Dépot boite à outils pour un moteur de recherche.
Makefile : Contient les commandes et variables du projet.
|_ elasticsearch : Fichiers de config pour ElasticSearch.
|_ backend : Serveur Flask et indexation de la base ouverte bonnes feuilles pour tester le moteur.
|_ frontend : Code source pour distribuer une interface utilisateur branché à ElasticSearch. Fourni un site statique en Svelte.
|_ La conf du 'reverse proxy' nginx qui permet d'éviter les requêtes cross-origin
- Installer Docker et Docker-Compose localement.
- Installer Make.
- Télécharger les données :
make download-data - Créer le fichier artifacts pour choisir
INDEX_NAME,DATA_PATHetENV_FILE. Par exemplemv artifacts.sample artifacts
- Fabriquer l'image docker :
make elasticsearch. Lance ES et crée un réseau docker. - Tester la base ayant une route nginx:
curl http://localhost/elasticsearch
- Fabriquer l'image docker du backend :
make backend-dev. Cela aura pour effet de lancer l'application Flask. - Rentrer dans le container :
make backend-exec. - Lancer les tests unitaires, qui va indexer les données tests
pytest tests/iga/test_elastic.py -s. - Tester le back : http://localhost/api/common/healthcheck
- Sapper pour le routage, Svelte pour l'UI et Tailwindcss pour la mise en forme.
- Fabriquer l'image docker du frontend :
make frontend-dev. (En modedev) - Se rendre à http://localhost (Le hot-reloading est configuré)
- Fabriquer l'image docker :
make nginx. Lance le service nginx dans un docker. Seul le port 80 est exposé. Tester avec http://localhost
- Pour tester efficacement des changements de mapping dans l'index, la console dev de Kibana peut être utile.
- Lancer Kibana avec
make kibana. Le container Elasticsearch doit tourner. Se rendre à l'adresse http://localhost/kibana
- Nginx envoie les logs utilisateurs au service Logstash qui les sauvegarde dans ElasticSearch.
- Lancer l'environement de dev
make dev. - Compiler le frontend pour la
prodet mettre le contenu statique dans nginx :make build