today=date(2026, 1, 1))
dataset = generate_dataset(250, 42)              # alias

parcial = generate_all(n=50, seed=7, domains={"02_genealogia", "03_saude"})

print([nome for nome, _ in DOMAIN_PIPELINE])     # ordem topológica

generate_all devolve o dataset em memória sem gravar arquivos e sem validar — a validação é responsabilidade do CLI (ou sua, chamando validate_dataset).

Dicas de desempenho

• A validação custa tempo proporcional ao número de linhas; para lotes grandes, gere com --no-validate e valide uma amostra em separado.
• --domains é a forma mais rápida de iterar enquanto se escreve um gerador.
• O consumo de memória cresce linearmente com --personas: todo o dataset fica em dicionários Python até a serialização. Veja Desempenho.