En está sección vamos a describir los pasos para poder en funcionamiento las diferentes partes del MVP. Por un lado tenemos el dashboard y por otro tenemos la arquitectura cloud que gastaremos para el procesado y generación de la salida.
La arquitectura propuesta para la solución se ha diseñado para ser implementada y puesta en producción en Google Cloud Platform.
Consta de dos partes principales una el Dashboard y el Backend.
El dashboard puede ejecutar tanto en local o en una instancia de maquina virtual en GCP.
Para correrlo en local necesitamos tener instalado Docker , nos descargamos el repositorio y nos dirigimos a la carpeta App y ejecutamos las siguientes instrucciones.
git clone https://github.com/fbponz/tfm-jeff.git
cd tfm-jeff/App
docker build -t dashboard .
docker run -p 80:8080 dashboard
Una vez ejecutadas las instrucciones anteriores, podemos dirigirnos con nuestro navegador a la dirección http:\localhost:80, esto nos abria el dashboard pero antes que nada debemos preparar t
Lo primero que se debe hacer es crear una cuenta en Google Cloud Platform. Una vez se dispone de cuenta nos dirigimos al siguiente Link Para crear el proyecto necesario.
Una vez tenemos creado el proyecto el siguiente paso es habilitar las siguientes APIs:
-
Cloud Functions
-
Cloud Storage
-
Big query
-
Compute Engine Estas son las principales API que se van a gastar para desplegar la arquitectura. Una vez tenemos la siguientes API habilitadas empezaremos creando un Bucket para nuestro proyecto.
Descripción general Tipo de ubicación: Region Ubicación: europe-west6 (Zúrich) Clase de almacenamiento predeterminada: Standard Permisos Control de acceso: Uniforme Acceso público: No público Protección Tipo de encriptación:Google-managed key
Una vez tenemos el bucket creado, vamos a proceder a subir todos los ficheros .csv en la carpeta csv_cloud_storage
bigquery creamos un conjunto de datos en nuestro caso lo llamamos "TfmEdem", creamos la tablas por cada uno de los ficheros que tenemos el Cloud Storage y seleccionamos importar desde Cloud storage.
Cuando tenemos importados los datos debemos crear una cloud function cargando el codigo disponible en la carpeta y modificamos las querys(Buscar la cadena de texto {TuProyecto}.{NombreBigQuery}, para agilizar los cambios) para que apunten a nuestro proyecto y las tablas de bigquery ademas debemos añadir también la clave de la API de Mapbox({Clave de Mapbox API}).
Una vez tenemos ambas partes funcionando, nos dirigimos a la dirección http://localhost:80.
Vamos al test input, y ponemos la siguiente dirección la dirección con el siguiente formato
{Calle/Avenida} Cuenca 15, Valencia, Valencia
Por el momento sistema funciona con las secciones censales de la ciudad de valencia.
