Сервис использует AWS Kubernetes для управления всеми контейнерами в своей среде, поэтому мы встроили в эту архитектуру наш бэкэнд Nest.js.
Первоначальное развертывание с использованием AWS Kubernetes было разработано на ранней стадии проекта, поэтому команде пришлось быстро узнать о нем больше и успешно выполнить развертывание в течение 3 недель.
Некоторые члены команды впервые работали с GraphQL и Google Cloud API (такими как BigQuery).
Создание процесса единого входа (SSO), который позволяет пользователям беспрепятственно перемещаться между пользовательским интерфейсом Galileo, RoadIQ, JupyterHub и Google Cloud без необходимости повторного входа в систему на каждой границе приложения.
Создание бессерверного адаптера на основе Google Cloud Functions для существующего устройства загрузки данных, которое позволяло пользователям получать данные и создавать модели из данных локальных файлов, а не только из таблиц BigQuery.
Данные, необходимые для пользовательского интерфейса, были распределены между множеством источников — таблицами BigQuery, облачными функциями, базой данных Postgres, Auth0.
Мы разработали GraphQL API для взаимодействия с пользовательским интерфейсом, который агрегирует данные из этих источников.
Интеграция сложных данных об автомобилях и сегментах дорог
в настраиваемый инструмент предварительного просмотра сегментов дорог, где мы показываем интерактивные карты просмотра улиц и местности, а также сами необработанные данные
Загрузка сложных наборов данных в интеграцию Kepler.gl, обеспечивающую представление транспортных событий на основе местоположения/времени