リアルタイム分析システムの構築

第6章 リアルタイム分析ダッシュボードの構築 リアルタイム分析ダッシュボードを構築する

この作品はAIを使って翻訳されている。ご意見、ご感想をお待ちしている：[e-mail]

この章では、AATDの演算子のためのリアルタイム分析ダッシュボードを構築する方法を学ぶ。 このダッシュボードは、第4章で紹介し、第5章で拡張したordersサービスの上に構築される。

KafkaからPinotにデータをストリーミングし、Streamlitダッシュボードを構築して、経時的な収益と全順序の概要を示す。この章で構築するアプリケーションは、図6-1に示すように、「リアルタイム分析アプリケーションの分類」で紹介した社内向け／人間向けの象限に当てはまる。

図6-1. リアルタイム分析象限：人間／内部

ダッシュボードアーキテクチャ

ダッシュボードの最初のバージョンでは、3章で紹介したオーダーサービス（図3-3参照）の上に構築する。Apache Pinotはorders トピックからイベントを消費し、StreamlitダッシュボードからPinotにクエリを発行する。図6-2に、これから構築するシステムの概要を示す。

図6-2. ダッシュボード v1 のアーキテクチャ図

アーキテクチャの新しいコンポーネントは、点線の枠内に含まれている。 次に、Dockerインフラを更新して、これらの新しいコンポーネントを追加する。

ストリームリットとは何か？

Streamlitは、、PythonのコードだけでWebアプリケーションを作成できるオープンソースのWebフレームワークである。データサイエンティスト、データエンジニア、機械学習エンジニアがWeb技術を学ぶことなく、簡単にデータアプリケーションを作成・共有できるようにすることを目標に開発された。 Streamlitはシンプルで直感的なAPIを提供し、pandas、Plotly、scikit-learnを含む一般的なPythonデータライブラリと統合されている。

セットアップ

前の章で使ったDocker Composeの構成ファイルをベースにする。これらのファイルはこの本の GitHub リポジトリで発見できる。 Streamlit ダッシュボードの Docker Compose 設定を例 6-1 に示す。

例6-1. docker-compose-dashboard.yaml

dashboard:
    build: streamlit
    restart: unless-stopped
    container_name: dashboard
    ports:
      - "8501:8501"
    depends_on:
      - pinot-controller
    volumes:
      - ./streamlit/app.py:/workdir/app.py
    environment:
      - PINOT_SERVER
      - PINOT_PORT

streamlit 」ディレクトリには、この章でビルドされた完全なコードを含む「 ...