openEOcubes

ist ein Repository mit einem R-Package, welches Funktionen zur Interaktionen mit dem OpenEOcubes-Backend ermöglicht
die Prozesse sind in processes.R definiert

Interaktion mit der API

derzeit ist nur das verarbeiten "synchroner" Prozesse implementiert, d.h. nur der Endpunkt .executeSynchronous hat weitere Funktionalität. Endpunkte zum anlegen von Jobs existieren zwar, haben aber keine weitere Funktionalität.
ruft man im Client (hier: R) compute_result() auf, dann wird als erstes der Endpunkt ".executeSynchronous" angesteuert.
man kann in den API Funktionen mit message() einfach Ausgaben erzugen (praktisch fürs Debugging).

wir können einfach in den neuen Prozessen auch "nicht-Datacubes" übergeben, das Backend verhindert dies nicht
- wir müssen einfach nur herausfinden, wie man das Ergebnis dann korrekt weiter ausgibt (zwischen den Prozessen und als Endergebnis von Job$run()

bisher wird als letztes das gesamte Repo als lokales R Package compiliert. Dies dauert im Container sehr lange.
Alternativ könnte man überlegen, dass ganze lokal zu machen und im Dockerfile nur bestimmen, dass die .tar des Packages in den Container kopiert und dort genutzt wird
- Frage: Wie packe ich es an die richtige Stelle, damit alle Funktion des Packages im Container bekannt sind.

eine Library, um mithilfe einer STAC APi Datacubes zu einem bestimmten Untersuchungsgebiet zu erstellen
hierfür benötigt man die BBox des Gebiets, eine Immage Kollektion mit Bildern aus diesem Gebiet und eine "Datacube-View" zu diesem Gebiet. mit raster_cube() werden diese informationen dann zu einem "Datacube" verknüpft.
in gdalcubes definiert man Datacubes ebenfalls wie in openEOcubes nur als Proxy Struktur. Der tatsächliche Datacube wird erst berechnet, wenn man die Daten benötigt (z.B. plotten, speichern).
mit extract_geom() können alle Features zu einer bestimmten Geometrie aus dem Datacube ausgelesen werden. Diese erhält man dann als stars Objekt, mit dem weitere Berechnungen durchgeführt werden können.

um einen neuen Prozess in das Backend zu integrieren muss dieser einmal in processes.R definiert werden und in api.R in der Methode addEndpoint() als neuer Prozess (Session$assignProcess()) ergänzt werden
ein neuer Prozess muss für jedes Attribut der Prozess-Klasse einen Wert haben, ansonsten kann der Server diesen nicht verarbeiten.
die operation des neuen Prozesses muss immer den Parameter job entgegennehmen, damit das Backend funktioniert (warum ist mir nicht klar)
der Datacube aus data kann nicht über message() geprintet werden, da sonst der Server einen Fehler wirft (warum ist mir nicht klar)