mirror of
https://github.com/trustgraph-ai/trustgraph.git
synced 2026-05-02 11:52:37 +02:00
Fix turtle loader (#407)
This commit is contained in:
parent
8fc8880d51
commit
083702d3d4
1 changed files with 60 additions and 83 deletions
|
|
@ -1,80 +1,68 @@
|
||||||
#!/usr/bin/env python3
|
#!/usr/bin/env python3
|
||||||
|
|
||||||
"""
|
"""
|
||||||
Loads Graph embeddings into TrustGraph processing.
|
Loads triples into the knowledge graph.
|
||||||
|
|
||||||
FIXME: This hasn't been updated following API gateway change.
|
|
||||||
"""
|
"""
|
||||||
|
|
||||||
import pulsar
|
import asyncio
|
||||||
from pulsar.schema import JsonSchema
|
|
||||||
from trustgraph.schema import Triples, Triple, Value, Metadata
|
|
||||||
import argparse
|
import argparse
|
||||||
import os
|
import os
|
||||||
import time
|
import time
|
||||||
import pyarrow as pa
|
|
||||||
import rdflib
|
import rdflib
|
||||||
|
import json
|
||||||
|
from websockets.asyncio.client import connect
|
||||||
|
|
||||||
from trustgraph.log_level import LogLevel
|
from trustgraph.log_level import LogLevel
|
||||||
|
|
||||||
|
default_url = os.getenv("TRUSTGRAPH_URL", 'ws://localhost:8088/')
|
||||||
default_user = 'trustgraph'
|
default_user = 'trustgraph'
|
||||||
default_collection = 'default'
|
default_collection = 'default'
|
||||||
default_pulsar_host = os.getenv("PULSAR_HOST", 'pulsar://localhost:6650')
|
|
||||||
default_pulsar_api_key = os.getenv("PULSAR_API_KEY", None)
|
|
||||||
|
|
||||||
default_output_queue = triples_store_queue
|
|
||||||
|
|
||||||
class Loader:
|
class Loader:
|
||||||
|
|
||||||
def __init__(
|
def __init__(
|
||||||
self,
|
self,
|
||||||
pulsar_host,
|
|
||||||
output_queue,
|
|
||||||
log_level,
|
|
||||||
files,
|
files,
|
||||||
|
flow,
|
||||||
user,
|
user,
|
||||||
collection,
|
collection,
|
||||||
pulsar_api_key=None,
|
document_id,
|
||||||
|
url = default_url,
|
||||||
):
|
):
|
||||||
|
|
||||||
if pulsar_api_key:
|
if not url.endswith("/"):
|
||||||
auth = pulsar.AuthenticationToken(pulsar_api_key)
|
url += "/"
|
||||||
self.client = pulsar.Client(
|
|
||||||
pulsar_host,
|
|
||||||
authentication=auth,
|
|
||||||
logger=pulsar.ConsoleLogger(log_level.to_pulsar())
|
|
||||||
)
|
|
||||||
else:
|
|
||||||
self.client = pulsar.Client(
|
|
||||||
pulsar_host,
|
|
||||||
logger=pulsar.ConsoleLogger(log_level.to_pulsar())
|
|
||||||
)
|
|
||||||
|
|
||||||
self.producer = self.client.create_producer(
|
url = url + f"api/v1/flow/{flow}/import/triples"
|
||||||
topic=output_queue,
|
|
||||||
schema=JsonSchema(Triples),
|
self.url = url
|
||||||
chunking_enabled=True,
|
|
||||||
)
|
|
||||||
|
|
||||||
self.files = files
|
self.files = files
|
||||||
self.user = user
|
self.user = user
|
||||||
self.collection = collection
|
self.collection = collection
|
||||||
|
self.document_id = document_id
|
||||||
|
|
||||||
def run(self):
|
async def run(self):
|
||||||
|
|
||||||
try:
|
try:
|
||||||
|
|
||||||
|
async with connect(self.url) as ws:
|
||||||
for file in self.files:
|
for file in self.files:
|
||||||
self.load_file(file)
|
await self.load_file(file, ws)
|
||||||
|
|
||||||
except Exception as e:
|
except Exception as e:
|
||||||
print(e, flush=True)
|
print(e, flush=True)
|
||||||
|
|
||||||
def load_file(self, file):
|
async def load_file(self, file, ws):
|
||||||
|
|
||||||
g = rdflib.Graph()
|
g = rdflib.Graph()
|
||||||
g.parse(file, format="turtle")
|
g.parse(file, format="turtle")
|
||||||
|
|
||||||
|
def Value(value, is_uri):
|
||||||
|
return { "v": value, "e": is_uri }
|
||||||
|
|
||||||
|
triples = []
|
||||||
|
|
||||||
for e in g:
|
for e in g:
|
||||||
s = Value(value=str(e[0]), is_uri=True)
|
s = Value(value=str(e[0]), is_uri=True)
|
||||||
p = Value(value=str(e[1]), is_uri=True)
|
p = Value(value=str(e[1]), is_uri=True)
|
||||||
|
|
@ -83,20 +71,25 @@ class Loader:
|
||||||
else:
|
else:
|
||||||
o = Value(value=str(e[2]), is_uri=False)
|
o = Value(value=str(e[2]), is_uri=False)
|
||||||
|
|
||||||
r = Triples(
|
req = {
|
||||||
metadata=Metadata(
|
"metadata": {
|
||||||
id=None,
|
"id": self.document_id,
|
||||||
metadata=[],
|
"metadata": [],
|
||||||
user=self.user,
|
"user": self.user,
|
||||||
collection=self.collection,
|
"collection": self.collection
|
||||||
),
|
},
|
||||||
triples=[ Triple(s=s, p=p, o=o) ]
|
"triples": [
|
||||||
)
|
{
|
||||||
|
"s": s,
|
||||||
|
"p": p,
|
||||||
|
"o": o,
|
||||||
|
}
|
||||||
|
]
|
||||||
|
}
|
||||||
|
|
||||||
self.producer.send(r)
|
await ws.send(json.dumps(req))
|
||||||
|
|
||||||
def __del__(self):
|
print(req)
|
||||||
self.client.close()
|
|
||||||
|
|
||||||
def main():
|
def main():
|
||||||
|
|
||||||
|
|
@ -106,9 +99,15 @@ def main():
|
||||||
)
|
)
|
||||||
|
|
||||||
parser.add_argument(
|
parser.add_argument(
|
||||||
'-p', '--pulsar-host',
|
'-u', '--api-url',
|
||||||
default=default_pulsar_host,
|
default=default_url,
|
||||||
help=f'Pulsar host (default: {default_pulsar_host})',
|
help=f'API URL (default: {default_url})',
|
||||||
|
)
|
||||||
|
|
||||||
|
parser.add_argument(
|
||||||
|
'-i', '--document-id',
|
||||||
|
required=True,
|
||||||
|
help=f'Document ID)',
|
||||||
)
|
)
|
||||||
|
|
||||||
parser.add_argument(
|
parser.add_argument(
|
||||||
|
|
@ -118,37 +117,17 @@ def main():
|
||||||
)
|
)
|
||||||
|
|
||||||
parser.add_argument(
|
parser.add_argument(
|
||||||
'--pulsar-api-key',
|
'-U', '--user',
|
||||||
default=default_pulsar_api_key,
|
|
||||||
help=f'Pulsar API key',
|
|
||||||
)
|
|
||||||
|
|
||||||
parser.add_argument(
|
|
||||||
'-o', '--output-queue',
|
|
||||||
default=default_output_queue,
|
|
||||||
help=f'Output queue (default: {default_output_queue})'
|
|
||||||
)
|
|
||||||
|
|
||||||
parser.add_argument(
|
|
||||||
'-u', '--user',
|
|
||||||
default=default_user,
|
default=default_user,
|
||||||
help=f'User ID (default: {default_user})'
|
help=f'User ID (default: {default_user})'
|
||||||
)
|
)
|
||||||
|
|
||||||
parser.add_argument(
|
parser.add_argument(
|
||||||
'-c', '--collection',
|
'-C', '--collection',
|
||||||
default=default_collection,
|
default=default_collection,
|
||||||
help=f'Collection ID (default: {default_collection})'
|
help=f'Collection ID (default: {default_collection})'
|
||||||
)
|
)
|
||||||
|
|
||||||
parser.add_argument(
|
|
||||||
'-l', '--log-level',
|
|
||||||
type=LogLevel,
|
|
||||||
default=LogLevel.ERROR,
|
|
||||||
choices=list(LogLevel),
|
|
||||||
help=f'Output queue (default: info)'
|
|
||||||
)
|
|
||||||
|
|
||||||
parser.add_argument(
|
parser.add_argument(
|
||||||
'files', nargs='+',
|
'files', nargs='+',
|
||||||
help=f'Turtle files to load'
|
help=f'Turtle files to load'
|
||||||
|
|
@ -160,16 +139,15 @@ def main():
|
||||||
|
|
||||||
try:
|
try:
|
||||||
p = Loader(
|
p = Loader(
|
||||||
pulsar_host=args.pulsar_host,
|
document_id = args.document_id,
|
||||||
pulsar_api_key=args.pulsar_api_key,
|
url = args.api_url,
|
||||||
output_queue=args.output_queue,
|
flow = args.flow_id,
|
||||||
log_level=args.log_level,
|
|
||||||
files = args.files,
|
files = args.files,
|
||||||
user = args.user,
|
user = args.user,
|
||||||
collection = args.collection,
|
collection = args.collection,
|
||||||
)
|
)
|
||||||
|
|
||||||
p.run()
|
asyncio.run(p.run())
|
||||||
|
|
||||||
print("File loaded.")
|
print("File loaded.")
|
||||||
break
|
break
|
||||||
|
|
@ -181,6 +159,5 @@ def main():
|
||||||
|
|
||||||
time.sleep(10)
|
time.sleep(10)
|
||||||
|
|
||||||
print("Not implemented.")
|
main()
|
||||||
#main()
|
|
||||||
|
|
||||||
|
|
|
||||||
Loading…
Add table
Add a link
Reference in a new issue