Skip to content

Latest commit

 

History

History
83 lines (65 loc) · 4.49 KB

README.md

File metadata and controls

83 lines (65 loc) · 4.49 KB
Raw

Comment générer les données json utilisées par le frontal elm :

Avec docker

  • Installez docker et make
  • Si vous êtes sur Mac avec architecture ARM, affectez 6Go de RAM à Docker dans Docker Desktop : Settings → Ressources → Advanced → Memory = 6G
  • Préparez les bases de données à importer, elle ne font pas partie du dépôt :
    • Agribalyse : compressé dans un fichier AGB3.1.1.20230306.CSV.zip dans ce dossier data/
    • Ecoinvent : décompressé dans un dossier ECOINVENT3.9.1 dans ce même dossier
  • Lancez make ce qui va successivement :
    • construire l'image docker
    • importer agribalyse et EF 3.1 adapted dans un projet food de Brightway
    • importer ecoinvent et EF 3.1 adapted dans un projet textile de Brightway
    • exporter les données json utilisées côté front-end

Le processus entier prend environ 1h. En cas de problème vous pouvez redémarrer de zéro en faisant d'abord un make clean_data (qui supprime le volume docker).

Autres commandes :

  • make image : pour construire l'image docker choisie
  • make import_agribalyse : pour importer Agribalyse 3.1.1 dans Brightway (projet food). Assurez-vous d'avoir le fichier AGB3.1.1.20230306.CSV.zip dans le dossier data/
  • make import_food_method : pour importer EF 3.1 adapted dans Brightway (projet food). Assurez-vous d'avoir le fichier Environmental Footprint 3.1 (adapted).CSV dans le dossier data/
  • make import_textile_method : pour importer EF 3.1 adapted dans Brightway (projet textile). Assurez-vous d'avoir le fichier Environmental Footprint 3.1 (adapted).CSV dans le dossier data/
  • make import_ecoinvent : pour importer Ecoinvent 3.9.1. Brightway (projet textile). Assurez-vous d'avoir le dossier ECOINVENT3.9.1/ dans le dossier data/
  • make export_food : pour exporter les json pour le builder alimentaire
  • make compare_food : pour exporter des PNG pour chaque procédé montrant les différences entre Brightway et SimaPro
  • make export_textile : pour exporter les json pour le builder textile
  • make delete_textile_method : pour supprimer la méthode utilisée dans le projet textile
  • make json : lance toutes les commandes précédentes dans l'ordre
  • make shell : lance un shell bash à l'intérieur du conteneur
  • make python : lance un interpréteur Python à l'intérieur du conteneur
  • make jupyter_password : définit le mot de passe jupyter. Doit être lancé avant son démarrage.
  • make root_shell : lance un shell root à l'intérieur du conteneur
  • make jupyter_password : pour définir le mot de passe de Jupyter avant de le lancer
  • make start_notebook : lance le serveur Jupyter dans le conteneur
  • make stop_notebook : arrête le serveur Jupyter donc aussi le conteneur
  • make clean_data : supprime toutes les données (celles de brightway et jupyter mais pas les json générés)
  • make clean_image : supprime l'image docker
  • make clean : lance clean_data et clean_image

Travailler dans le conteneur :

Vous pouvez entrer dans le conteneur avec make shell.

Toutes les données du conteneur, notamment celles de Brightway et de Jupyter, sont dans /home/jovyan qui est situé dans un volume docker (/var/lib/docker/volume/jovyan sur le host). Le dépôt git ecobalyse se retrouve (via un bind mount) aussi à l'intérieur du conteneur dans /home/jovyan/ecobalyse. Les fichiers json générés arrivent directement sur place au bon endroit pour être comparées puis commités.

Lancer le serveur Jupyter de dev

Avant de lancer Jupyter vous pouvez définir son mot de passe avec make jupyter_password. Ensuite vous le démarrez avec make start_notebook.

Lancer le serveur Jupyter pour l'éditeur d'ingrédients

Avant de lancer Jupyter vous pouvez définir son mot de passe avec make jupyter_password. Ensuite vous le démarrez avec JUPYTER_PORT=8889 make start_notebook.

Lancer l'explorateur Brightway

Créez un notebook dans Jupyter puis tapez import notebooks.explore, puis shift-Enter

Lancer l'éditeur de procédés/ingrédients

Créez un notebook dans Jupyter puis tapez import notebooks.ingredients, puis shift-Enter

Remarques

Si l'export prend plus de 2 secondes par procédé, c'est un problème d'installation de pypardiso ou de la bibliothèque mkl (Math Kernel Library d'Intel) ou une incompatibilité avec l'architecture CPU utilisée. Dans ce cas c'est le solveur de Scipy qui est utilisé. Il est possible que cela explique les très légères différences d'arrondi rencontrées dans les résultats.