Container Hóa Ứng Dụng Phân Tích Dữ Liệu Với Docker Và Ngôn Ngữ Python

fastapi==0.110.0
uvicorn==0.28.0
pandas==2.2.1
pydantic==2.6.4

# Sử dụng hình ảnh cơ sở chính thức và gọn nhẹ của Python phiên bản 3.10
FROM python:3.10-slim

# Thiết lập thư mục làm việc bên trong container
WORKDIR /app

# Cài đặt các gói hệ thống cần thiết nếu có
RUN apt-get update && apt-get install -y --no-install-recommends \
    build-essential \
    && rm -rf /var/lib/apt/lists/*

# Sao chép tệp chứa danh sách phụ thuộc vào container
COPY requirements.txt .

# Cài đặt các thư viện Python thông qua pip
RUN pip install --no-cache-dir -r requirements.txt

# Sao chép toàn bộ mã nguồn ứng dụng vào thư mục làm việc của container
COPY . .

# Mở cổng mạng mặc định cho dịch vụ API
EXPOSE 8000

# Lệnh khởi chạy ứng dụng khi container bắt đầu hoạt động
CMD ["uvicorn", "main:app", "--host", "0.0.0.0", "--port", "8000"]

from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
import pandas as pd

# Khởi tạo ứng dụng FastAPI phục vụ phân tích
app = FastAPI(
    title="Data Analysis Container API",
    description="Dịch vụ phân tích dữ liệu chạy trong Docker container",
    version="1.0.0"
)

# Định nghĩa hằng số hệ số nhân trọng số phân tích
WEIGHT_MULTIPLIER = 1.5

# Định nghĩa cấu trúc dữ liệu đầu vào sử dụng Pydantic
class AnalysisPayload(BaseModel):
    metric_value: float
    category_type: str

# Định nghĩa cấu trúc dữ liệu đầu ra chuẩn hóa
class AnalysisResult(BaseModel):
    final_score: float
    analysis_status: str
    processed_by: str

def execute_data_analysis(data: AnalysisPayload) -> float:
    """
    Hàm thực thi logic tính toán và phân tích dữ liệu đầu vào.
    """
    # Xử lý tính toán cơ bản kết hợp hằng số trọng số
    base_score = data.metric_value * WEIGHT_MULTIPLIER
    
    # Điều chỉnh điểm số dựa trên loại danh mục dữ liệu
    if data.category_type.lower() == "high":
        base_score *= 1.5
    else:
        base_score *= 1.0
        
    return round(base_score, 2)

@app.post("/analyze", response_model=AnalysisResult)
def analyze_endpoint(payload: AnalysisPayload):
    """
    Điểm cuối nhận yêu cầu POST, chạy mô hình phân tích và trả về kết quả.
    """
    try:
        # Gọi hàm phân tích dữ liệu cốt lõi
        computed_score = execute_data_analysis(payload)
        
        # Đóng gói và trả về kết quả chuẩn hóa
        response_data = AnalysisResult(
            final_score=computed_score,
            analysis_status="success",
            processed_by="Dockerized Python Environment"
        )
        return response_data
        
    except Exception as error:
        # Bắt ngoại lệ và trả về mã lỗi HTTP 500 nếu xảy ra sự cố tính toán
        raise HTTPException(status_code=500, detail=str(error))

docker build -t data-analysis-app .

docker run -d -p 8000:8000 --name analysis_container data-analysis-app

import os
from fastapi import FastAPI, HTTPException
from pydantic import BaseModel

app = FastAPI(title="Configurable Analysis API")

# Đọc biến môi trường từ hệ thống Docker, gán giá trị mặc định nếu không tồn tại
APP_ENV = os.getenv("APP_ENV", "development")
MAX_THRESHOLD = float(os.getenv("MAX_THRESHOLD", "100.0"))

class AnalysisInput(BaseModel):
    score_value: float

@app.post("/check-threshold")
def check_threshold_endpoint(payload: AnalysisInput):
    """
    Điểm cuối kiểm tra giá trị phân tích dựa trên ngưỡng cấu hình từ môi trường Docker.
    """
    if payload.score_value > MAX_THRESHOLD:
        raise HTTPException(
            status_code=400, 
            detail=f"Giá trị vượt quá ngưỡng cho phép ({MAX_THRESHOLD}) trong môi trường {APP_ENV}"
        )
        
    return {
        "status": "success",
        "environment": APP_ENV,
        "processed_value": payload.score_value,
        "threshold_limit": MAX_THRESHOLD
    }

docker run -d -p 8000:8000 -e APP_ENV="production" -e MAX_THRESHOLD="150.0" --name analysis_container data-analysis-app

version: '3.8'

services:
  api:
    build: .
    container_name: data_analysis_api
    ports:
      - "8000:8000"
    environment:
      - REDIS_HOST=redis_cache
      - APP_ENV=production
    depends_on:
      - redis_cache
    restart: always

  redis_cache:
    image: redis:7-alpine
    container_name: redis_cache
    ports:
      - "6379:6379"
    restart: always

docker-compose up --build -d