Integrantes:

Eduardo Lucas Felippa               20.01913-0
Felipe Rodrigues Peixoto da Silva   21.00127-8
João Pedro Soares dos Santos        21.00410-2
Kaiven Yang Su                      20.02146-0
Nathan Zanoni da Hora               21.01208-3

Sistema Geral de Classificação

Um sistema voltado para classificação de imagens que poderão, em seguida, ser utilizadas para alimentar o treinamento de uma inteligência artificial. Com uma implementação utilizando arquitetura de microsserviços e o RabbitMQ para mensageria, o sistema é robusto e o funcionamento de seus módulos é, em geral, independente.

Além do contêiner com o RabbitMQ, para cada microsserviço há um contêiner docker contendo a aplicação e outro com seu banco de dados postgres, sendo todos orquestrados com Kubernetes. O sistema usa "persistent volumes" para manter os dados salvos mesmo após eventuais remoções de contêineres.

A aplicação permite o cadastro e login de vários usuários e administradores. Possui uma interface (para administradores) para selecionar fotos e fazer upload, sendo os arquivos salvos no backend. Então, os vários usuários podem acessar o sistema em paralelo e realizar as classificações, que são armazenadas em um banco de dados Postgres. Por fim, uma interface de validação permite que os administradores examinem todas classificações armazenadas.

Passo a Passo para Execução

Clone o Repositório

Abra o terminal e execute o seguinte comando para clonar o repositório do projeto (manter o nome padrão da pasta criada pelo clone):

git clone https://github.com/4-ANO-COMP-IMT/IntelliJIDEAUltimate.git

Execução do Back-end

Dentro da pasta mss, acesse cada um dos 4 serviços: AuthService, ClassificationService, ImageService e RegisterUserService:

1. Crie os arquivos .env em cada mss, copiando do .env.example
2. Colocar o Docker Desktop em execução
3. Abrir um terminal no diretorio IntelliJIDEAUltimate
4. Executar docker compose build para criar as imagens docker
5. Executar kubectl apply -f k8s-pv-creation.yaml
6. Executar kubectl apply -f k8s.yaml

Execução do Front-end

1. Acessar a pasta do front-end (executar na raiz do projeto):

cd ./apps/frontend-temp

2. Baixar dependências:

npm i

3. Inicie o front-end com o comando:

npm run start

• Em um novo terminal (sem fechar o anterior):

1. Acessar a pasta frontend_flutter:

cd ./frontend_flutter

2. Baixar dependências:

flutter pub get

3. Executar: flutter run --web-port=59963
   • Seguir o prompt do terminal, selecionando um browser para abrir a aplicação