Planetary Computer APIs 项目使用教程
2025-04-17 10:19:14作者:范垣楠Rhoda
1. 项目的目录结构及介绍
Planetary Computer APIs 是一个开源项目,其目录结构如下:
.
├── .github/ # GitHub 相关配置文件
├── auxiliary/ # 辅助脚本和配置
├── deployment/ # 部署相关的配置和脚本
├── docs/ # 项目文档
├── nginx/ # NGINX 配置文件
├── pccommon/ # Planetary Computer 公共模块
├── pcfuncs/ # Planetary Computer 函数模块
├── pcstac/ # Planetary Computer STAC API 模块
├── pctiler/ # Planetary Computer Tiler 模块
├── pgstac/ # PostgreSQL STAC 模块
├── scripts/ # 项目构建和测试脚本
├── .flake8 # Flake8 Python 代码风格检查配置
├── .gitignore # Git 忽略文件
├── .isort.cfg # isort Python 代码排序配置
├── CHANGELOG.md # 项目更新日志
├── CODE_OF_CONDUCT.md # 项目行为准则
├── LICENSE # 项目许可证
├── README.md # 项目说明文件
├── SECURITY.md # 项目安全策略
├── SUPPORT.md # 项目支持说明
├── azure-pipelines.yml # Azure pipelines 配置
├── docker-compose.dev.yml # Docker Compose 开发环境配置
├── docker-compose.yml # Docker Compose 配置
├── mypy.ini # MyPy Python 类型检查配置
├── pc-funcs.dev.env # Planetary Computer 函数开发环境配置
├── pc-stac.dev.env # Planetary Computer STAC API 开发环境配置
├── pc-tiler.dev.env # Planetary Computer Tiler 开发环境配置
├── pytest.ini # Pytest 测试配置
├── requirements-dev.txt # 开发环境依赖
每个目录和文件的作用如下:
.github/:存放 GitHub Actions 工作流文件等。auxiliary/:包含辅助脚本和配置文件,如代理配置等。deployment/:包含在 Azure 云环境中部署服务的相关配置和脚本。docs/:存放项目的文档。nginx/:包含 NGINX 服务的配置文件。pccommon/:包含 Planetary Computer 的公共模块代码。pcfuncs/:包含 Planetary Computer 的 Azure 函数模块。pcstac/:包含 Planetary Computer STAC API 的代码。pctiler/:包含 Planetary Computer Tiler 的代码。pgstac/:包含 PostgreSQL STAC 相关的代码。scripts/:包含项目的构建、测试和部署脚本。- 其他文件:包括代码风格、Git 忽略规则、许可证、项目说明等。
2. 项目的启动文件介绍
项目的启动主要依赖于 scripts 目录下的脚本,以下是主要启动文件的介绍:
setup:用于初始化项目,包括构建 Docker 容器、应用数据库迁移和加载开发数据。update:用于在项目代码更新后,重新构建 Docker 镜像。server:用于启动本地开发环境中的所有服务,包括数据库、STAC API、Tiler、Azure Functions 等。test:用于运行项目的测试用例。
3. 项目的配置文件介绍
项目的配置主要通过以下文件进行:
docker-compose.yml:定义了项目所需的 Docker 服务,包括数据库、应用服务器等。docker-compose.dev.yml:定义了开发环境中使用的 Docker 服务配置,可能包括额外的服务或不同的环境变量。.env文件:在auxiliary/目录下的.env文件包含了开发环境中的环境变量设置,如数据库连接信息、API 密钥等。
这些配置文件是项目运行过程中不可或缺的部分,确保了项目在不同环境下的一致性和稳定性。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
893
676
暂无简介
Dart
802
199
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
350
203
昇腾LLM分布式训练框架
Python
118
147
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781