DependiPy 1.2.0

No project description provided

DependiPy

gli script in questa repository servono per mappare le dipendenze di una libreria in modo da poterle selezionare in modo modulare quando la libreria mappata viene installata, o in alternativa crea il file requirements.txt con le dimendenze esatte installate sul sistema da cui si sta lanciando lo script.

files

sono presenti 2 files:

• librarian.py, che contiene lo script main
• archive.py, che contiene una classe usata da librarian.py

execution

per usare le funzionalita di mapping venogno richiesti 1 parametro obligatorio e 3 opzionali:

• obligatori
  • path, percorso fino alla cartella della libreria o script
• opzionali:
  • mode, da scegliere tra 2 modalita, se non viene compilato lo script prova a capire in autonomia quale sia la modalita corretta:
    • lib, se si vuole mappare le dipendenze di una libreria
    • script, se si vuole mappare le dipendenze di una script con le librerie custom
  • config, vuole il percorso ad un file di config con alcune info aggiuntive su enventuali modifiche dal funzionamento standard. Il config deve essere un file json.
  • docs_only, se attivata questa modalita non genera i file dei requirements o setup.py ma solo i file per la documentazione

Se si sta lavorando in lib la cartella indicata nel path è la cartella della libreria, non quella che contiene il setup.py ma quella un livello piu interno a setup.py. Se si sta lavorando in script la cartella indicata è quella che contiene lo/gli script.

Librarian è in grado di mappare sia script dentro cartelle con nessun limite sui livelli di profondita. Libraria è in grado di mappare le cross dipendenze dentro la libreria indicata.

l'esecuzione va invocata come di seguito:

DependiPy -p <path> -m <mode> -c <config.json>

Il file config deve avere la seguente struttura:

{
  "private_lib": ["lib1", "lib2"],
  "replace_lib": {
    "dateutil": ["python-dateutil"],
    "sklearn": ["scikit-learn"],
    "azure":
    ["azure-common",
      "azure-core",
      "azure-identity",
      "azure-mgmt-consumption",
      "azure-mgmt-core",
      "azure-mgmt-costmanagement"
    ]},
  "exclude_lib": ["tensorflow", "setuptools"],
  "exclude_folder": ["tests", "__pycache__", "discontinue", "git", "idea"],
  "force_version": {"pandas": "pandas==1.1.1", "numpy": "numpy"}
}

• privat_lib: sono le librerie private usate che non sono presenti su PyPi e che quindi non devono essere listate in un file di requirements, non potendo essere installate in automatico
• replace_lib: sono le parole che devono essere sostituite nella ricerca delle librerie, dato che alcune librerie usano nomi diversi negli import dalle release su PyPi
• exclude_lib: librerie che sono presenti nei file ma che non si vuole che vengano riportate
• exclude_folder: cartelle che non devono essere considerate durante lo scan delle dipendenze
• force_version sono le librerie di cui si vuole forzare una versione, viene usato un formato a dizionario dove la chiave e' la libreria identificata e il valore e' la stringa che si vuole usare dei requirements, si puo mettere una versione specifica o inserire solo il nome per non segnalare nessuna versione

Le librerie inserite nel requirements.txt sono sempre e solo quelle che devono essere installate, per cui non verranno mai riportate le dipendenze native di Python

lib/setup.py

Se si sta lavorando in modalita lib, libraria produce un file alla fine della mappatura. Se il setup.py ha la forma seguente:

from setuptools import find_packages, setup

version = '1.0'

# version go
sqlalchemy = 'sqlalchemy'
pyodbc = 'pyodbc'
argparse = 'argparse'
urllib3 = 'urllib3~=1.26.9'
tqdm = 'tqdm~=4.64.0'
requests = 'requests'
pandas = 'pandas~=1.4.2'
tabulate = 'tabulate~=0.8.9'
# version end

# start
requires_dict = {
'utilities': [pandas, requests, argparse, tabulate, tqdm, sqlalchemy, urllib3],
'utilities.args': [argparse],
'utilities.args.parser': [argparse],
'utilities.decorators': [],
'utilities.dictionary': [],
'utilities.io': [pandas, requests, tabulate, tqdm, sqlalchemy, urllib3],
'utilities.io.analytics_job_util': [pandas, requests, tabulate, tqdm, urllib3],
'utilities.io.api': [tqdm, requests, urllib3],
'utilities.io.database': [sqlalchemy],
'utilities.io.exceptions.api': [],
'utilities.io.pickle': [],
'utilities.logs': [argparse],
'utilities.logs.logger': [argparse],
'utilities.notification': [requests],
'utilities.notification.telegram': [requests],
}
# stop

setup(
    name='utilities',
    version=version,
    packages=find_packages(include=['utilities']),
    license='',
    author='John Do',
    author_email='',
    description='',
    url="https://github.com/rep.git",
    extras_require=requires_dict,
    install_requires=[],
)

Sono necessarie le seguenti chiavi nel setup.py: # start, uno # stop, uno # version go e uno # version end. Librarian andra a scrivere la mappatura direttamente nel setup.py.

script/k8s_config.json

Se si sta lavorando in modalita script, librarian cerchera tutte le dipendenze con le libreria custom indicate nel codice. Per modificare o aggiungere tali librerie fare riferimento al config con la forma:

"private_lib": ["Tages", "utilities"]

nell'esempio qui indicato vengono cercate le dipendenze con le librerie Tages e utilities.

Librarian mappera le connessioni con tali librerie e produrra un risultato sul terminale nella forma:

[Tages.utilities.generic,Tages.preprocess.time_series.data_preparation,Tages.preprocess.data_preparation]

[utilities.args.parser,utilities.io.analytics_job_util]

una riga per libreria indicata.

Queste righe vanno copiate e incollate in fare di installazione dello script per installare le sole dipendenze delle librerie necessarie per il funzionamento dello scritp

escludere alcune librerie o cartelle specifiche

Per escludere cartelle specifiche dalla mappatura in modalita lib è possibile aggiungere nomi di cartelle alla lista:

"exclude_folder": ['tests', '__pycache__', 'discontinue']

Mentre se si vuole escludere alcune librerie dal mappaggio:

"exclude_lib": ['os', 'string', 'inspect', 'logging', 'sys', 'abc', 'statistics', 'pickle', 'collections', 'functools',
                 'json', 'itertools', 'warnings', 'typing', 'calendar', 'datetime', 'hashlib', 'time', 'random']

come usare i moduli su pip

Quando si deve pip installare una libreria per usarla in relazione ad uno script è sempre possibile indicare delle specifiche sotto categorie di dipendenze con i moduli di pip (se precedentemenete mappati).

Un esempio di installazione di Tages con le dipendenze necessarie per uno specifico script al suo interno puo essere scritto come:

pip install -e ./AI_lib[Tages.preprocess.time_series.data_preparation]

La mappatura fatta permette di indicare i singoli file o cartelle, facendo cosi verranno incluse le sole dipendenze necessarie richieste dagli script selezionati.

E' possibile concatenare piu moduli se si sta usando piu parti della libreria mappata

pip install -e ./utilities[utilities.args.parser,utilities.io.analytics_job_util]

Documentation

E' possibile generare automaticamente la documentazione del codice, assieme a documentazione scritta a mano, su un sito autogenerato da github (per le sole repository publiche). Requirements_mapper permette di generare i file che servono per autodocumentare il codice tramite la documentazione riportata nei docsting.

guida all'uso di mkdocs

i passi da fare sono i seguenti:

1. installare le seguenti librerie

   pip install mkdocs
   pip install "mkdocstrings[python]"
   pip install mkdocs-material
   

2. con il seguente comando vengono create le cartelle necessarie alla formazione della documentazione, lanciarlo dentro alla cartella del codice (se si tratta di una libreria, farlo allo stesso livello di setup.py)

   mkdocs new .
   

3. viene quindi creata una cartella docs ed un file mkdocs.yaml. Il file mkdocs.yaml deve essere composta da un testo simile al seguente:

   site_name: titolo sito
   site_description: description del sito
   site_url: url di riferimento
   
   theme:
     name: material
     features:
       - search.suggest
       - search.highlight
       - content.tabs.link
       - content.tooltips
   #    - navigation.tabs
   #    - navigation.tabs.sticky
       - navigation.sections
   #    - navigation.path
       - navigation.top
       - navigation.expand
       - content.code.annotate
       - content.code.copy
       - content.code.select
   #    - toc.integrate
       - toc.follow
       - header.autohide
   
     language: en
     palette:
       - scheme: default
         toggle:
           icon: material/toggle-switch-off-outline
           name: Switch to dark mode
         primary: orange
         accent: purple
       - scheme: slate
         toggle:
           icon: material/toggle-switch
           name: Switch to light mode
         primary: orange
         accent: lime
   
   repo_name: name repository github
   repo_url: url repository github
   
   plugins:
     - mkdocstrings
     - search
   
   markdown_extensions:
     - pymdownx.highlight:
         anchor_linenums: true
     - pymdownx.inlinehilite
     - pymdownx.snippets
     - admonition
     - pymdownx.arithmatex:
         generic: true
     - footnotes
     - pymdownx.details
     - pymdownx.superfences
     - pymdownx.mark
     - attr_list
   
   nav:
     - index.md
     - Installation: installation.md
     - User Guide: user_guide.md
     - Developer Guide: dev_guide.md
     - XA information: info.md
   
   copyright:
     mit
   

4. nella cartella docs devono essere messi i testi che si vogliono far comparire nella documentazione online, sotto forma di file markdown
5. nella sezione nav dello yaml devono essere inseriti i file aggiunti alla cartella docs
6. a questo punto si deve lanciare requirements_mapper, che andra ad aggiungere file e riferimenti al codice per la documentazione
7. per osservare il risultato in una versione demo si puo lanciare il codice

   mkdocs serve
   

8. si deve creare una cartella .github al cui interno va creata una cartella workflowa
9. dentro a workflows deve essere aggiunto un file ci.yml il cui contenuto e' il seguente:

   name: ci
   on:
     push:
       branches:
         - master
         - main
   permissions:
     contents: write
   jobs:
     deploy:
       runs-on: ubuntu-latest
       steps:
         - uses: actions/checkout@v3
         - uses: actions/setup-python@v4
           with:
             python-version: 3.x
         - uses: actions/cache@v2
           with:
             key: ${{ github.ref }}
             path: .cache
         - run: pip install mkdocs-material
         - run: pip install "mkdocstrings[python]"
         - run: pip install pillow cairosvg
         - run: mkdocs gh-deploy --force
   

10. si pusha il primo commit
11. si va su github sulla repo e si cerca la sezione github pages
    1. si naviga in settings
    2. si naviga in pages
    3. si naviga in source
       1. deploy from branch
    4. branch
       1. gh-pages
       2. root/
12. dal prossimo commit verra generata automaticamente la documentazione
13. **nel caso venissero creati nuovi file di codice si deve sempre rilanciare requirements_mapper per generare i file con i nuovi docstring