Menghubungkan Streamlit

Dalam artikel ini, kami akan menjelaskan proses membangun dasbor menggunakan Streamlit. Untuk membuatnya lebih ilustratif, kami akan membuat dasbor yang terhubung ke basis data analitik dan memantau status kendaraan secara real-time.

Panduan ini adalah bagian dari rangkaian dokumentasi DataHub dan secara khusus membahas menghubungkan Power BI ke data warehouse Anda. Jika Anda masih menentukan alat BI mana yang akan digunakan, lihat Memilih alat BI ikhtisar.

Fitur dashboard

• Tampilkan jumlah total objek

• Visualisasikan status pergerakan (bergerak/berhenti/parkir)

• Visualisasikan status koneksi (aktif/idle/offline)

• Tabel terperinci dengan status saat ini dari semua kendaraan

• Penyaringan berdasarkan tipe kendaraan, grup, status pergerakan, dan status koneksi

• Pembaruan data otomatis setiap 5 menit

• Beralih antara tema terang dan gelap

Persyaratan teknis

• Python 3.8+

• Akses internet untuk koneksi database

• Minimal 2 GB RAM

Instalasi dan penyiapan

1. Kloning repositori

git clone https://github.com/SquareGPS/bi-intergrations.git

2. Buat lingkungan virtual

# Windows
python -m venv venv
venv\Scripts\activate

# Linux/macOS
python -m venv venv
source venv/bin/activate

Pastikan Anda telah menginstal Python 3.8 atau lebih tinggi. Anda dapat memeriksa versi dengan perintah python --version.

3. Instal dependensi

Setelah mengaktifkan lingkungan virtual, instal semua pustaka yang diperlukan:

pip install -r requirements.txt

Koneksi database

1. Buat berkas konfigurasi

Buat sebuah .env berkas di direktori root proyek:

DB_HOST=your_db_host
DB_NAME=your_db_name
DB_USER=your_db_user
DB_PASS=your_db_password
DB_PORT=5432
DB_SCHEMA=raw_business_data

Referensi parameter koneksi

Parameter Lakehouse	Lokasi Pengaturan Streamlit	Catatan
Host	DB_HOST di .env berkas	Alamat server database yang diberikan dalam email selamat datang Anda
Port	DB_PORT di .env berkas	Default adalah 5432 untuk PostgreSQL
Nama database	DB_NAME di .env berkas	Nama database yang ditetapkan untuk Anda
Nama pengguna	DB_USER di .env berkas	Nama pengguna database Anda
Kata sandi	DB_PASS di .env berkas	Kata sandi database yang aman
Mode SSL	String koneksi dalam kode Python	Tetapkan ke require dalam string koneksi
Skema	DB_SCHEMA di .env berkas	Tentukan skema (raw_business_data atau raw_telematics_data)

2. Memperoleh kredensial

Minta kredensial untuk menghubungkan ke basis data demonstrasi dengan menghubungi administrator.

Skema .env berkas sebaiknya tidak disertakan dalam kontrol versi (GitHub) untuk memastikan keamanan kredensial. File .gitignore sudah dikonfigurasi untuk mengecualikan berkas ini.

Menjalankan dasbor

Setelah mengatur koneksi basis data, jalankan dasbor dengan perintah:

streamlit run moving_status_dashboard.py

Setelah diluncurkan, Anda akan melihat pesan serupa dengan:

  Sekarang Anda dapat melihat aplikasi Streamlit Anda di peramban.

  URL Lokal: http://localhost:8501
  URL Jaringan: http://192.168.1.5:8501

Buka URL yang ditentukan di peramban Anda. Dasbor akan tersedia di http://localhost:8501 (atau pada URL jaringan jika Anda ingin membukanya dari perangkat lain di jaringan).

Mengembangkan komponen kustom

Jika Anda ingin memodifikasi dasbor atau membuat komponen baru:

1. Memodifikasi dasbor yang ada

Streamlit secara otomatis memuat ulang aplikasi saat Anda mengubah kode sumber. Cukup edit berkas moving_status_dashboard.py dan simpan perubahan Anda.

2. Menambahkan visualisasi baru

Untuk menambahkan bagan dan diagram baru, gunakan pustaka:

• Plotly: import plotly.express as px atau import plotly.graph_objects as go

• Visualisasi bawaan Streamlit: st.bar_chart(), st.line_chart(), dll.

Contoh menambahkan bagan baru:

import plotly.express as px

# Ambil data dari basis data
df = ... # your database query

# Buat bagan
fig = px.pie(df, values='count', names='status', title='Vehicle Statuses')
st.plotly_chart(fig, use_container_width=True)

3. Debugging

Untuk debugging, gunakan

# Keluaran ke antarmuka Streamlit
st.write(f"Debug: {your_variable}")

# Keluaran ke konsol
print(f"Console debug: {your_variable}")

# Keluaran data yang diperluas
st.json(data_dict)
st.dataframe(pandas_dataframe)

Pemecahan masalah

Masalah koneksi database

• Kesalahan koneksi: Periksa kebenaran kredensial dalam berkas .env dan ketersediaan basis data

• Kesalahan SSL: Pastikan IP Anda ada dalam daftar yang diizinkan untuk mengakses basis data

• Kesalahan waktu habis: Periksa stabilitas koneksi internet Anda dan pengaturan firewall

Masalah dependensi

Kesalahan saat menginstal psycopg2-binary:

• Windows: pip install pipwin && pipwin install psycopg2-binary

• Linux: sudo apt install python3-dev libpq-dev

• macOS: brew install postgresql

Konflik dependensi:

• Buat lingkungan virtual baru

• Instal dependensi satu per satu, mulai dengan streamlit

Masalah lain

Berikut beberapa trik yang dapat membantu Anda memperbaiki masalah umum:

1. Perbarui dependensi: pip install -r requirements.txt --upgrade

2. Periksa kompatibilitas Python: python --version (sebaiknya 3.8+)

3. Saat mengubah kode, sertakan pesan debug:

st.write(f"Debug: {your_variable}")

1. Kesalahan cache Streamlit: hentikan aplikasi dan jalankan dengan --clear_cache flag:

streamlit run moving_status_dashboard.py --clear_cache

Langkah selanjutnya

Setelah berhasil menghubungkan Power BI ke instance Private Telematics Lakehouse Anda, kami menyarankan Anda untuk:

• Jelajahi skema data yang tersedia dengan meninjau Ikhtisar skema bagian untuk lebih memahami struktur data dan relasinya.

• Mulailah dengan kueri sederhana yang berfokus pada entitas bisnis tertentu sebelum membangun dashboard yang kompleks - periksa kueri contoh sebagai referensi.

Dukungan

Untuk pertanyaan teknis atau permintaan akses ke database demo, silakan hubungi: [email protected]