Enunciado: Criar um pipeline de dados que processa leituras de temperatura de dispositivos IoT e armazena em um banco de dados PostgreSQL utilizando Docker.
Etapas do Pipeline:
- Geração de Dados: Sensores IoT (ou simulação) enviam leituras de temperatura.
- Processamento & Armazenamento: Python recebe os dados e os insere no PostgreSQL.
- Visualização: Streamlit para visualização e analise dos dados.
Tecnologias Utilizadas:
- PostgreSQL (armazenamento)
- Docker (Container para aplicação )
- Python + SQLAlchemy (processamento e ingestão)
- Streamlit (Visualização dos dados)
- Biblioteca Os (Para leitura dos arquivos)
- Poetry (Para gerenciar dependencias )
Conclusão: O desenvolvimento de um pipeline de dados para processar leituras de temperatura de dispositivos IoT e armazená-las em um banco de dados PostgreSQL utilizando Docker demonstrou a importância da integração eficiente entre sensores, comunicação, processamento e persistência de dados. A implementação permitiu a coleta, transformação e armazenamento contínuo das informações, garantindo confiabilidade e escalabilidade para futuras expansões. Além disso, o uso do Docker para o banco de dados trouxe vantagens como isolamento do ambiente, facilidade de implantação e portabilidade, simplificando o gerenciamento da infraestrutura. A solução desenvolvida abre espaço para aprimoramentos, como a inclusão de monitoramento em tempo real, a visualização dos dados para melhor tomada de decisão