D4Maia - Outubro 2023 (II).pptx
•Transferir como PPTX, PDF•
0 gostou•3 visualizações
Este documento descreve o projeto "D4Maia - Data for Maia" que tem como objetivo criar um data lake para a cidade de Maia contendo dados abertos e sensores. O documento detalha o ciclo de vida dos dados no data lake, incluindo a coleta, processamento, exposição e manutenção dos dados. Além disso, discute as habilidades necessárias como Python, MariaDB, PHP e visualização de dados.
Recomendados
Mais conteúdo relacionado
Semelhante a D4Maia - Outubro 2023 (II).pptx
Semelhante a D4Maia - Outubro 2023 (II).pptx (20)
Mais de Pedro Pimenta
Mais de Pedro Pimenta (20)
Último
Último (20)
D4Maia - Outubro 2023 (II).pptx
- 1. D4Maia – «Data for Maia» Pedro Pimenta Tópicos Avançados de Computação Licenciatura em Informática ISMAI, Maia, Oct 26th 2023 1
- 3. 3 Projecto BaZe – Balanço Zero de Carbono – Pilotos de sensorização para a descarbonização REOT2018 2020 REOT2020 (data lake) 2021 2022 2023 Em preparação REOT 2024 hoje 2024 Projecto Omega-X GitHub Omegax-Maia Indicadores Internos GitHub D4fa BaZe – Balanço Zero de Carbono Projecto SPARCS ISO37120 Dados Abertos ISO37120 ISO37120 D4Maia PAMUS PMAAC (...)
- 5. 5
- 6. Data Source 1 Data Source 2 Data Source ... OpenDataSoft Carto Mangomaps GisCloud base2b pwall5 Data harvesters python / ... geojson.io BaZe database(s) REST APIs Open format JSON / geoJSON / ... Power BI Dundas Tableau CKan GitHub Data Source ... (em preparação) BaZe datalake
- 7. «Ciclo de vida» dos datasets • «Eu gostaria de ter acesso aos dados xxx » • Compreensão da ‘necessidade’ do ‘cliente’ • Identificação da ‘fonte’, autorização de acesso / compra (etc) / registo técnico - > acesso aos dados • Preparação da pipeline (python) • Leitura (REST API – JSON / geoJSON; BDados – registo(s); Ficheiro (CSV, XLS, Outro); etc - KML) • Recepção de dados (script php / LoRa) • Análise do processamento / harmonização (Unidades, variáveis de interesse) • Estabelecimento da frequência de leitura / escrita (2 mins – 1 x / ano) • Escrita no nosso «data lake» (MariaDB / Mongodb) + logfile • Inclusão no nosso «crontab» • Monitorização da execução do pipeline ( upgrade -> Apache Airflow ) • Monitorização do data lake / base de dados 7 ISO37120 Regulamento de execução
- 8. «Ciclo de vida» dos datasets • Exposição dos dados em função da necesssidade do cliente • Identificação dos valores a serem expostos (em formato JSON / geoJSON) - que variáveis, granularidade, agregação, intervalo de tempo, estrutura, etc) • Preparação do endpoint (php) • Parsing dos parâmetros • Verificação / harmonização dos parâmetros (cpeconsumo.php) • Extração dos dados do «data lake» (MariaDB / php) • Construção do JSON / geoJSON • Exposição da resposta • Monitorização da execução do endpoint (tempo de extracção / output -> base de dados) 8
- 9. «Ciclo de vida» dos datasets • Verificação do endpoint / dados expostos • Verificação visual do output do endpoint • Verificação da correcção do formato (jsonlint / geojson.io) • Rendering numa consola (gstat, base2b, sumac, consumoe, catalogo2, ...) • Rendering num dashboard específico (pwall2) • Melhoria / Optimização de todo o pipeline incluindo a visualização • Adaptação aos sensores instalados (5->6, Qualidade do Ar) • Export MariaDB -> CSV -> GitHub (Arquivo / «Dados abertos») 9
- 10. «Ciclo de vida» dos datasets • ‘Fim de vida’ • Deixámos de ter acesso aos dados (Bird, Frog) • Deixámos de ter interesse nesses dados • Desactivar o crontab • Arquivar o histórico dos dados recolhidos • Manter as scripts python / php (para uso futuro – Bolt(?)) • Apagar histórico de ‘dados acessórios’ / ‘complementares’ (Compta/ITGest) • Apagar «logs» (15 dias ~ 1 mês) 10
- 11. Revisão – competências em jogo • Dados (Compreensão da complexidade do processamento e interpretação dos dados) • Formatos JSON / geoJSON, csv, xls, xlsx, kml, xml, shapefile, ad-hoc. • Gestão Linux (Utilizadores, cópias de segurança, permissões, update, instalação de bibliotecas (python, php), monitorização do sistema) • Python / MariaDB / bash (operação, monitorização e optimização) (Apache Airflow) • Maria DB (modelação de dados, gestão de BD e Utilizadores) (MongoDB, Postgres, DB2) • Importação / exportação de dados (CSV, sql) • php / MariaDB (operação, monitorização e optimização) (Django) • HTML + Javascript + JQuery + HighCharts («consolas») + Bibliotecas gráficas • Tableau, Power BI, OpenDataSoft, Jupyter Notebooks, Python+seaborn, R, Matlab / Octave, Cognos, Qlink, ... 11
- 12. Project-based learning (duas UCs) http://oxigen.somee.com/capi/apiipmaia.htm 12
- 13. 13 Thank you for your attention Looking forward for your feedback