Framework de visualisation de données avec Docker

Installation

• construire le container graphql :

    $ cd graphql
    $ rm -fr node_modules/
    $ docker build -t graphql .
  

• démarrer la pile de containers graphql/mongo

    $ cd ..
    $ docker-compose -f stack.yml up -d
  

• accéder à l'application : Ouvrir la page ui/index.html avec le navigateur

Axes de développement

Un premier axe concerne le développement des requêtes graphQL.

• désactiver le container graphQL de la pile Docker

• déterminer l'adresse IP du container Mongo

    $ docker inspect -f '{{range .NetworkSettings.Networks}}{{.IPAddress}}{{end}}' docker-framework_mongo_1
    172.18.0.3
  

• inscrire cette adresse en dur dans le résolveur graphql/resolvers.js

    const url = 'mongodb://root:[email protected]:27017';
  

• effectuer le développement des requêtes en modifiant le schéma, les résolveurs et en utilisant le playground

• lorsque le développement du connecteur graphQL est stable, modifier l'adresse IP du container Mongo dans le résolveur :

    const url = 'mongodb://root:example@mongodb:27017';
  

• puis construisez le container :

    $ docker build -t graphql .
  

• vous pouvez maintenant l'intégrer à la pile

Le deuxième axe concerne le développement des pages .HTML

Vous pouvez utiliser D3.js pour effectuer la visualisation des données obtenues par graphQL :

    d3.json("http://localhost:4000/?query={genres(mini:0){genre count}}").then(drawGenres)

Constitution des données

• on démarre depuis une extraction des jeux de https://www.kaggle.com/rush4ratio/video-game-sales-with-ratings
• on transforme les données pour obtenir les éléments suivants :

   {
    "Name": "Wii Sports",
    "Platform": "Wii",
    "Year_of_Release": "2006",
    "Genre": "Sports",
    "Publisher": "Nintendo",
    "NA_Sales": 41.36,
    "EU_Sales": 28.96,
    "JP_Sales": 3.77,
    "Other_Sales": 8.45,
    "Global_Sales": 82.53,
    "Critic_Score": 76,
    "Critic_Count": 51,
    "User_Score": "8",
    "User_Count": 322,
    "Developer": "Nintendo",
    "Rating": "E"
   },

• on insère ces données dans le container Mongo :

    jq -c .games[] games.json | docker exec -i docker-framework_mongo_1 sh -c 'mongoimport -d gamesDB -c games --authenticationDatabase admin -u root -p example'
  

• on crée les collections à partir du jeu de données initial en exécutant la commande :

    docker exec -i docker-framework_mongo_1 sh -c 'mongo --quiet --authenticationDatabase admin -u root -p example gamesDB' < path_to_query_file
  

• créer la collection des plates-formes

db.games.aggregate([
{
    $group:{
        _id:{
            platform:"$Platform",
        },
        count:{
            $sum: 1
        }
    }
}, 
{
    $project:{ 
        platform:"$_id.platform",
        count:1,
        _id:0
    }
},
{
    $out:"platforms"
}
])

• créer la collection des éditeurs :

db.games.aggregate([
{
    $group:{
        _id:{
            publisher:"$Publisher",
        },
        count:{
            $sum: 1
        }
    }
}, 
{
    $project:{ 
        publisher:"$_id.publisher",
        count:1,
        _id:0
    }
},
{
    $out:"publishers"
}
])

• créer la collection des genres :

db.games.aggregate([
{
    $group:{
        _id:{
            genre:"$Genre",
        },
        count:{
            $sum: 1
        }
    }
}, 
{
    $project:{ 
        genre:"$_id.genre",
        count:1,
        _id:0
    }
},
{
    $out:"genres"
}
])

• créer la collection Plate-forme par année :

db.games.aggregate([
{
    $group:{
        _id:{
            platform:"$Platform",
            year_of_release:"$Year_of_Release"
        },
        count:{
            $sum: 1
        }
    }
}, 
{
    $project:{ 
        platform:"$_id.platform",
        year_of_release:"$_id.year_of_release",
        count:1,
        _id:0
    }
},
{
    $out:"platforms_by_year"
}
])