O objetivo deste desafio foi testar minhas habilidades com o python e manipulação de dados. 📌
Para o desenvolvimento deste aplicativo, foi usado Git, Python, FastApi, Pandas, Numpy, SqlAlchemy, Postgres e docker. 🛠
Dentro da pasta database, encontram-se alguns arquivos de extensão pickle que são parte de um database segmentado, e um arquivo json que contem um esquema requerido de saída de dados.
As bases de dados estão dividas em 3 partes (sensors, gateway e measurements):
O arquivo database.py gera um dataframe único que possui todas as colunas indicadas abaixo:
{
"gateway_id":"string",
"gateway_name":"string",
"number_of_registered_sensors":"int",
"valid_configurations":"boolean",
"percentual_valid_configurations":"float",
"expected_measurements":"float",
"signal_mean_value":"float",
"signal_status":"string",
"signal_issue":"float",
"elapsed_time_since_last_measurement":"datetime",
"measurement_status":"string",
"one_hour_groups":"int"
}
Para essa aplicação utilizei um banco de dados relacional, o Postgres. Tentei fazer a estrutura mais simples possivel para que ficasse leve, e utilizei querys para as buscas onde pude obter todas as informações necessárias para retornar o que era solicitado.
A arquitetura da aplicação foi feita com 3 camadas que são Model, Service e Views.
Para a conexão com o banco de dados utilizei um ORM (SQALchemy) para a realização de um CRUD (create, read, update, delete) com FastApi que me permite adicionar dados obtidos, linha a linha.
Será necessário que a porta 8000 esteja disponível para a aplicação e o Postgres usará a porta 5432, além disso será necessário a instalação do docker, docker-compose e pipenv.
Verifique se sua máquina possui o pipenv,
pipenv --version
Caso não possuir instalado localmente, fazer o seguinte passo para instalação local.
- para macOs:
brew install pipenv
- para ubuntu:
sudo apt install pipenv
Inicie o banco de dados postgres usando o comando abaixo
docker-compose up -d
Modifique arquivo .env.example renomeando para .env e adicione o caminho para a pasta do projeto a váriavel PYTHONPATH. Para saber o caminho da pasta use o comando abaixo no terminal da raiz do projeto
pwd
Inicie o ambiente Virtual Python
pipenv shell
Instale as dependências
pipenv install
Crie a tabela no banco de dados
python api/init_db.py
Inicie a aplicação
uvicorn main:app --reload
Após rodar a aplicação a documentação deverá estar disponível pelo endereço abaixo
http://127.0.0.1:8000/docs
@Ytellon