ingestion 0.0.42

Ingestão de dados

clarolib - Evoluindo a Biblioteca de validação de dados

Pré Requisitos

• Python 3.x
• Docker e Docker Compose

Introdução

O objetivo desse documento é descrever os passos para criação do ambiente de desenvolvimento da biblioteca Clarolib.

Essa biblioteca foi criada com os seguintes objetivos:

• Padronizar a etapa de validação das fontes de dados a serem ingeridas no Datalake
• Padronizar métricas e implementações de linhagem de dados
• Dar mais agilidade/produtividade na criação de esteiras de validações de dados antes que esses sejam ingeridos no Datalake
• Evitar necessidade de repetição de códigos e deixar o código 'mais limpo'.

Abaixo estão os passos para criação do ambiente de desenvolvimento:

Criação de Ambiente Virtual Python

Para criar o ambiente virtual, execute os comandos abaixo:

python3 -m venv clarolib_env
source clarolib_env/bin/activate

pip install -r requirements.txt

Executando o Apache Spark localmente com Docker

Acesse a pasta spark folder no seu terminal e execute o comando abaixo. Esse será responsável por iniciar a execução do spark localmente.

docker-compose up

Como executar exemplos localmente

Acesse os arquivos de exemplo localizados no diretório code_examples e execute-os.

Desativando o ambiente virtual

Acesse o diretorio clarolib_env e execute o seguinte comando:

deactivate

Compilando e executando testes unitários

Para compilar os códigos, disparar a execução dos testes unitários e validação de code lint execute os passos conforme abaixo:

flake8 ./lib ./code_examples ./tests
pytest --ignore=setup.py
python3 setup.py sdist bdist_wheel

Esses mesmos passos serão executados pela esteira do Azure Devops para garantir que os critérios mínimos de qualidade estão sendo seguidos.

Caso o código criado não esteja de acordo, a esteira não permitirá que esse código seja entregue.