기본 콘텐츠로 건너뛰기

Flask RESTful API - PATCH /stores (현재 위치 기준 지정한 반경내...

Flask RESTful API - PATCH /stores (현재 위치 기준 지정한 반경내...

PATCH /stores

사용자가 지정한 위도,경도,반경 기준에 해당 하는 매장 정보를 저장 한다.

저장 시 기존에 저장한 매장 정보를 조회 하여서 일치하는 정보가 있는 경우 업데이트 하고 일치하는 정보가 없는 경우 저장 처리 한다.

Kakao API를 호출 하면 한번에 15건씩 조회 결과를 받을 수 있다 하지만 반경을 크게 주면 15개 이상의 매장이 검색 될 것이다.

게시판 페이징 처리 처럼 페이징 처리를 통하여 모든 데이터를 저정해야 한다.

아래 그림을 보면 대략 10km 기준으로 검색 해보면 40개 이상 매장이 검색 될 것이다.

Resource URL

Kakao api 연동: http://localhost:5000/stores/create

Request

{

"place_name":"스타벅스",

"x":37.6125901,

"y":126.7284632,

"radius":"10000"

}

Response

{

"message": "총 47 건의 매장 정보가 등록 되었습니다."

}

소스코드 작성

앞에 코드에 메소드를 추가해 나가면 된다.

소스코드 작성은 다음과 같이 작성한다.

기존 매장 정보 검색 메소드 추가

매장 정보 등록을 위한 메소드 추가

app.py Resource 정보 등록

store.py - Model

Kakao API 조회 후 조회된 매장 정보가 기존에 등록된 경우 업데이트 처리를 위한 조회 메소드

@classmethod def find_store_by_store_name_with_adress(self, place_name, road_address): """ 매장 정보 조회 param place_name: 장소명 param road_address: 도로명주소 :return: store: 조회된 매장 정보 객체 """ return db.session.query(self).filter_by(store_name=place_name).filter_by(road_address=road_address).first()

store.py - Resource

""" PATCH /stores - 현재 위치 기준 지정한 반경내 모든 매장 정보 등록 """ class StoresRegister(Resource): # 입력 파라미터 설정 parser = reqparse.RequestParser() parser.add_argument('place_name', type=str, required=False ) parser.add_argument('x', type=float, required=False ) parser.add_argument('y', type=float, required=False ) parser.add_argument('radius', type=float, required=False ) def patch(self): # Request Parameter를 dictionary 형태로 저장 37.5950084,126.7656567 data = StoresRegister.parser.parse_args() # 장소명 place_name = data['place_name'] # 위도 y = data['y'] # 경도 x = data['x'] # 뱐경 radius = data['radius'] # 저장 처리를 위한 매장 리스트 store_list = [] # 페이지당건수 per_page_count = 15 # 총 페이지 total_page = 1 # 페이지 page = 1 """ Kakao API 검색 결과는 기본적으로 한번에 15건을 조회 결과로 리턴 해 준다. 만약 건수가 15건이 넘어가는 경우 페이징 처리가 필요하다. 이를 위해서 클로저 함수를 이용한다. """ def make_stores(response): for store in response['documents']: """ 단일건으로 등록한 매장 정보의 경우 주소 정보로 위치 정보를 저장 하게 된다. 실제로는 위치정보가 장소명으로 검색한 경우와 불일치 하므로 기존 매장 정보 검색 후 일치하는 정보가 있는 경우 장소명으로 검색한 정보로 업데이트 처리 하기 위해 기존 매장 정보 검색 후 매장 정보를 설정한다. """ store_info = StoreModel.find_store_by_store_name_with_adress(store['place_name'],store['road_address_name']) if store_info: # Geometry 정보 설정 point = 'POINT({} {})'.format(store_info.lat, store_info.lon) # point 정보를 바로 저장 할 시 우리나라 좌표계와 맞지 않으므로 좌표계를 변환 처리 한다. geo = StoreModel.convert_geom(point) # 매장 리스트에 append 처리 store_list.append(StoreModel(store_info.store_id,store['place_name'],store['address_name'],store['road_address_name'],store['phone'],store['place_url'],None,store['x'],store['y'],geo)) else: # 검색 결과에서 카테고리 그룹코드가 CE7 인경우 카페 이므로 그룹코드가 CE7인 경우만 리슽에 저장 if store['category_group_code'] == 'CE7': # Geometry 정보 설정 point = 'POINT({} {})'.format(store['x'], store['y']) # point 정보를 바로 저장 할 시 우리나라 좌표계와 맞지 않으므로 좌표계를 변환 처리 한다. geo = StoreModel.convert_geom(point) # 매장 리스트에 append 처리 store_list.append(StoreModel(None, store['place_name'],store['address_name'],store['road_address_name'],store['phone'],store['place_url'],None,store['x'],store['y'],geo)) # Kakao API를 검색을 통해 위치 정보를 입수한다. response = find_place(y ,x, radius, place_name, 1) # 총 조회 데이터 건수 total_count = response['meta']['total_count'] # 총 페이지 계산 if total_count % per_page_count == 0: total_page = int(total_count / per_page_count) else: total_page = int((total_count / per_page_count) + 1) # 조회결과를 저장 처리를 위한 리스트 변수 저장 클로저 함수 호출 make_stores(response) # 조회 결과 가 없는 경우 if total_count == 0: return {'message': '매장 정보가 존재 하지 않습니다.'}, 404 else: for page in range(total_page): """ page 기본값은 0 이지만 위에서 첫번째 페이지 건으로 조회 하였기 때문에 그 다음 page 인 2page 조회 를 위해서 page + 2로 해준다. """ page = page + 2 # Kakao API를 검색을 통해 위치 정보를 입수한다. response = find_place(y ,x, radius, place_name, page) # 조회결과를 저장 처리를 위한 리스트 변수 저장 클로저 함수 호출 make_stores(response) # 매장 정보 저장/업데이트 처리 total_save_count = 0 if len(store_list) > 0: total_save_count = len(store_list) - 1 for store in store_list: StoreModel.save(store) return {'message':'총 {} 건의 매장 정보가 등록 되었습니다.'.format(total_save_count)},201

app.py

import os import psycopg2 from flask import Flask from flask_restful import Api from flask_sqlalchemy import SQLAlchemy from config import app_config from resources.store import StoreRegister,StoresRegister # set_env.bat 에서 설정한 application 이름 설정 app = Flask(os.getenv('FLASK_APP')) # set_env.bat 에서 설정한 FLASK_ENV는 development env_name = os.getenv('FLASK_ENV') """ app_config 는 config.py 에서 정의 app_config 이면 위에서 development를 설정하였기 때문에 config.py 의 Development 클래스의 정보가 설정 되게 된다. """ app.config.from_object(app_config[env_name]) # 데이터 변경사항에 대해 커밋 전후로 알림 여부 app.config['SQLALCHEMY_TRACK_MODIFICATIONS'] = False # Query Debug 여부 app.config['SQLALCHEMY_ECHO'] = False """ API Resource 등록 --------------------------------------------------------- POST /stores/create - 매장 등록 PATCH /stores - 벌크 매장 등록 GET /stores - 매장목록 조회 GET /stores/ - 매장정보조회 DELETE /stores/ - 매장정보삭제 """ api = Api(app) api.add_resource(StoreRegister, '/stores/create') api.add_resource(StoresRegister, '/stores') if __name__ == "__main__": from db_init import db db.init_app(app) app.run(debug=True,port=5000)

테스트

아래 그림과 같이 장소명 현재 위치 정보를 입력 파라미터로 설정 한 후 테스트 한다.

from http://jydlove.tistory.com/26 by ccl(A) rewrite - 2020-03-06 10:54:19

댓글

이 블로그의 인기 게시물

스프링 프레임워크(Spring Framework)란?

스프링 프레임워크(Spring Framework)란? "코드로 배우느 스프링 웹 프로젝트"책을 개인 공부 후 자료를 남기기 위한 목적이기에 내용 상에 오류가 있을 수 있습니다. '스프링 프레임워크'가 무엇인지 말 할 수 있고, 해당 프레임워크의 특징 및 장단점을 설명할 수 잇는 것을 목표로합니다. 1. 프레임워크란? 2. 스프링 프레임워크 "뼈대나 근간을 이루는 코드들의 묶음" Spring(Java의 웹 프레임워크), Django(Python의 웹 프레임워크), Flask(Python의 마이크로 웹 프레임워크), Ruby on rails(Ruby의 웹 프레임워크), .NET Framework, Node.js(Express.js 프레임워크) 등등. 프레임워 워크 종류 : 3. 개발 시간을 단축할 수 있다. 2. 일정한 품질이 보장된 결과물을 얻을 수 있다. 1. 실력이 부족한 개발자라 허다러도 반쯤 완성한 상태에서 필요한 부분을 조립하는 형태의 개발이 가능하다. 프레임워크를 사용하면 크게 다음 3가지의 장점 이 있습니다. 프레임워크 이용 한다는 의미 : 프로그램의 기본 흐름이나 구조를 정하고, 모든 팀원이 이 구조에 자신의 코드를 추가하는 방식으로 개발 한다. => 이러한 상황을 극복하기 위한 코드의 결과물이 '프레임워크' 입니다. 개발자는 각 개개인의 능력차이가 크고, 따라서 개발자 구성에 따라서 프로젝트의 결과 차이가 큽니다. 2. 스프링 프레임워크(Spring Framework) 자바 플랫폼을 위한 오픈 소스 애플리케이션 스프링의 다른 프레임워크와 가장 큰 차이점은 다른 프레임워크들의 포용 입니다. 이는 다시말해 기본 뼈대를 흔들지 않고, 여러 종류의 프레임워크를 혼용해서 사용할 수 있다는 점입니다. 대한민국 공공기관의 웹 서비스 개발 시 사용을 권장하고 있는 전자정부 표준프레임워크 이다. 여러 프레임워크들 중 자바(JAV...

[GCP] Flask로 TF 2.0 MNIST 모델 서빙하기

[GCP] Flask로 TF 2.0 MNIST 모델 서빙하기 Google Cloud Platform 우선 TensorFlow 2.0을 설치하자. 머신에 직접 설치하거나 도커를 다운받아 사용, 혹은 구글 colab을 활용( https://www.tensorflow.org/install)하면 되는데, TensorFlow에서 권장하는대로 머신에 VirtualEnv를 활용해서 설치하자 ( https://www.tensorflow.org/install/pip). 설치하는 김에 Flask도 같이 설치해보자. Compute Machine 하나를 생성(크게 부담 없는 예제라 g1 instance)하고, SSH를 연결하여 실행하면 된다. $ sudo apt update $ sudo apt install python3-dev python3-pip $ sudo pip3 install -U virtualenv # 굳이 system-wide로 flask를 설치할 필요는 없지만 그렇게 했다. $ sudo pip3 install flask $ sudo pip3 install flask-restful # virtualenv 환경에서 tensorflow 2.0 설치 $ virtualenv --system-site-packages -p python3 ./venv $ source ./venv/bin/activate # sh, bash, ksh, or zsh (venv) $ pip install --upgrade pip (venv) $ pip install --upgrade tensorflow 모든 환경이 마련되었으니, 우선 MNIST 모델을 TF 2.0으로 Training하여 모델을 Save 해 두자(tf_mnist_train.py). 대략 99% 이상 정확도가 나온다! import tensorflow as tf import numpy as np # 학습 데이터 load ((train_data, train_label), (eval_data, eval_label)) = tf....

Coupang CS Systems 채용 정보: 쿠팡 운용 관리 시스템을 구축 하고...

Coupang CS Systems 채용 정보: 쿠팡 운용 관리 시스템을 구축 하고... Global Operation Technology는 상품을 고객에게 지연 없이 전달 될 수 있도록 하는 조직입니다. 1997년, 초창기 아마존에 입사한다고 상상해보세요. 그 당시 누구도 e-commerce 산업이, 아마존이라는 회사가 지금처럼 성장하리라고는 생각하지 못했을 것입니다. 하지만, 그 당시 아마존을 선택한 사람들은 e-commerce 산업을 개척했고, 아마존을 세계적인 회사로 성장시켰습니다. 2016년 '아시아의 아마존'으로 성장하고 있는 쿠팡, 당신에게 매력적인 선택이 아닐까요? Global Operation Technology: eCommerce에서 주문을 한 뒤 벌어지는 상황에 대해서 호기심을 가져보신 적이 있나요? Global Operation Technology는 상품을 고객에게 지연 없이 전달 될 수 있도록 하는 조직입니다. 매일 최첨단 소프트웨어 기술을 이용해 고객의 주문을 받고 상품을 어느 창고에서 출고 시킬지, 포장을 하나의 박스 또는 여러 개로 나눌 것인지, 어떤 배송 루트를 선택하고 어떻게 고객에게 배송 상태를 보여줄지 결정하는 시스템과 서비스를 개발 합니다. What Global Operations Technology does: CS and C-Returns System 적극적 고객서비스를 바탕으로 고객의 목소리를 통해 끊임없이 고객 에게 서비스를 제공하고 Andon 메커니즘을 통해 고객의 목소리를 회사 전체와 공유합니다. 그리고 고객 문제 해결과 구매 이후 벌어질 수 있는 고객 문제를 사전에 예방하기 위한 시스템 개발을 통해 미래의 상황을 예측 합니다. Tranportation System TSP (Traveling Salesman Problem) 와 같은 CS 최적화 관리 문제를 다룹니다.배송 물품의 실시간 추적, 3P 하드웨어와 소프트웨어를 통합, 각 배송 루트에 할당되는 물량 예측하고 T...