Installation d’un moteur de recherche pour du géocodage

Magazine
Marque
GNU/Linux Magazine
Numéro
189
Mois de parution
janvier 2016
Domaines


Résumé
Le géocodage c’est associer des coordonnées géographiques à une adresse. Cela permet de savoir avec précision où se situe l’adresse. Il faut donc avoir les adresses et un moyen de chercher dans cette énorme base de données.

Body


Dans ce court article, nous allons voir comment installer addok, un moteur de recherche d’adresses. Nous verrons ensuite où trouver les données et comment les mettre dans ce moteur de recherche. Il n’y aura ensuite plus qu’à lancer le service Web pour répondre aux requêtes.

1. Installation d’Addok

Il y a plus de 20 millions d’adresses dans la BANO, donc pour avoir des performances acceptables l’auteur a choisi d’utiliser Redis [2] qui est une base NoSQL qui stocke ses données en RAM. Cela implique que :

1. c’est rapide ;

2. ça consomme beaucoup de RAM.

Le reste du logiciel est développé en Python3 (le futur est arrivé \o/). Nous allons donc travailler dans un virtualenv.

On va installer les logiciels sur notre ubuntu 14.04 :

$ sudo apt-get install redis-server python3.4 python3.4-dev python-pip python-virtualenv virtualenvwrapper

On va se créer un dossier dans lequel on va faire notre tambouille :

$ mkdir ~/ban && cd ~/ban

On crée ensuite notre virtualenv qui va accueillir addok :

$ virtualenv addok --python=/usr/bin/python3.4

On active le virtualenv puis on installe addok :

$ source addok/bin/activate

$ pip install addok

Maintenant, addok devrait être installé.

2. Téléchargement des données

On va donc télécharger les données de la BANO. Je vous laisse choisir quelles données vous souhaitez avoir dans votre moteur de recherche, mais faites attention, plus on met de données, plus Redis va consommer de la mémoire vive. Pour toute la France, Redis a besoin de plus de 20 Gio de RAM.

Pour télécharger les données du département 14, on utilise la commande suivante :

$ wget http://bano.openstreetmap.fr/data/bano-14.json.gz

Notez que si vous voulez télécharger plusieurs départements, vous n’êtes pas obligé de taper plusieurs fois la commande, vous pouvez mettre les numéros entre accolades séparés par des virgules. Par exemple, pour télécharger les données de la Basse-Normandie, soit les départements 14, 50, et 61, on peut le faire comme ça :

$ wget http://bano.openstreetmap.fr/data/bano-{14,50,61}.json.gz

On décompresse le(s) fichier(s) téléchargé(s) et on met tout dans un fichier qu’on va importer :

$ gzip -d *gz

$ cat *json > data.json

2.1 Code INSEE

Il se peut que vous ayez besoin des codes INSEE des communes. Pour cela, il suffit de rajouter un fichier de configuration qu’on va appeler local.py. Dedans il suffit de mettre :

EXTRA_FIELDS = [

            {'key': 'citycode'},

            ]

FILTERS = ["type", "postcode", "citycode"]

Addok appelle le code INSEE « citycode » (c’est ce que vous devrez chercher dans le JSON contenant les réponses). Ensuite, on indique ce fichier à addok avec :

$ export ADDOK_CONFIG_MODULE=chemin/vers/le/fichier/local.py

Donc si local.py est dans le répertoire courant, il suffit de faire :

$ export ADDOK_CONFIG_MODULE=local.py

Lorsque vous lancerez les deux commandes suivantes, vous devriez avoir le message qui vous indique qu’il l’a bien pris en compte :

Loaded local config from local.py

3. Import des données

On va pouvoir importer les données maintenant que tout est en place :

$ addok batch data.json

Cela va mettre un petit moment, plus ou moins long suivant la quantité de données que vous lui faites ingérer. Vous allez aussi voir la quantité de RAM utilisée exploser. Pire que quand on lance du Java... enfin presque.

Pour les départements du 14, 50 et 61, la vm ubuntu qui me sert à vérifier l’intégralité des commandes que je donne consomme 994Mio de RAM.

Maintenant que les données sont dans Redis, on va calculer les n-gram [3]. Un n-gram est une partie de n éléments d’une suite de mots. Pour faire simple, c’est l’autocomplétion, c’est-à-dire que quand on lui donne « infant » il va nous proposer les adresses ayant le mot « infanterie ». Cette étape va prendre un peu de temps. :

$ addok ngrams

4. Lancement du service Web

On va lancer gunicorn qui va gérer les requêtes. Par défaut il écoute sur localhost ce qui n’est pas très pratique pour un serveur ; on surcharge donc cette adresse. Par défaut il écoute sur le port 8000 :

$ gunicorn addok.server:app --bind 0.0.0.0

On teste avec un navigateur en allant sur http://adresse-ip:8000/search/?q=Ville en remplaçant Ville par une ville présente dans les données que vous lui avez fournies. Dans mon cas, http://adresse-ip:8000/search/?q=Caen renvoie un fichier json avec toutes les informations qu’il trouve liées au mot Caen.

Maintenant, pour lancer gunicorn, le plus simple est d’écrire un script d’init pour que systemd (ou un autre init si vous êtes réticent au progrès :)) le lance au démarrage.

Conclusion

On vient donc d’installer un moteur permettant d’effectuer des recherches dans toutes les adresses que l’on souhaite, et ce très rapidement.

Références

[1] Dépôt Github d’addok : https://github.com/etalab/addok

[2] Page Wikipédia anglophone de Redis : https://en.wikipedia.org/wiki/Redis

[3] Page Wikipédia anglophone des n-gram : https://en.wikipedia.org/wiki/N-gram




Articles qui pourraient vous intéresser...

Déploiements reproductibles dans le temps avec GNU Guix

Magazine
Marque
GNU/Linux Magazine
HS n°
Numéro
113
Mois de parution
mars 2021
Domaines
Résumé

Pour la recherche scientifique comme pour d'autres domaines, on a souvent besoin de reproduire un environnement logiciel à l'identique non seulement sur différentes machines, mais aussi à différents instants dans le temps. Docker et les machines virtuelles, qui sont souvent la solution choisie pour répondre à ce besoin, ont des limitations qu’il est facile de ne pas voir. Cet article illustre l’utilisation de GNU Guix pour des déploiements reproductibles, au bit près, dans l’espace et dans le temps.

Générer et manipuler des images ISO

Magazine
Marque
Linux Pratique
Numéro
124
Mois de parution
mars 2021
Domaines
Résumé

Quand bien même leur usage s’est quelque peu atténué au profit d’autres supports de stockage de masse depuis plusieurs années, les CD-ROM et autres DVD-ROM ont toujours une utilité en 2020 : stockage de données, création de disques bootables (pour distributions GNU/Linux entre autres), disques multimédias... S’il est vrai que sa durée de vie a été surestimée à une époque (peut-être pour favoriser son utilisation), la bonne vieille galette n’est pas encore morte, et il lui reste encore de beaux jours à vivre.

Gérez vos projets Git en mode graphique avec GitKraken

Magazine
Marque
Linux Pratique
Numéro
124
Mois de parution
mars 2021
Domaines
Résumé

Je vous ai précédemment présenté GitLab [0], une forge logicielle utilisant Git vous permettant une gestion globale de vos projets en équipe. Comme nous l’avions vu, une connaissance minimale de Git était nécessaire pour l’utilisation de GitLab. Certains de vos collaborateurs ne sont peut-être pas à l’aise avec la ligne de commandes, ne veulent tout simplement pas l’utiliser ou encore ne veulent pas apprendre la syntaxe des commandes Git. GitKraken [1] est fait pour eux. Il leur permettra de réaliser toutes les opérations Git à l’aide d’une interface graphique.

Le DevOps en pratique

Magazine
Marque
Linux Pratique
Numéro
124
Mois de parution
mars 2021
Domaines
Résumé

Aujourd’hui, le terme DevOps est au cœur de la transformation digitale. En effet, lorsqu’on évoque l’agilité dans le cycle de vie de développement logiciel, on est amené à pratiquer des méthodologies permettant d’accélérer d’une part le processus de développement et de fiabiliser la production logicielle d’un autre côté. Parmi ces méthodologies (Scrum, Kanban…), le DevOps est certainement celle qui a été adopté par la plupart des entreprises ayant comme activité principale ou annexe, la digitalisation de leur système d’information pour faire face au défi que représente l’essor des technologies numériques. Dans cet article, nous ferons un premier tour d’horizon de la partie outillage du DevOps. Il existe une panoplie d’outils et il est impossible de les évoquer tous dans un seul article, car chaque outil nécessiterait un ouvrage à part entière.