模拟数据生成器服务

这是一个用于生成多种模拟数据的服务系统，支持创建多个独立的数据对象，并通过REST API提供数据访问。系统基于配置文件进行设置，无需编程即可定制各种数据生成行为。

核心功能

• 多对象支持：同时管理多个独立的数据对象
• 可配置的数据生成：支持随机、步进、订单和求和四种数据生成模式
• RESTful API：基于FastAPI的现代化API设计
• 历史数据：为每个对象保存历史数据记录
• 配置文件驱动：通过JSON配置文件进行所有设置
• Docker容器化：支持Docker容器部署
• 外部配置：支持将配置文件放在Docker镜像外部，便于修改

数据类型介绍

1. 随机数据 (random)

生成在指定范围内随机变化的数据值。

• 特有参数：
  • base_value：基础值
  • update_range：每次更新的变化范围 [最小变化量, 最大变化量]
  • min_value/max_value：值的上下限

2. 步进数据 (step)

按预设值列表按顺序生成数据。

• 特有参数：
  • values：值列表，如 [10, 20, 30, 40]
  • dwell_time：每个值停留的时间(秒)
  • loop：是否循环，为true时循环生成，为false时到达列表末尾后保持最后一个值

3. 订单数据 (order)

生成模拟订单数据，包含订单号、时间、地点和算力需求量。

• 特有参数：
  • order_id_base：订单号基础值
  • id_increment_range：每次订单号增加的范围 [最小增量, 最大增量]
  • locations：可选的地点列表
  • power_demand_range：算力需求量范围 [最小值, 最大值]
  • interval_range：生成新订单的时间间隔范围（秒）[最小间隔, 最大间隔]
  • history_limit：保存的历史订单数量，默认为20

4. 求和数据 (sum)

计算多个指定数据源的当前值的总和。

• 特有参数：
  • source_objects：源数据对象名称列表，如 ["温度传感器", "压力传感器"]
  • update_interval：更新间隔（秒），默认为5.0
  • history_limit：保存的历史数据点数量
  • description：可选的描述信息

配置文件说明

系统使用config.json文件存储所有配置，结构如下：

{
  "global_settings": {
    "api_port": 8000,
    "api_host": "0.0.0.0"
  },
  "objects": {
    "对象名称1": {
      "data_type": "random或step或order或sum",
      "其他配置参数..."
    },
    "对象名称2": {
      "数据配置..."
    }
  }
}

重要提示：系统仅在启动时读取配置文件，修改配置后需要重启服务生效。

API使用指南

系统提供以下主要API接口：

基础API

• GET /：获取服务基本信息
• GET /api/objects：获取所有数据对象列表

数据API

• GET /api/data/{object_name}：获取指定对象的当前数据
• GET /api/data：获取所有对象的当前数据
• GET /api/data/{object_name}/history?count={count}：获取指定对象的历史数据，可选参数count指定获取数量
• GET /api/orders/{object_name}?count={count}：获取指定订单对象的订单数据，可选参数count指定获取数量（默认10条）
• GET /api/sum/{object_name}/sources：获取指定求和对象的所有源数据

配置API（只读）

• GET /api/config/global：获取全局配置
• GET /api/config/{object_name}：获取指定对象的配置
• GET /api/config：获取所有对象的配置

快速入门

使用Docker（推荐）

1. 克隆本仓库或下载源代码：

   git clone https://github.com/your-username/data-simulator.git
   cd data-simulator

2. 创建配置目录并准备配置文件：

   mkdir -p config
   cp config.json config/

3. 根据需要编辑config/config.json配置文件，定制数据对象。

4. 使用Docker Compose构建并启动服务：

   docker-compose up -d

5. 访问API：

   • API文档：http://localhost:8000/docs
   • 基本信息：http://localhost:8000/

配置文件挂载

Docker容器会从/config/config.json路径读取配置文件。通过Docker Compose，我们将本地的./config目录挂载到容器的/config目录，这样您可以在不重新构建镜像的情况下修改配置。

修改配置后，只需重启容器即可应用新配置：

docker-compose restart

手动安装

1. 确保安装了Python 3.8或以上版本。

2. 克隆本仓库或下载源代码：

   git clone https://github.com/your-username/data-simulator.git
   cd data-simulator

3. 安装依赖：

   pip install -r requirements.txt

4. 编辑config.json配置文件，根据需要定制数据对象。

5. 运行服务：

   python main.py

6. 访问API：

   • API文档：http://localhost:8000/docs
   • 基本信息：http://localhost:8000/

最佳实践

1. 合理设置更新频率：根据实际需求设置合适的更新频率，避免过于频繁的更新
2. 合理使用循环设置：步进数据的loop属性可控制是否循环生成数据
3. 配置文件管理：修改配置后需重启服务，建议保留配置文件备份
4. 历史数据限制：系统默认只保留最近200个数据点，请适时获取历史数据
5. 容器化管理：使用Docker可以方便地管理服务，并确保环境一致性
6. 外部配置：将配置文件放在Docker镜像外部，便于修改和管理
7. 订单数据获取：使用专用的订单API接口获取订单数据，可以指定获取的数量
8. 求和数据配置：为求和数据类型指定正确的源数据对象，确保源对象先于求和对象定义

开发与扩展

如需扩展系统功能，可以关注以下几个核心类：

• ConfigManager：负责配置管理
• DataGenerator：负责数据生成
• DataObjectManager：负责管理多个数据对象
• api_server.py：API接口实现

许可证

MIT