A lot of data are available in realtime on Swiss public transportation. Vehicles positions, station board (with delays) etc.
We use these data to illustrate a common pattern and build a proof of concept project. The idea is to address the question: "Is it possible to build a simple scalable infrastructure, to dispatch, transform and visualize 'near real time' massive data and achieve a posteriori analysis?"
We will describe such an infrastructure, focusing on the different bricks:
* streaming events with Kafka and Logstash;
* flow transformation with Akka or Play Streaming;
* storage in Elasticsearch;
* real time visualization with ReactJS and d3.js;
* a posteriori analysis with Python and Jupyter;
* not to forget DevOps with Docker, GCE and AWS.
A conference given at softshake 2016 in Geneva - www.softshake.ch
Try MyIntelliAccount Cloud Accounting Software As A Service Solution Risk Fre...
Swiss Transport in Real Time: Tribulations in the Big Data Stack
1. Swiss Transport in Real Time:
Tribulations in the Big Data Stack
Alexandre Masselot
Soft-shake, Geneva
October 2016
2. Swiss Transport in Real Time:
Tribulations in the Big Data Stack
Alexandre Masselot
Soft-shake, Geneva
October 2016
3. Is it possible to build
a simple scalable infrastructure, to
dispatch, store, transform
and visualize “near real time” data
and achieve a posteriori analysis?
This is only
a POC!!!
4. Finding a dataset
• social media
• finance
• sport
• energy
• transport
• log analysis
• meteorology
• bioinformatics
• personalized health
• monitoring
• security
• IOT
5. Finding a dataset
• social media
• finance
• sport
• energy
• transport
• log analysis
• meteorology
• bioinformatics
• personalized health
• monitoring
• security
• IOT
10. AAGL Autobus AG Liestal
AAGR Auto AG Rothenburg
AAGS Auto AG Schwyz
AAGU AUTO AG URI
AB Appenzeller Bahnen AG
ABl Autolinee Bleniesi SA
ABF Autobusbetrieb Freienbach
AFA Automobilverkehr Frutigen Adelboden AG
AMSA Autolinea Mendrisiense SA
AOT Autokurse Oberthurgau AG
ARAG Rottal Auto AG
ARBAG Aletsch Riederalp Bahnen AG
ARL Autolinee Regionali Luganesi
AS Autobetrieb Sernftal AG
ASGS Autotransports Sion-Grône-Sierre
ASm Aare Seeland mobil AG
AVG Autoverkehr Grindelwald AG
AVJ Autotransports de la Vallée de Joux
AWA Autobetrieb Weesen-Amden
AZZK Autobus Zürich-Zollikon-Küsnacht
BB Bürgenstock Bahnen
BBA Busbetrieb Aarau AAR bus+bahn
BBBW Bus-Betrieb Binggeli
BDWM BDWM Transport AG
BGU BGU Busbetrieb Grenchen und Umgebung AG
BLAG Busland AG
BLM Bergbahn Lauterbrunnen-Mürren AG
BLS BLS AG
BLT BLT Baselland Transport AG
BLWE Busbetrieb Lichtensteig-Wattwil-Ebnat-Kappel
BOB Berner Oberland-Bahnen AG
BOGG Busbetrieb Olten Gösgen Gäu AG
BOS BUS Ostschweiz AG
BOS-M BOS Management AG
BRB Brienz Rothorn Bahn AG
BRER Busbetrieb Rapperswil-Eschenbach-Rüti
BRSB Braunwald-Standseilbahn AG
BSU Busbetrieb Solothurn und Umgebung AG
BVB Basler Verkehrs-Betriebe
CGN CGN SA
CJ Compagnie des chemins de fer du Jura (C.J.) SA
CROS Crossrail AG
DBSCH DB Schenker Rail Schweiz GmbH
DBZ Dolderbahn Zürich
ETB Emmentalbahn, Huttwil
FART Ferrovie Autolinee Regionali Ticinesi
FB Forchbahn AG
FC FUNICAR Kursbetriebe AG
FLP Ferrovie Luganesi SA
FW Frauenfeld-Wil-Bahn AG
GGB Gornergrat Bahn AG HBSAG Hafenbahn Schweiz AG
JB Jungfraubahn AG
LEB Chemin de fer Lausanne-Echallens-Bercher
LLB AG für Verkehrsbetriebe Leuk-Leukerbad und Umgebung
LSMS Schilthornbahn AG
MBC Transports de la région Morges-Bière-Cossonay SA
MG Ferrovia Monte Generoso SA
MGB Matterhorn Gotthard Bahn
MIB Kraftwerke Oberhasli AG Meiringen-Innertkirchen-Bahn
MOB Chemin de fer Montreux-Oberland Bernois
MVR Transports Montreux-Vevey-Riviera SA
NHB Niederhornbahn
NB Niesenbahn AG
NStCM Chemin de fer Nyon-St. Cergue-Morez
OeBB Oensingen-Balsthal-Bahn
PAG PostAuto Schweiz AG
PB PILATUS-BAHNEN AG
RA RegionAlps SA
RAILG Railgate AG
RB RIGI BAHNEN AG
RBL Regionalbus Lenzburg AG
RBS Regionalverkehr Bern-Solothurn AG
REGO Regiobus Gossau AG
RhB Rhätische Bahn AG
RNCH DB Schenker Rail Schweiz GmbH
RLC railCare
RVBW Regionale Verkehrsbetriebe Baden-Wettingen AG
RVSH SchaffhausenBus, Regionale Verkehrsbetriebe SH AG
SBB SBB AG
SBB-D SBB GmbH
SBC Stadtbus Chur AG
SBF Stadtbus Frauenfeld
SBW Stadtbus Winterthur
SMC Cie de Chemin de Fer+d'Autobus Sierre-Montana-Crans (SMC) SA
SMGN Société des Mouettes Genevoises Navigation SA
SMtS Funiculaire St-Imier - Mont-Soleil SA
SOB Schweizerische Südostbahn AG
SRTAG Swiss Rail Traffic AG
SSIF Società Subalpina di Imprese Ferroviarie S.p.A.
ST Sursee-Triengen-Bahn
STB Sensetalbahn AG
STI Verkehrsbetriebe STI AG
SVB BERNMOBIL Städt. Verkehrsbetriebe Bern
SWAG Seilbahn Weissenstein AG
SZU Sihltal Zürich Uetliberg Bahn SZU AG
THURBO Thurbo AG
TL Transports publics de la région lausannoise SA
TMR TRANSPORTS DE MARTIGNY ET REGIONS SA
TPC Transports Publics du Chablais SA
TPF Transports publics fribourgeois SA
TPG Transports publics genevois
TPL Trasporti Pubblici Luganesi SA
TPN Transports Publics de la Région Nyonnaise SA
TRN Transports Publics Neuchâtelois SA
TRAVYS TRAVYS SA Transports Vallée de Joux-Yverdon-Sainte-Croix
TSD Theytaz Excursions Sion
VB Verkehrsbetriebe Biel
VBD Verkehrsbetrieb der Landschaft Davos
VBG VBG Verkehrsbetriebe Glattal AG
VBH Verkehrsbetriebe Herisau
VBL Verkehrsbetriebe Luzern AG
VBSG Verkehrsbetriebe St.Gallen
VBSH Verkehrsbetriebe Schaffhausen
VBZ Verkehrsbetriebe Zürich
VMCV Transports publics Vevey-Montreux-Chillon-Villeneuve
VSSU Verband Schweizerischer Schifffahrtsunternehmen
VZO Verkehrsbetriebe Zürichsee und Oberland AG
WAB Wengernalpbahn AG
WB Waldenburgerbahn AG
WRS Widmer Rail Services Personal AG
WSB Wynental- und Suhrentalbahn AAR bus+bahn
ZB zb Zentralbahn AG
ZVB Zugerland Verkehrsbetriebe AG
ZVV Zürcher Verkehrsverbund ZVV
AES Ägerisee Schifffahrt AG
BLS BLS AG Schifffahrt Berner Oberland Thuner- und Brienzersee
BPG Basler Personenschifffahrt AG
BSG Bielersee-Schifffahrts-Gesellschaft AG
CGN CGN SA
FHM Zürichsee-Fähre Horgen-Meilen AG
LNM Société de Navigation Lacs de Neuchâtel et Morat SA
NLM Navigazione Lago Maggiore
SBS SBS Schifffahrt AG
SGG Schifffahrts-Genossenschaft Greifensee
SGH Schifffahrtsgesellschaft Hallwilersee AG
SGV Schifffahrtsgesellschaft des Vierwaldstättersees
SGZ Schifffahrtsgesellschaft für den Zugersee AG / Ägerisee
SNL Società Navigazione del Lago di Lugano SA
SW Schiffsbetrieb Walensee AG
URh Schweiz. Schifffahrtsgesellschaft Untersee und Rhein AG
ZSG Zürichsee-Schifffahrtsgesellschaft AG
11. AAGL Autobus AG Liestal
AAGR Auto AG Rothenburg
AAGS Auto AG Schwyz
AAGU AUTO AG URI
AB Appenzeller Bahnen AG
ABl Autolinee Bleniesi SA
ABF Autobusbetrieb Freienbach
AFA Automobilverkehr Frutigen Adelboden AG
AMSA Autolinea Mendrisiense SA
AOT Autokurse Oberthurgau AG
ARAG Rottal Auto AG
ARBAG Aletsch Riederalp Bahnen AG
ARL Autolinee Regionali Luganesi
AS Autobetrieb Sernftal AG
ASGS Autotransports Sion-Grône-Sierre
ASm Aare Seeland mobil AG
AVG Autoverkehr Grindelwald AG
AVJ Autotransports de la Vallée de Joux
AWA Autobetrieb Weesen-Amden
AZZK Autobus Zürich-Zollikon-Küsnacht
BB Bürgenstock Bahnen
BBA Busbetrieb Aarau AAR bus+bahn
BBBW Bus-Betrieb Binggeli
BDWM BDWM Transport AG
BGU BGU Busbetrieb Grenchen und Umgebung AG
BLAG Busland AG
BLM Bergbahn Lauterbrunnen-Mürren AG
BLS BLS AG
BLT BLT Baselland Transport AG
BLWE Busbetrieb Lichtensteig-Wattwil-Ebnat-Kappel
BOB Berner Oberland-Bahnen AG
BOGG Busbetrieb Olten Gösgen Gäu AG
BOS BUS Ostschweiz AG
BOS-M BOS Management AG
BRB Brienz Rothorn Bahn AG
BRER Busbetrieb Rapperswil-Eschenbach-Rüti
BRSB Braunwald-Standseilbahn AG
BSU Busbetrieb Solothurn und Umgebung AG
BVB Basler Verkehrs-Betriebe
CGN CGN SA
CJ Compagnie des chemins de fer du Jura (C.J.) SA
CROS Crossrail AG
DBSCH DB Schenker Rail Schweiz GmbH
DBZ Dolderbahn Zürich
ETB Emmentalbahn, Huttwil
FART Ferrovie Autolinee Regionali Ticinesi
FB Forchbahn AG
FC FUNICAR Kursbetriebe AG
FLP Ferrovie Luganesi SA
FW Frauenfeld-Wil-Bahn AG
GGB Gornergrat Bahn AG HBSAG Hafenbahn Schweiz AG
JB Jungfraubahn AG
LEB Chemin de fer Lausanne-Echallens-Bercher
LLB AG für Verkehrsbetriebe Leuk-Leukerbad und Umgebung
LSMS Schilthornbahn AG
MBC Transports de la région Morges-Bière-Cossonay SA
MG Ferrovia Monte Generoso SA
MGB Matterhorn Gotthard Bahn
MIB Kraftwerke Oberhasli AG Meiringen-Innertkirchen-Bahn
MOB Chemin de fer Montreux-Oberland Bernois
MVR Transports Montreux-Vevey-Riviera SA
NHB Niederhornbahn
NB Niesenbahn AG
NStCM Chemin de fer Nyon-St. Cergue-Morez
OeBB Oensingen-Balsthal-Bahn
PAG PostAuto Schweiz AG
PB PILATUS-BAHNEN AG
RA RegionAlps SA
RAILG Railgate AG
RB RIGI BAHNEN AG
RBL Regionalbus Lenzburg AG
RBS Regionalverkehr Bern-Solothurn AG
REGO Regiobus Gossau AG
RhB Rhätische Bahn AG
RNCH DB Schenker Rail Schweiz GmbH
RLC railCare
RVBW Regionale Verkehrsbetriebe Baden-Wettingen AG
RVSH SchaffhausenBus, Regionale Verkehrsbetriebe SH AG
SBB SBB AG
SBB-D SBB GmbH
SBC Stadtbus Chur AG
SBF Stadtbus Frauenfeld
SBW Stadtbus Winterthur
SMC Cie de Chemin de Fer+d'Autobus Sierre-Montana-Crans (SMC) SA
SMGN Société des Mouettes Genevoises Navigation SA
SMtS Funiculaire St-Imier - Mont-Soleil SA
SOB Schweizerische Südostbahn AG
SRTAG Swiss Rail Traffic AG
SSIF Società Subalpina di Imprese Ferroviarie S.p.A.
ST Sursee-Triengen-Bahn
STB Sensetalbahn AG
STI Verkehrsbetriebe STI AG
SVB BERNMOBIL Städt. Verkehrsbetriebe Bern
SWAG Seilbahn Weissenstein AG
SZU Sihltal Zürich Uetliberg Bahn SZU AG
THURBO Thurbo AG
TL Transports publics de la région lausannoise SA
TMR TRANSPORTS DE MARTIGNY ET REGIONS SA
TPC Transports Publics du Chablais SA
TPF Transports publics fribourgeois SA
TPG Transports publics genevois
TPL Trasporti Pubblici Luganesi SA
TPN Transports Publics de la Région Nyonnaise SA
TRN Transports Publics Neuchâtelois SA
TRAVYS TRAVYS SA Transports Vallée de Joux-Yverdon-Sainte-Croix
TSD Theytaz Excursions Sion
VB Verkehrsbetriebe Biel
VBD Verkehrsbetrieb der Landschaft Davos
VBG VBG Verkehrsbetriebe Glattal AG
VBH Verkehrsbetriebe Herisau
VBL Verkehrsbetriebe Luzern AG
VBSG Verkehrsbetriebe St.Gallen
VBSH Verkehrsbetriebe Schaffhausen
VBZ Verkehrsbetriebe Zürich
VMCV Transports publics Vevey-Montreux-Chillon-Villeneuve
VSSU Verband Schweizerischer Schifffahrtsunternehmen
VZO Verkehrsbetriebe Zürichsee und Oberland AG
WAB Wengernalpbahn AG
WB Waldenburgerbahn AG
WRS Widmer Rail Services Personal AG
WSB Wynental- und Suhrentalbahn AAR bus+bahn
ZB zb Zentralbahn AG
ZVB Zugerland Verkehrsbetriebe AG
ZVV Zürcher Verkehrsverbund ZVV
AES Ägerisee Schifffahrt AG
BLS BLS AG Schifffahrt Berner Oberland Thuner- und Brienzersee
BPG Basler Personenschifffahrt AG
BSG Bielersee-Schifffahrts-Gesellschaft AG
CGN CGN SA
FHM Zürichsee-Fähre Horgen-Meilen AG
LNM Société de Navigation Lacs de Neuchâtel et Morat SA
NLM Navigazione Lago Maggiore
SBS SBS Schifffahrt AG
SGG Schifffahrts-Genossenschaft Greifensee
SGH Schifffahrtsgesellschaft Hallwilersee AG
SGV Schifffahrtsgesellschaft des Vierwaldstättersees
SGZ Schifffahrtsgesellschaft für den Zugersee AG / Ägerisee
SNL Società Navigazione del Lago di Lugano SA
SW Schiffsbetrieb Walensee AG
URh Schweiz. Schifffahrtsgesellschaft Untersee und Rhein AG
ZSG Zürichsee-Schifffahrtsgesellschaft AG
12.
13. What do we propose?
https://github.com/alexmasselot/swiss-transport-realtime
14.
15.
16. Is it possible to build
a simple scalable infrastructure, to
dispatch, transform and visualize
“near real time” massive data
and achieve a posteriori analysis?
18. Is it possible to build
a simple scalable infrastructure, to
dispatch, transform and visualize
“near real time” massive data
and achieve a posteriori analysis?
19. Is it possible to build
a simple scalable infrastructure, to
dispatch, transform and visualize
“near real time” massive data
and achieve a posteriori analysis?
24. Is it possible to build
a simple scalable infrastructure, to
dispatch, transform and visualize
“near real time” massive data
and achieve a posteriori analysis?
25. Is it possible to build
a simple scalable infrastructure, to
dispatch, transform and visualize
“near real time” massive data
and achieve a posteriori analysis?
31. Events are streamed to
“Kafka is used for building real-
time data pipelines and
streaming apps. It is horizontally
scalable, fault-tolerant, wicked
fast, and runs in production in
thousands of companies.”
kafka.apache.org
32. Events are streamed to
“Kafka is used for building real-
time data pipelines and
streaming apps. It is horizontally
scalable, fault-tolerant, wicked
fast, and runs in production in
thousands of companies.”
kafka.apache.org
real time
offline
41. Is it possible to build
a simple scalable infrastructure, to
dispatch, transform and visualize
“near real time” massive data
and achieve a posteriori analysis?
42. Is it possible to build
a simple scalable infrastructure, to
dispatch, transform and visualize
“near real time” massive data
and achieve a posteriori analysis?
43. Stream transformation
• We have an input flow of events and want to:
• know if a train is stopped into a station;
• know if a train as exited the network;
• expose an aggregated station board.
• We need to:
• digest the input flow;
• process with temporary state persistance;
• be able to expose snapshots.
44. Stream transformation
• Scala is The language for Big Data (functional & OO)
• Akka (actors):
• lightweight entities (one per train, per station);
• easy asynchronous communications;
• the perfect use case.
• Play framework for REST service, configuration etc.
48. : putting everything together
• The “simple” infrastructure is not so light;
• A developper should have everything on his/her
laptop without polluting the machine;
• Docker comes to the rescue:
• lightweight containers,
• pre-existing images,
• docker-compose to describe the infrastructure
• deploy directly to AWS or GCE.
53. Performance: 2 numbers
15% CPU: nodeJS + kafka + akka + play
15x faster ajax queries (vs SBB rest)
to gather 30 times more trains
54. Is it possible to build
a simple scalable infrastructure, to
dispatch, transform and visualize
“near real time” massive data
and achieve a posteriori analysis?
55. Is it possible to build
a simple scalable infrastructure, to
dispatch, transform and visualize
“near real time” massive data
and achieve a posteriori analysis?
56. A scalable infrastructure
Kafka partitioning and zookeeper
Logstash ? (but naturally recover on failure)
Elasticsearch partitioning
Spark streaming
distributed by essence
& write ahead logs
Akka
aka cluster, supervisors
& failure strategy
Docker Kubernetes, AWS, GCE, Exoscale
58. Is it possible to build
a simple scalable infrastructure, to
dispatch, transform and visualize
“near real time” massive data
and achieve a posteriori analysis?
59. Is it possible to build
a simple scalable infrastructure, to
dispatch, transform and visualize
“near real time” massive data
and achieve a posteriori analysis?
60.
61.
62. JS for large data set
• Only a rendering library (but fast);
• Use a flux architecture;
• Built by Facebook.
63. JS for large data set
• Only a rendering library (but fast);
• Use a flux architecture;
• Built by Facebook. Dispatcher
Store
View
Action
Action
64. JavaScript for big data viz
• React can handle viz >100k elements (don’t show
them individually!)
65. JavaScript for big data viz
• React can handle viz >100k elements (don’t show
them individually!)
• Beware of performance issue;
66. JavaScript for big data viz
• React can handle viz >100k elements (don’t show
them individually!)
• Beware of performance issue;
• Testing is not an option.
67. Is it possible to build
a simple scalable infrastructure, to
dispatch, transform and visualize
“near real time” massive data
and achieve a posteriori analysis?
68. Is it possible to build
a simple scalable infrastructure, to
dispatch, transform and visualize
“near real time” massive data
and achieve a posteriori analysis?
69. 4.5 months of data
A. What is the train occupancy during weekdays,
between Lausanne and Geneva?
B. When are the train the most delayed?
C. Where are the train the most delayed?
86. • Web application
• Interactively edit and run pieces of code (analysis
steps)
• Inclined towards Python (although other languages
are available)
• Beware of performance with large dataset (sample
data or use Spark mode)
a data science notebook
91. @alex_massamasselot@octo.com
Nov 8th 7 pm, Genève
“Banknote Recognition System”
(Machine Learning)
Nov 10th 6 pm, Genève
“Data Science & Machine Learning:
Explorer, Comprendre Et Prédire”
Demo on OCTO stand
Hinweis der Redaktion
OCTO, Lausanne
cabinet qui conseille, développe.
de plus en + de clients avec des problématique Big Data
des technos dont on se sert chez nos clients et d’autres que l’on veut explorer
L’année 2016 est l’année Big Data chez, où nous organisons une série d’afterworks. Le prochain est sur le data science le 10 novembre
ça a démarré comme un projet fait sur le 20% R&D pendant les .
il y a des tonnes de données dispos, la première question a été de trouver des données intéressantes
On voulait quelque chose qui ne soit pas directement associé à une mission en cours
et qui intéresse beaucoup de monde.
“Qui a pris un bateau, un train, un bus pour venir ici ce matin?”
Quoi de plus suisse que de s’intéresser aux transports publics?
ça fait partie de la culture.
Et c’est pas que les CFF
Ce sont les trains
des bus, surtout postaux.
Pour l’anecdote, la majeure partie du projet que je présente aujourd’hui a été développée pendant mes trajets train + bus. Ce qui m’a valut quelque fois de lever les yeux une gare trop loin…
bref, les transports c’est sur terre, sur mer et dans les airs
et ce que l’on oublie, c’est que ce ne sont pas seulement que les CFF, mais 170 entreprises de transport
ces entreprises sont ensembles, sous l’égide de l’Union des Transport Publics, qui font entre autres l’abo général, mais aussi des applis
des applis qui donnent le retard en temps réel
et même une carte avec le trains.
soit dit en passant, cette app de viz est passablement buggée.
Ce qui nous a donner envie de jouer.
et ce qui est pratique, c’est qu’on peut récupérer les data via des API
et pour faire le pendant, sans aucune optimisation, les requêtes qui ramènent tous les trains de Suisse et celle qui prennent tous les boards prennent ~300ms (à la place de 5 secondes pour 30 fois moins de véhicules).
la démo est online sur Google Cloud, mais on limit les risques
Rentron maintenant dans le coeur de la présentation
Donc, notre but devient un application du style
On en vient dans dur et voyons ce que recouvre une architecture simple
L’architecture se résumé donc à
Acquérir les data de positions et les boards
avoir un système qui collecte les données et permets de les dispatcher à qui s’inscrit
stocker les data pour des analyses a posteriori
processer les data (est-ce qu’un train est en gare? Est-ce qu’il est sorti du circuit…
visualizer
Rester “simple” n’est pas évident, car dans la stack Big Data
Par ce que le premier problème, dès qu’on évoque le buzz owrd “Big Data”, c’est l’avalanche te technologie.
Et ce graph évolue sans cesse.
N’oublions pas de rester simple, donc
On va survoler chacune des briques, en tentant de la mettre en relation avec d’autres technologies.
on pourrait passer une session soft shake sur chacune de ces briques.
Les choix proposés sont le fruit de nos tribulations, parfois en dehors des solutions que l’on connait et pousse actuellement chez nos client. Mais c’est le but de ce POC
On va tenter, pour chacune des technos présentées, d’évoquer des solution alternatives
Passons à la pratique, à la première brique
Bon on a couvert la partie “simple infrastructure”,
maintenant on va détailler.
Commençons par la partie acquisition et dispatch.
C’est la partie qui prend les événements (train positions et panneaux d’affichages) et permet de les servir à des consommateurs, qui les traiteront ensuite.
Cependant, on doit d’aborder d’abord aborder la question de l’acquisition.
Nous n’avons malheureusement pas accès au GPS des véhicules, ni au SI des CFF pour savoir ce qui se passe dans une gare
Un train contain…
un station board contient…
Tous ces événements sont récoltés et poussés plus loin, vers Kafka
Kafka qui est un hub de message, ou un message broker
Kafka is an open source application
producers pushing rich message with topics (“vehicle position”, “station board”)
consumers register to topic and pull messages
multi language - we used here Scala & NodeJS
beware the release evolution
Kafka is not the only solutions
tiré vers un stockage.
log stash est très utilisé pour le processing de log
il y a beaucoup d’adapteur entrant et descendant
peut être un peu gourmand en ressources
on a eu plusieurs destinations
Elasticsearch, document store, pour la facilité d’installation et de requêtage
flat files basiques (avec rotation toutes les heures)
other alternatives are less versatile with connectors, offer less transformation or more log oriented
on a essayé Flume mais on avait arrêté pour des problème de connecteurs vers ES. Logstash a marché en quelques minutes
For large time series, columnar database would have certainly be a better choice
ES était le choix de la facilité
kafka permet de mettre autant de consumers que désirés
on regarde maintenant du côté du streaming real time
pour l’instant, à part pour la partie d’acquisition assez simple, le fait de mettre en place kafka, log stash et Elasticsearch n’était que de la config.
relevons les manches et passons à la partie transformation
stopped train means that its position is the same as the previous one
into a station mean see if the position of a train is within 200 meters the position of a station
Spark streaming (with state): designed for hdfs, naturally suited for distribution, usable all across the Big Data use cases;
on en est rendu au point où les info sont digérées au fil de l’eau et exposées À travers du REST
On a codé/configuré notre infrastructure
regardons en 2 minutes comment déployer, scaler
et une mention des performances
beware he cost on AWS or GCE
en pratique, on peut mettre chacune de nos petites boites dans un container
1000 train et 3000 gares
GCE snapshot
1 CPU, 4G memory => 15% of CPU
on avance dans notre plan
même si le sujet était abordé de manière sous-jacente, parlons deux secondes de la scalabilité
Kafka : 100k events per seconds
la scalabilité va de paire avec la résistance à la panne
un warning ur aka ou tout est possible, mais faut se le faire à la main
On a implémenté l’infra
mais le but était de servir des users
soit relatif, soit offline
donc prêtes à être visualisées dans le browser.
visualization, ça veut dire présentation & interactivité
le cercle taille: nombre de trains attendus, secteur orange: nombre de trains en retard.
mouse over station => requête REST pour aller chercher le snapshot de la gare en question
le fond de carte est google map
pour la viz elle même, y’a pas de TIMTOWTDI, c’est d3.js
c’est d3.js
on transform des données en éléments de DOM et on interagit avec
limit is the sky.
React 4 large data
juste un libraire de rendering
faut un architecture de flux
il y a beaucoup d’idées préconçues sur JavaScript
L’abondance de frameworks, la vitesse d’obsolescence
perf: au delà de mettre trop d’éléments, de simples transitions peuvent couler les perf
tests: on pourrait passer la matinée sur le sujet, mais avoir un page qui regroupe différentes configurations permet de tout checker en un coup d’oeil plutôt que de passer sont temps à naviguer dans l’interface ou de compter sur d’éventuels testers.
on a couvert de quoi faire notre application de visualisation interactive en temps réel
les données sont stockées
mais ils nous manque encore la partie data analysis.
regardons d’abord quelques résultats et ensuite comment les obtenir.
- on reviendra sur la questions des 4.5 mois
lorsqu’on regarde l’appli cff, on a une estimation du taux de remplissage
et cette info est poussé par les station board
on veux alors repartir dans les données et regarder quand est-ce que le trains sont chargé en fonction de l’heure de la journée
- si on se décale d’une heure, on a de la place
ou nous sommes dans un merveilleux pays capitaliste, tout peut s’acheter
et en pratique, il s’agit simplement de faire un groupby (r => (r.timestap.hourOfDay, capacity).size()
on regarde d’abord le nombre de trains annoncés en gare en fonction de l’heure de la journée
rien la nuit, unpic le matin et en fin d’après-midi.
idem pour les retard
et on peut superposer les deux jeux de données
en rouge le nombre de trains
en bleu les nombre de retards
y’a peu de trains la nuit, mais un sur 10 est à la bourre
Overall, 4% de train en retard
Quand sont en retard les trains, c’est bien. Mais où?, c’est encore mieux
- un carte de la Suisse
un histogram des gares les plus fréquentées.
un pic dans la région de Zurich
les retards les plus massif aussi à Zurich.
mais aussi dans la région de Lugano et la vallée qui monte à Zermatt
C’est joli ces images, mais comment on y arrive?
Store data, data processing method along with results together in order to reproduce.
mix interactivity and reproducibility
et c’est la fin
This is a global view of the simple infrastructure we presented, but it is only