-
Notifications
You must be signed in to change notification settings - Fork 0
/
appTFM.py
533 lines (465 loc) · 23.1 KB
/
appTFM.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
# -*- coding: utf-8 -*-
"""
Created on Wed Mar 17 16:23:06 2021
@author: Angela
Interfaz web para consultas a Twitter
"""
from flask import Flask, render_template, request, redirect, url_for, session, flash, make_response
import datetime, json
from pytz import timezone
import sys, json, secrets, boto3, zipfile
import os.path
import tweepy as tw
import shutil, locale, random, config, io, csv
import pandas as pd
import plotly as py
import plotly.graph_objects as go
sys.path.append('\Python\Python37\Lib\site-packages')
app = Flask(__name__)
app.secret_key = secrets.token_urlsafe(16)
""" AWS SESSIONS """
c = boto3.client('lambda', region_name='us-east-1',
aws_access_key_id=config.aws_access_key_id,
aws_secret_access_key=config.aws_secret_access_key)
events_client = boto3.client('events',region_name='us-east-1',
aws_access_key_id=config.aws_access_key_id,
aws_secret_access_key=config.aws_secret_access_key)
kinesis = boto3.client('firehose', region_name='us-east-1',
endpoint_url='https://firehose.us-east-1.amazonaws.com',
aws_access_key_id=config.aws_access_key_id,
aws_secret_access_key=config.aws_secret_access_key)
clAth = boto3.client('athena',region_name='us-east-1',
aws_access_key_id=config.aws_access_key_id,
aws_secret_access_key=config.aws_secret_access_key)
clientGlue = boto3.client('glue',region_name='us-east-1',
aws_access_key_id=config.aws_access_key_id,
aws_secret_access_key=config.aws_secret_access_key)
clientS3 = boto3.client('s3',region_name='us-east-1',
aws_access_key_id=config.aws_access_key_id,
aws_secret_access_key=config.aws_secret_access_key)
s3 = boto3.resource('s3',region_name='us-east-1',
aws_access_key_id=config.aws_access_key_id,
aws_secret_access_key=config.aws_secret_access_key)
""" UTILS """
# Hora ESP:
locale.setlocale(locale.LC_ALL, 'esp')
hoy = datetime.date.today().strftime("%d de %B del %Y")
# Comprimir el contenido de una carpeta (sin la ruta padre):
def zipdir(path, ziph):
length = len(path)
# ziph is zipfile handle
for root, dirs, files in os.walk(path):
folder = root[length:] # path without "parent"
for file in files:
ziph.write(os.path.join(root, file), os.path.join(folder, file))
# Crear Kinesis Firehose Delivery Stream que vuelque datos a un bucket de S3
def create_s3_delivery_stream(client, stream_name, ARNrol, ARNbucket):
prefijo = stream_name + '/'
return client.create_delivery_stream(
DeliveryStreamName=stream_name,
DeliveryStreamType="DirectPut",
S3DestinationConfiguration={
'RoleARN': ARNrol,
'BucketARN': ARNbucket,
'Prefix': prefijo,
'BufferingHints': {
'SizeInMBs': 1,
'IntervalInSeconds': 60
},
'CompressionFormat': 'UNCOMPRESSED',
'EncryptionConfiguration': {
'NoEncryptionConfig': 'NoEncryption',
},
'CloudWatchLoggingOptions': {
'Enabled': False}
})
# Crear regla en CloudWatch Events (nombre_reg) y asociar a función Lambda (nombreFun)
def create_asociate_rule(clienteCW, nombre_reg, frecuencia, clienteLAMB, nombreFun, arnFUN, tarID):
# Crear nueva regla "nombre_reg", programada cada x tiempo (frecuencia)
clienteCW.put_rule(Name=nombre_reg, ScheduleExpression=frecuencia, State='ENABLED')
# Obtener sus características (queremos el ARN)
response = clienteCW.describe_rule(Name=nombre_reg)
# Dar permiso a la regla para invocar a la función nombreFun (indicando el ARN de la regla)
clienteLAMB.add_permission(FunctionName=nombreFun,
StatementId="Event-".format(nombreFun),
Action='lambda:InvokeFunction',
Principal='events.amazonaws.com',
SourceArn=response['Arn'],)
# Asociar regla creada a la función Lambda
clienteCW.put_targets(Rule=nombre_reg,
Targets=[{
'Id': tarID,
'Arn': arnFUN,},])
# Pasar la frecuencia de la regla al formato requerido por boto3
def rule_freq(numero,unidad):
if(unidad == 'minutos'):
if(numero == '1'):
freqr = "rate(" + numero + " minute)"
else:
freqr = "rate(" + numero + " minutes)"
if(unidad == 'horas'):
if(numero == '1'):
freqr = "rate(" + numero + " hour)"
else:
freqr = "rate(" + numero + " hours)"
return freqr
# Comprobar que no hay otra función Lambda con el mismo nombre:
def check_function_exists(cliente, funcion):
response = cliente.list_functions()
funciones = response['Functions']
nombresFun = []
exists = False
for i in range(0,len(funciones)):
nombresFun.append(funciones[i]['FunctionName'])
if(funcion in nombresFun):
exists = True
return exists
def pie_chart(valores, etiquetas, titulo):
dict_fig = dict({
"data": [{"type": "pie",
"values": valores,
"labels": etiquetas}],
"layout": {"title": {"text": titulo}}
})
fig = go.Figure(dict_fig)
graphJSON = fig.to_json()
return graphJSON
def scatter_chart(x, y, titulo):
dict_fig = dict({
"data": [{"type": "scatter",
"mode": "markers",
"x": x,
"y": y}],
"layout": {"title": {"text": titulo}}
})
fig = go.Figure(dict_fig)
graphJSON = fig.to_json()
return graphJSON
def bar_chart(x, y, titulo):
dict_fig = dict({
"data": [{"type": "bar",
"x": x,
"y": y}],
"layout": {"title": {"text": titulo}}
})
fig = go.Figure(dict_fig)
graphJSON = fig.to_json()
return graphJSON
# Convertir las fechas a formato Datetime
def created_at_datetime(fechas):
fechas_dt = []
for i in range(0,len(fechas)):
spl = fechas[i].split(" ")
month_name = spl[1]
datetime_object = datetime.datetime.strptime(month_name, "%b")
month_number = datetime_object.month
fechas_dt.append(datetime(int(spl[-1]), month_number, int(spl[2])))
return fechas_dt
""" APLICACIÓN WEB """
@app.route("/", methods =["GET", "POST"])
def index():
consulta = request.form.get("res") # Tipo de consulta: SEARCH/STREAM
if consulta is not None: # Mostrar formulario solicitado
if(consulta=='str'):
return render_template('index_stream.html')
if(consulta=='se'):
return render_template('index_search.html')
else:
return render_template('index.html')
@app.route("/index_search", methods =["GET", "POST"])
def index_search():
# Coger datos del formulario (parámetros de la consulta)
query_params = {'keyW': request.form.get("que"),
'ISOCode': request.form.get("lengua"),
'resultType': request.form.get("res"),
'fechaLim': request.form.get("unt"),
'contador': request.form.get("cont"),
'nombreFun': request.form.get("fname"),
'ruleFreq': request.form.get("frec"),
'unidadTiempo': request.form.get("frec_regla"),
'descripcion': request.form.get("descr")}
# El nombre del stream va a coincidir con el de la función:
query_params.update( {'DStream': query_params['nombreFun']} )
dictParams = {'query_params': query_params}
# Escribir el diccionario en un bloc de notas (json.dumps) y guardar en el package
save_path = 'get-tuits-pack/'
filename = 'parametrosconsulta'
completeName = os.path.join(save_path, filename+".txt")
with open(completeName, 'w') as file:
file.write(json.dumps(dictParams)) # use 'json.loads' to do the reverse
# Crear el deployment package (el zip que contiene el código de la función Lambda):
zipf = zipfile.ZipFile('consulta-package.zip', 'w', zipfile.ZIP_DEFLATED)
zipdir('./get-tuits-pack/', zipf)
zipf.close()
# Cuando se envíe el formulario relleno:
if(query_params['keyW'] is not None):
# Comprobar que no existe otra función con ese nombre
existe = check_function_exists(c, query_params['nombreFun'])
if existe:
mensaje = 'Ya existe una función llamada ' + query_params['nombreFun'] + '.'
flash(mensaje, 'error')
else:
nombre = query_params['nombreFun']
# Si el usuario no indica descripción se pone una por defecto
if(query_params['descripcion']==''):
descr = 'Función Lambda creada con Boto3 el ' + hoy +'. Búsqueda: ' + query_params['keyW']
else:
descr = query_params['descripcion']
# Crear Delivery Stream:
ARNIam = 'arn:aws:iam::189517003434:role/service-role/KinesisFirehoseServiceRole-consultas-str-us-east-1-1616433604848'
ARNCubo = 'arn:aws:s3:::consultas-interfaz'
create_s3_delivery_stream(kinesis, query_params['DStream'], ARNIam, ARNCubo)
# Con el zip del código, generar la función Lambda
response = c.create_function(
Code={'ZipFile': open('./consulta-package.zip', 'rb').read()},
Runtime="python3.7",
Timeout=10,
Handler="GetTweets.lambda_handler",
Description=descr,
FunctionName=nombre,
Environment={
'Variables': {
'consumer_key': config.consumer_key,
'consumer_secret': config.consumer_secret,
'access_token': config.access_token,
'access_token_secret': config.access_token_secret,
'aws_access_key_id': config.aws_access_key_id,
'aws_secret_access_key': config.aws_secret_access_key
},
},
Role='arn:aws:iam::189517003434:role/tweets-to-kinesis-role')
fnARN = response['FunctionArn']
os.remove('consulta-package.zip') # Una vez creada la función Lambda, borrar zip
# Crear regla en CloudWatch
rn = random.randint(0, 1000)
target_id = nombre + str(rn)
# Si no se especifica frecuencia -> por defecto cada 2h
if(query_params['ruleFreq'] == ''):
freqr = "rate(2 hours)"
else:
#flash('Creando regla de invocación...','proceso')
freqr = rule_freq(query_params['ruleFreq'],query_params['unidadTiempo'])
namer = "rule_" + nombre
# Crear regla:
create_asociate_rule(events_client, namer, freqr, c, nombre, fnARN, target_id)
mensaje1 = 'Generados con éxito: '
flash(mensaje1,'success')
mensaje2 = 'Función Lambda ' + nombre
flash(mensaje2,'success')
mensaje3 = 'Delivery stream ' + nombre
flash(mensaje3, 'success')
mensaje4 = 'Regla (disparador) ' + nombre
flash(mensaje4,'success')
return render_template('index_search.html')
@app.route("/index_stream", methods =["GET", "POST"])
def index_stream():
# Coger datos del formulario -> parámetros de la consulta
query_params = {
'keyW': request.form.get("que"),
'ISOCode': request.form.get("lengua"),
'nombreFun': request.form.get("fname"),
'ruleFreq': request.form.get("frec"),
'unidadTiempo': request.form.get("frec_regla"), # Si no se elige ninguna: None
'descripcion': request.form.get("descr")}
# El nombre del stream va a coincidir con el de la función:
query_params.update( {'DStream': query_params['nombreFun']} )
dictParams = {'query_params': query_params}
# Escribir el diccionario en un bloc de notas (json.dumps) y guardar en el package
save_path = 'GetTwStream-pack/'
filename = 'parametrosconsulta'
completeName = os.path.join(save_path, filename+".txt")
with open(completeName, 'w') as file:
file.write(json.dumps(dictParams)) # use 'json.loads' to do the reverse
# Crear el deployment package (el zip que contiene el código de la función Lambda):
zipf = zipfile.ZipFile('consulta-package.zip', 'w', zipfile.ZIP_DEFLATED)
zipdir('./GetTwStream-pack/', zipf)
zipf.close()
# Cuando se envíe el formulario relleno:
if(query_params['keyW'] is not None):
# Comprobar que no existe otra función con ese nombre
existe = check_function_exists(c, query_params['nombreFun'])
if existe:
mensaje = 'Ya existe una función llamada ' + query_params['nombreFun'] + '.'
flash(mensaje, 'error')
else:
nombre = query_params['nombreFun']
# Si el usuario no indica descripción se pone una por defecto
if(query_params['descripcion']==''):
descr = 'Función Lambda creada con Boto3 el ' + hoy +'. Búsqueda: ' + query_params['keyW']
else:
descr = query_params['descripcion']
# Crear Delivery Stream:
ARNIam = 'arn:aws:iam::189517003434:role/service-role/KinesisFirehoseServiceRole-consultas-str-us-east-1-1616433604848'
ARNCubo = 'arn:aws:s3:::consultas-interfaz'
create_s3_delivery_stream(kinesis, query_params['DStream'], ARNIam, ARNCubo)
# Con el zip del código, generar la función Lambda
response = c.create_function(
Code={'ZipFile': open('./consulta-package.zip', 'rb').read()},
Runtime="python3.7",
Timeout=60,
Handler="GetTweetsStream.lambda_handler",
Description=descr,
FunctionName=nombre,
Environment={
'Variables': {
'consumer_key': config.consumer_key,
'consumer_secret': config.consumer_secret,
'access_token': config.access_token,
'access_token_secret': config.access_token_secret,
'aws_access_key_id': config.aws_access_key_id,
'aws_secret_access_key': config.aws_secret_access_key
},
},
Role='arn:aws:iam::189517003434:role/tweets-to-kinesis-role')
fnARN = response['FunctionArn']
os.remove('consulta-package.zip') # Una vez creada la función Lambda, borrar zip
# Crear regla en CloudWatch
rn = random.randint(0, 1000)
target_id = nombre + str(rn)
if(query_params['ruleFreq'] == ''):
freqr = "rate(2 hours)" # Si no se especifica frecuencia, por defecto cada 2h
else:
freqr = rule_freq(query_params['ruleFreq'],query_params['unidadTiempo'])
namer = "rule_" + nombre
create_asociate_rule(events_client, namer, freqr, c, nombre, fnARN, target_id)
mensaje1 = 'Generados con éxito: '
flash(mensaje1,'success')
mensaje2 = 'Función Lambda ' + nombre
flash(mensaje2,'success')
mensaje3 = 'Delivery stream ' + nombre
flash(mensaje3, 'success')
mensaje4 = 'Regla (disparador) ' + nombre
flash(mensaje4,'success')
return render_template('index_stream.html')
@app.route("/procesos", methods =["GET", "POST"])
def procesos():
response = c.list_functions()
funciones = response['Functions']
procesoDEL = request.form.get("proc") # Borrar función Lambda
procesoQUE = request.form.get("athe") # Tabla Athena
# Formato fechas:
for i in range(0,len(funciones)):
fecha = funciones[i]['LastModified']
funciones[i]['LastModified'] = fecha[:fecha.find('T')]
# Borrar función Lambda:
if procesoDEL is not None:
namer = "rule_" + procesoDEL
# Borrar la regla (disparador de la función) -> Disociarla de la funcióno
response = events_client.list_targets_by_rule(Rule=namer)
ident = response['Targets'][0]['Id']
events_client.remove_targets(Rule=namer, Ids=[ident])
c.delete_function(FunctionName=procesoDEL) # Borrar función Lambda
events_client.delete_rule(Name=namer)
kinesis.delete_delivery_stream(DeliveryStreamName=procesoDEL) # Borrar delivery stream
response = c.list_functions()
funciones = response['Functions']
# Almacenado en bucket:
prefijos = []
prefijos.append('twitterdemoparsed') # Prefijos existentes con anterioridad
prefijos.append('streammethodparsed')
# Prefijos procedentes de la interfaz:
bucket = s3.Bucket('interface-processed')
result = bucket.meta.client.list_objects(Bucket=bucket.name, Delimiter='/')
for o in result.get('CommonPrefixes'):
pref = o.get('Prefix')[:-1]
prefijos.append(pref)
# Tabla Athena:
if procesoQUE is not None:
# Conformar prefijo para el rastreador
if(procesoQUE == 'twitterdemoparsed' or procesoQUE == 'streammethodparsed'):
newPrefix = 's3://' + procesoQUE + '/'
else:
newPrefix = 's3://interface-processed/' + procesoQUE + '/'
# Cambiar prefijo del Crawler a la carpeta de interés:
clientGlue.update_crawler(
Name='interface-crawler',
Targets={
'S3Targets': [{'Path': newPrefix},],
})
# Ejecutar crawler -> CREACIÓN DE TABLA
clientGlue.start_crawler(Name='interface-crawler')
return render_template('procesos.html', fun=funciones, cubo = prefijos)
@app.route("/athena", methods =["GET", "POST"])
def athena():
tablaDOWN = request.form.get("downl")
tablaDASH = request.form.get("dashb")
# tablaDEL = request.form.get("del")
# Listar las tablas existentes:
tablas = clAth.list_table_metadata(CatalogName='AwsDataCatalog', DatabaseName='default')
metadatos = tablas['TableMetadataList'] # Metadatos de las tablas
# Formato fechas (de datetime a string legible en español)
for i in range(0,len(metadatos)):
metadatos[i]['CreateTime'] = metadatos[i]['CreateTime'].strftime("%d de %B del %Y (%H:%M:%S)")
metadatos[i]['LastAccessTime'] = metadatos[i]['LastAccessTime'].strftime("%d de %B del %Y (%H:%M:%S)")
# Funcionalidad del botón "Descargar"
if tablaDOWN is not None:
# Query Athena
query = 'SELECT * FROM "default"."' + tablaDOWN + '";' # Descargar tabla completa
clAth.start_query_execution(QueryString=query,
ResultConfiguration={'OutputLocation': 's3://athenaresults-tfm/'})
# Listar TODOS los objetos del bucket donde se ha almacenado la Query
objs = clientS3.list_objects(Bucket='athenaresults-tfm')['Contents']
# Ordenar por RECIENTES
objs.sort(key=lambda item:item['LastModified'], reverse=True)
ultimo = objs[0]
# Descargar el último (el csv que acabamos de generar)
obj = clientS3.get_object(Bucket='athenaresults-tfm', Key=ultimo['Key'])
# Convertir a Dataframe y después a CSV -> descarga en navegador (make_response)
df = pd.read_csv(io.BytesIO(obj['Body'].read()), encoding='utf-8-sig')
resp = make_response(df.to_csv(sep=';', encoding='utf-8-sig',index=False))
resp.headers["Content-Disposition"] = "attachment; filename=tabla.csv"
resp.headers["Content-Type"] = "text/csv"
return resp
# Funcionalidad del botón "Resumen"
if tablaDASH is not None:
# Query Athena
query = 'SELECT * FROM "default"."' + tablaDASH + '";' # Descargar tabla completa
clAth.start_query_execution(QueryString=query,
ResultConfiguration={'OutputLocation': 's3://athenaresults-tfm/'})
# Listar TODOS los objetos del bucket donde se ha almacenado la Query
objs = clientS3.list_objects(Bucket='athenaresults-tfm')['Contents']
# Ordenar por RECIENTES
objs.sort(key=lambda item:item['LastModified'], reverse=True)
ultimo = objs[0]
# Descargar el último (el csv que acabamos de generar)
obj = clientS3.get_object(Bucket='athenaresults-tfm', Key=ultimo['Key'])
# Convertir a Dataframe y después a CSV -> descarga en navegador (make_response)
df = pd.read_csv(io.BytesIO(obj['Body'].read()), encoding='utf-8-sig')
# Gráficas de muestra:
if 'metadata_iso_language_code' in df.columns:
labels = df['metadata_iso_language_code'].value_counts().index
values = df['metadata_iso_language_code'].value_counts().values
else:
labels = df['lang'].value_counts().index
values = df['lang'].value_counts().values
# Gráfico de sectores con los idiomas de las publicaciones
graphJSON = pie_chart(values, labels, "Idiomas de las publicaciones")
if 'friends_count' and 'followers_count' in df.columns:
x = df['friends_count'].to_list()
y = df['followers_count'].to_list()
# Gráfico de dispersión con seguidores y seguidos de los usuarios
graphJSON2 = scatter_chart(x,y,"Seguidos(x) vs. Seguidores(y) de los autores")
return render_template('athena.html', tablas = metadatos, graphJSON=graphJSON, graphJSON2=graphJSON2)
elif 'user_friends_count' and 'user_followers_count' in df.columns:
x = df['user_friends_count'].to_list()
y = df['user_followers_count'].to_list()
# Gráfico de dispersión con seguidores y seguidos de los usuarios
graphJSON2 = scatter_chart(x,y,"Seguidos(x) vs. Seguidores(y) de los autores")
return render_template('athena.html', tablas = metadatos, graphJSON=graphJSON, graphJSON2=graphJSON2)
elif 'retweet_count' and 'favorite_count' and 'screen_name' in df.columns:
nRTs = df['retweet_count'].tolist()
nRTs = map(int, nRTs)
nFAVs = df['favorite_count'].tolist()
nFAVs = map(int, nFAVs)
scr_nm = df['screen_name'].tolist()
rts_favs = []
for i in range(0,len(nRTs)):
rts_favs.append(nRTs[i]+nFAVs[i])
# Gráfico de dispersión con seguidores y seguidos de los usuarios
graphJSON3 = bar_chart(scr_nm,rts_favs,"Suma de rts y favs de los tuits")
return render_template('athena.html', tablas = metadatos, graphJSON=graphJSON, graphJSON2=graphJSON2,graphJSON3=graphJSON3)
return render_template('athena.html', tablas = metadatos, graphJSON=graphJSON)
return render_template('athena.html', tablas = metadatos)
if __name__ == "__main__":
app.debug = True
app.run()