Описание проекта
Доработка автоматизированной системы планирования и выполнения численного моделирования процессов сжигания топлив в горелочных устройствах энергоустановок предназначена для оптимизации процессов проведения численных экспериментов с цифровой моделью горелочного устройства с целью поиска наиболее экономичных и низко-эмиссионных режимов работы
Участники
- Кашин Максим
- Клюшенкова Ксения
- Базунов Андрей
- Жимолостнова Анна
- Цуканова Ирина
Запуск проекта
1. Создание окружения
py -m venv .venv
2. Переход в окружение
.\.venv\Scripts\activate
3. Скачивание библиотек
pip install -r .\requirements.txt
4. Создаем .env
Необходимо создать файл и поместить в него необходимые параметры.
DATABASE=SuperService
POSTGRES_USER=UserSuperService
POSTGRES_PASSWORD=NotWarningWord1
CLICKHOUSE_USER=UserMyHouse
CLICKHOUSE_PASSWORD=NotWarningWord2
5. Запускаем все контейнеры
docker-compose up --build
При необходимости можем закрыть контейнера
docker-compose down
6. Запускаем проект
python runner.py
7. Подключение к ClickHouse
Команда входа в ClickHouse
docker exec -it clickhouse-db clickhouse-client -u UserMyHouse --password NotWarningWord2 --host localhost
Использовать базу данных
USE SuperService;
8. Подключение к PostgreSQL
Команда входа в ClickHouse
docker exec -it postgres-db psql -U UserSuperService -d SuperService
9. Миграция alembic
alembic revision --autogenerate
alembic upgrade head
Инициализация БД
1. Запустить docker-compose
docker-compose up --build
2. Зайти в ClickHouse
docker exec -it clickhouse-db clickhouse-client -u UserMyHouse --password NotWarningWord2 --host localhost
3. Создать базу данных
CREATE DATABASE SuperService;
4. Инициализировать БД
Зайти на fastapi и выполнить запрос:
http://localhost:8000/init_db_data
PostgreSQL и ClickHouse будут заполнены данными.
Description
Доработка автоматизированной системы планирования и выполнения численного моделирования процессов сжигания топлив в горелочных устройствах энергоустановок предназначена для оптимизации процессов проведения численных экспериментов с цифровой моделью горелочного устройства с целью поиска наиболее экономичных и низко-эмиссионных режимов работы
Languages
Python
99.5%
Mako
0.4%
Dockerfile
0.1%