Skip to content

Latest commit

 

History

History
79 lines (61 loc) · 4.27 KB

README.md

File metadata and controls

79 lines (61 loc) · 4.27 KB
Raw

Comment générer les données json utilisées par le frontal elm :

Avec docker

  • Installez docker et make
  • Si vous êtes sur Mac avec architecture ARM, affectez 6Go de RAM à Docker dans Docker Desktop : Settings → Ressources → Advanced → Memory = 6G
  • Préparez les bases de données à importer, elle ne font pas partie du dépôt :
    • Agribalyse : compressé dans un fichier AGB3.1.1.20230306.CSV.zip dans un dossier dbfiles/ au dessus du dépôt
    • Autres bases alimentaire : consultez les noms de fichier dans import_food.py
    • Ecoinvent : décompressé dans un dossier ECOINVENT3.9.1 dans ce même dossier
  • Lancez make ce qui va successivement :
    • construire l'image docker ;
    • importer les bases de données dans le projet default de Brightway ;
    • exporter les données json utilisées côté front-end, qui pourront ensuite être commitées.

Le processus entier prend environ 1h. En cas de problème vous pouvez redémarrer de zéro en faisant d'abord un make clean_data (qui supprime le volume docker).

Autres commandes :

  • make image : pour construire l'image docker choisie
  • make import_food : pour importer les bases de données alimentaire dans Brightway. Assurez-vous d'avoir les bon fichiers de données dans dbfiles/ au dessus du dépôt
  • make import_ecoinvent : pour importer Ecoinvent 3.9.1. dans Brightway. Assurez-vous d'avoir le bon dossier de données dans dbfiles/ au dessus du dépôt
  • make import_method : pour importer EF 3.1 adapted dans Brightway. Assurez-vous d'avoir le bon fichier de données dans dbfiles/ au dessus du dépôt
  • make export_food : pour exporter les json pour le builder alimentaire
  • make delete_database DB=<dbname> : pour supprimer une base de données (Ex avec espace: make delete_database DB="Ecoinvent\ 3.9.1")
  • make delete_method : pour supprimer la méthode EF3.1
  • make sync_datapackages : lance un fix parfois nécessaire pour la synchro brightway
  • make import : lance toutes les commandes d'import
  • make export : lance toutes les commandes d'export
  • make shell : lance un shell bash à l'intérieur du conteneur
  • make python : lance un interpréteur Python à l'intérieur du conteneur
  • make jupyter_password : définit le mot de passe jupyter. Doit être lancé avant son démarrage.
  • make start_notebook : lance le serveur Jupyter dans le conteneur. Peut être précédé du n° de port Jupyter: ex JUPYTER_PORT=8889
  • make stop_notebook : arrête le serveur Jupyter donc aussi le conteneur
  • make clean_data : supprime toutes les données (celles de brightway et jupyter mais pas les json générés)
  • make clean_image : supprime l'image docker
  • make clean : lance clean_data et clean_image

Travailler dans le conteneur :

Vous pouvez entrer dans le conteneur avec make shell.

Toutes les données du conteneur, notamment celles de Brightway et de Jupyter, sont dans /home/jovyan qui est situé dans un volume docker (/var/lib/docker/volume/jovyan sur le host). Le dépôt git ecobalyse se retrouve (via un bind mount) aussi à l'intérieur du conteneur dans /home/jovyan/ecobalyse. Les fichiers json générés arrivent directement sur place au bon endroit pour être comparées puis commités.

Lancer le serveur Jupyter de dev

Avant de lancer Jupyter vous pouvez définir son mot de passe avec make jupyter_password. Ensuite vous le démarrez avec make start_notebook.

Lancer le serveur Jupyter pour l'éditeur d'ingrédients

Avant de lancer Jupyter vous pouvez définir son mot de passe avec make jupyter_password. Ensuite vous le démarrez avec JUPYTER_PORT=8889 make start_notebook.

Lancer l'explorateur Brightway

Créez un notebook dans Jupyter puis tapez import notebooks.explore, puis shift-Enter

Lancer l'éditeur de procédés/ingrédients

Créez un notebook dans Jupyter puis tapez import notebooks.ingredients, puis shift-Enter

Remarques

Si l'export prend plus de 2 secondes par procédé, c'est un problème d'installation de pypardiso ou de la bibliothèque mkl (Math Kernel Library d'Intel) ou une incompatibilité avec l'architecture CPU utilisée. Dans ce cas c'est le solveur de Scipy qui est utilisé. Il est possible que cela explique les très légères différences d'arrondi rencontrées dans les résultats.