ium/IUM_10.DVC.ipynb

{
 "cells": [
  {
   "cell_type": "markdown",
   "id": "7fe475ae",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "![Logo 1](https://git.wmi.amu.edu.pl/AITech/Szablon/raw/branch/master/Logotyp_AITech1.jpg)\n",
    "<div class=\"alert alert-block alert-info\">\n",
    "<h1> Inżynieria uczenia maszynowego </h1>\n",
    "<h2> 10. <i>DVC</i>  [laboratoria]</h2> \n",
    "<h3> Tomasz Ziętkiewicz (2023)</h3>\n",
    "</div>\n",
    "\n",
    "![Logo 2](https://git.wmi.amu.edu.pl/AITech/Szablon/raw/branch/master/Logotyp_AITech2.jpg)"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "0c6f27a5",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "<img src=\"img/expcontrol/dvc-logo.png\">"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "560eec71",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## DVC - Data Version Control\n",
    "- [dvc.org](https://dvc.org/)\n",
    "- \"Version Control System for Machine Learning Projects\" (System kontroli wersji dla projektów uczenia maszynowego)\n",
    "- Open Source\n",
    "- Umożliwia:\n",
    "  - wersjonowanie danych i modeli. \"Git dla danych i modeli\"\n",
    "  - budowanie potoków (\"pipeline\") definiujących jak budować/trenować/ewaluować modele. \"Makefile dla uczenia maszynowego\"\n",
    "  - śledzenie, porównywanie metryk i parametrów\n",
    "- ściśle zintegowany z gitem\n",
    "- działa niezależnie od używanego języka/bibliotek i systemu operacyjnego\n",
    "- 5-minutowe wprowadzenie: https://www.youtube.com/watch?v=UbL7VUpv1Bs&t=197s"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "3d4ce1cb",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## Śledzenie plików za pomocą DVC\n",
    " - dużymi plikami, takimi jak plikami z danymi wejściowymi czy plikami modeli, trudno zarządza się za pomocą gita, ze względu na problemy z:\n",
    "   - wydajnością\n",
    "   - przestrzenią w repozytorium\n",
    "   - ograniczenia ze strony serwisu (np. [limit 100 MB na plik w Github](https://docs.github.com/en/repositories/working-with-files/managing-large-files/about-large-files-on-github))\n",
    " - Git posiada rozszerzenie [lfs(Large File Storage)](https://git-lfs.github.com/), które stanowi pewne rozwiązanie tego problemu. \n",
    "   - Same pliki przechowywane są na specjalnym zdalnym serwerze, w repozytorium przechowywane są jedynie odnośniki do tych plików i pewne metadane\n",
    "   - Github ma zintegrowany LFS z [limitem 1GB dla kont bezpłatnych](https://docs.github.com/en/repositories/working-with-files/managing-large-files/about-storage-and-bandwidth-usage)"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "dd8e529b",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    " - DVC proponuje podobne podejście co LFS, ale:\n",
    "   - pliki mogą być przechowywane na niemal dowolnym serwerze, również lokalnie\n",
    "   - brak limitu wielkości plików (w Git-LFS na Github [limit 2GB](https://docs.github.com/en/repositories/working-with-files/managing-large-files/about-git-large-file-storage))\n",
    "   - DVC zapewnia dodatkowe narzędzie umożliwiające śledzenie plików i ich powiązań z  wynikami eksperymentów\n",
    "   - więcej, patrz [tutaj](https://dvc.org/doc/user-guide/related-technologies)"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "9bfb356e",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## Instalacja i inicjalizacja\n",
    " - https://dvc.org/doc/install\n",
    " - ```pip(x) install dvc``` albo:\n",
    " - ```conda install dvc```"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "054c7a11",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "outputs": [],
   "source": [
    "!pip3 install dvc"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "20975d62",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "Stwórzmy katalog, w którym będziemy przechowywać nasz projekt:"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "4d94e912",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [],
   "source": [
    "!rm -r -f IUM_10/sample-ml-project-2023\n",
    "!mkdir -p IUM_10/sample-ml-project-2023"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "aae59ec2",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [],
   "source": [
    "#Jupyter notebook magic https://ipython.readthedocs.io/en/stable/interactive/magics.html#magic-cd\n",
    "%cd \"IUM_10/sample-ml-project-2023\""
   ]
  },
  {
   "cell_type": "markdown",
   "id": "199c0d92",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "Inicjalizujemy puste repozytorium Git (możemy też pominąć ten krok i działać w istniejącym już repozytorium)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "c13c525b",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [],
   "source": [
    "!git init"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "c7155369",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "Teraz inicjalizujemy repozytorium DVC:"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "44f28226",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [],
   "source": [
    "!dvc init"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "00bc72ed",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "Zobaczmy jakie pliki dodał (również do repozytorium git) DVC.\n",
    "Ich opis znajdziemy tutaj: https://dvc.org/doc/user-guide/project-structure/internal-files"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "d1aefe16",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [],
   "source": [
    "!git status"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "b16a62e6",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "source": [
    "- `.dvc/config` - główny plik konfiguracyjny dvc\n",
    "- `.dvc/config.local` - nadpisuje wartości z `config`, do lokalnych zmian nie commitowanych do repo\n",
    "- `.dvc/.gitignore` - pliki dvc, które nie mają znaleźć się w repo\n",
    "- `.dvcignore` - dvc pomija pliki zdefiniowane w tym pliku (np. aby poprawić wydajność)"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "72e0a272",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "Możemy teraz zacommitować zmiany w git:"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "59780e99",
   "metadata": {
    "scrolled": true,
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [],
   "source": [
    "!git commit -m \"Initial commit\""
   ]
  },
  {
   "cell_type": "markdown",
   "id": "a8861abe",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "Przygotujmy przykładowe dane, pobierając je z Kaggle:"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "f05ece1b",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [],
   "source": [
    "!kaggle datasets download -d uciml/iris\n",
    "!unzip -o iris.zip\n",
    "!rm database.sqlite iris.zip\n",
    "!mkdir -p data\n",
    "!mv Iris.csv data/"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "adb9a522",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "Teraz dodamy plik(i) z danymi do DVC:"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "74d182c7",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [],
   "source": [
    "!dvc add data/Iris.csv"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "72c6b5d0",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    " - DVC utworzył plik `data/Iris.csv.dvc` i dadał oryginalny plik do `.gitignore`\n",
    " - W repozytorium będzie obecny tylko plik `*.dvc`, zawierający odnośnik do prawdziwego pliku"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "74d54652",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [],
   "source": [
    "!git status -u"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "8589fecf",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "Dodajmy pliki `data/Iris.csv.dvc data/.gitignore` do repozytorium git, zgodnie z sugestią DVC:"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "460c4a17",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [],
   "source": [
    "!git add data/Iris.csv.dvc data/.gitignore"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "80644077",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [],
   "source": [
    "!git commit -m \"Dodano dane IRIS (DVC)\""
   ]
  },
  {
   "cell_type": "markdown",
   "id": "03899863",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "Plik `*.dvc` zawiera m.in. hash pliku. Więcej o plikach `*.dvc`: [link](https://dvc.org/doc/user-guide/project-structure/dvc-files)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "8cb2ba7c",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [],
   "source": [
    "# %load data/Iris.csv.dvc\n"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "0b421d45",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "Oryginalny plik `Iris.csv` został przeniesiony do katalogu ./dvc/cache/{wartość hash pliku) i podlinkowany z powrotem do oryginalnej lokalizacji. Sposób tworzenia linków może być [różny w zależności od systemu plików](https://dvc.org/doc/user-guide/large-dataset-optimization)."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "1d471f3a",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [],
   "source": [
    "!ls -l .dvc/cache/71"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "32531aa8",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [],
   "source": [
    "!head -n 3 .dvc/cache/71/7820ef0af287ff346c5cabfb4c612c"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "2396c762",
   "metadata": {},
   "outputs": [],
   "source": [
    "!git remote add origin git@git.wmi.amu.edu.pl:tzietkiewicz/sample-ml-project.git\n",
    "!git push --set-upstream origin main"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "901e8e90",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## dvc remote\n",
    " - żeby wysłać właściwe pliki śledzone przez DVC do zdalnej lokalizacji (z której będą mogłby być pobrane np. przez system CI albo innych użytkowników) musimy mieć skonfigurowaną taką lokazliację\n",
    " - służy do tego polecenie [`dvc remote add`](https://dvc.org/doc/command-reference/remote/add)\n",
    " - użyjemy lokalnego \"remote\". Tutaj będzie to po prostu utworzony wcześniej katalog `/dvcstore`. Taki katalog istnieje też na naszym Jenkinsie, oczywiście należy go podmontować w Dockerze\n",
    " - w realnych zastosowaniach podalibyśmy tutaj ścieżkę do jakiegoś zasobu dostępnego przez inernet jak np. serwer SFTP, ścieżka do AWS S3 itp."
   ]
  },
  {
   "cell_type": "markdown",
   "id": "53429521",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "Obsługiwane typy zdalnych lokalizacji (remotes): https://dvc.org/doc/command-reference/remote/add#supported-storage-types\n",
    " - Amazon S3\n",
    " - S3-compatible storage\n",
    " - Microsoft Azure Blob Storage\n",
    " - Google Drive\n",
    " - Google Cloud Storage\n",
    " - Aliyun OSS\n",
    " - SSH\n",
    " - HDFS\n",
    " - WebHDFS\n",
    " - HTTP\n",
    " - WebDAV\n",
    " - local remote"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "507e3a09",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "#### Dodawanie remote typu local"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "a16f2bfa",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [],
   "source": [
    "!dvc remote add -d my_local_remote /dvcstore"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "9c3deeaf",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [],
   "source": [
    "!git status"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "899eac7d",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [],
   "source": [
    "!git add .dvc/config\n",
    "!git commit -m \"Added DVC remote\""
   ]
  },
  {
   "cell_type": "markdown",
   "id": "8c556c96",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## dvc push\n",
    "Kiedy mamy już skonfigurowany \"remote\" możemy wypchnąć do niego pliki korzystając z polecenia `dvc push`:"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "c7f24f75",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [],
   "source": [
    "!dvc push"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "8a355575",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [],
   "source": [
    "!tree /dvcstore"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "af59ecb3",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## dvc pull\n",
    "Żeby pobrać dane z DVC (np. w innej lokalizacji, przez innego użytkownika), musimy:\n",
    " - sklonować repozytorium git (żeby m.in. pobrać pliki `*.dvc`\n",
    " - wykonać `dvc pull`"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "9fa914a7",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "Dodawanie nowych plików i modyfikacja istniejących wygląda podobnie jak przy zwykłych plikach śledzonych przez  git, tylko zamiast `git` używamy polecenia `dvc` a dodatkowo pamiętamy o zarządzaniu plikami `*.dvc` za pomocą gita:"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "dde39796",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [],
   "source": [
    "!head -n -1 data/Iris.csv | sponge data/Iris.csv"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "7f14ec60",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [],
   "source": [
    "!git status"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "8a841039",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [],
   "source": [
    "!dvc status"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "bf6c1067",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "outputs": [],
   "source": [
    "!dvc add data/Iris.csv"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "4a4865c9",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "outputs": [],
   "source": [
    "!git add data/Iris.csv.dvc\n",
    "!git commit -m \"Removed last line from Iris dataset\"\n"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "05e2d320",
   "metadata": {},
   "outputs": [],
   "source": [
    "!wc -l .dvc/cache/*/*"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "d710977c",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "### dvc checkout\n",
    "  - Polecenia `dvc checkout` używamy razem z `git checkout`, żeby zmienić branch, na którym pracujemy.\n",
    "  - DVC podmieni wersje plików śledzonych przez siebie na pochodzące z innego brancha (o ile pliki te się różnią i różnią się pliki `*.dvc` w odpowiednich branchach\n",
    "  - zmiana brancha przez git powoduje (ewentualną) zmianę plików `*.dvc` a `dvc checkout` kopiuje/linkuje pliki z katalogu `.dvc/cache` o wartościach hash odpowiadających tym z plików `*.dvc`"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "5897e8eb",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## Wymiana danych między projektami\n",
    " - za pomocą poleceń `dvc import` i `dvc update` możemy dodać i później aktualizować pliki śledzone przez DVC w innym repozytorium"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "9b018146",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "outputs": [],
   "source": [
    "!dvc import https://github.com/iterative/dataset-registry \\\n",
    "             get-started/data.xml -o data/data.xml"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "be2c1a37",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "outputs": [],
   "source": [
    "!dvc status"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "3306c5b7",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "outputs": [],
   "source": [
    "ls -l data"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "b73c56ea",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "outputs": [],
   "source": [
    "# %load data/data.xml.dvc\n",
    "md5: 9d5921765bfba6c2c7e4c780c66edaa0\n",
    "frozen: true\n",
    "deps:\n",
    "- path: get-started/data.xml\n",
    "  repo:\n",
    "    url: https://github.com/iterative/dataset-registry\n",
    "    rev_lock: 08c38bbea04e4f9e2130615dd679309ed0e11a72\n",
    "outs:\n",
    "- md5: 22a1a2931c8370d3aeedd7183606fd7f\n",
    "  size: 14445097\n",
    "  path: data.xml\n"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "db1063ac",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## DVC pipelines\n",
    " - wprowadzenie: https://youtu.be/71IGzyH95UY\n",
    " - Getting started: https://dvc.org/doc/start/data-pipelines\n",
    " - dvc pipelines pozwala nam zbudować (za pomocą polecenie `dvc run`) lub zdefiniować (edytując plik `dvc.yaml`) graf zależności między krokami wykonywanymi w naszym projekcie (takimi jak \"przygotowanie danych\", \"trenowanie\", \"ewaluacja\")\n",
    "  - tak zdefiniowany pipeline można potem uruchomić za pomocą polecenia `dvc reproduce`"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "e2939867",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## Zadania [10+10 pkt]\n",
    "1. Zainicjalizuj repozytorium DVC wewnątrz Twojego repozytorium z projektem [1pkt]\n",
    "2. Dodaj plik(i) z danymi w Twoim projekcie do DVC [1pkt]\n",
    "3. Skonfiguruj remote (dane do konfiguracji podane poniżej) [3pkt]\n",
    "4. Stwórz/zdefiniuj i dodaj do repozytorium plik `dvc.yaml` opisujący kroki wykonywane w Twoim projekcie. Wydziel przynajmniej 2 kroki (np. przygotowanie danych/trenowanie) powiązane ze sobą za pomocą zależności (skorzystaj z \n",
    "materiałów \"Getting started\", link powyżej) [10pkt (opcjonalne)]\n",
    "5. Stwórz projekt na Jenkinsie (`s1233456-dvc`), w którym sklonujesz repozytorium, ściągniesz pliki dvc (za pomocą `dvc pull`) i uruchomisz pipeline (za pomocą `dvc reproduce`) [5pkt]"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "2f5a8590",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## SSH remote\n",
    "Jednym z remote obsługiwanych przez DVC jest SFTP/SSH.\n",
    "W celu jego wykorzystania na serwerze tzietkiewicz.vm.wmi.amu.edu.pl utworzony został użytkownik `ium-sftp` i skonfigurowany serwer SFTP.\n",
    "Został też dla niego wygenerowany klucz ssh, który został dodany jako \"Jenkins credential\" (patrz opis konfiguracji na Jenkins poniżej)"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "82a61107",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "### Lokalnie\n",
    "Będziemy potrzebować zależności ([szczegóły](https://dvc.org/doc/command-reference/remote/add))\n",
    "  \n",
    "  `conda install dvc-ssh` \n",
    "\n",
    "albo\n",
    "\n",
    "`pip install dvc[ssh] paramiko`"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "c48c5b8e",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "Collecting package metadata (current_repodata.json): done\n",
      "Solving environment: \\ "
     ]
    }
   ],
   "source": [
    "conda install -c conda-forge dvc-ssh"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "9662b7aa",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [],
   "source": [
    "## Poniższe są potrzebne, żeby polecania dvc remote działały:\n",
    "!sudo apt install libssl3 libffi7"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "04c41da0",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "Dodajemy remote:"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "e9a04876",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [],
   "source": [
    "!dvc remote add -f -d ium_ssh_remote ssh://ium-sftp@tzietkiewicz.vm.wmi.amu.edu.pl"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "e3f27bbb",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [],
   "source": [
    "!dvc remote list"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "c92edd7b",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "Zapisujemy hasło:"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "5b2fa175",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [],
   "source": [
    "!dvc remote modify --local ium_ssh_remote password IUM@2021"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "8b83049b",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "Pushujemy do skonfigurowanego remote:"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "ea6e16fa",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [],
   "source": [
    "!dvc push"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "1468c44c",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "### Jenkins\n",
    "\n",
    "W Jenkins można użyć mechanizmu \"Credentials\", żeby w bezpieczny sposób przekazać hasło albo klucz prywatny.\n",
    "\n",
    "Takie dane dla użytkownika ium-sftp zostały stworzone na Jenkinsie:\n",
    "\n",
    " - typu ssh key: https://tzietkiewicz.vm.wmi.amu.edu.pl:8081/credentials/store/system/domain/_/credential/48ac7004-216e-4260-abba-1fe5db753e18/\n",
    " - typu \"secret text\" - zawierający hasło użytkownika ium-shftp: https://tzietkiewicz.vm.wmi.amu.edu.pl:8081/credentials/store/system/domain/_/credential/ium-sftp-password/\n",
    "\n",
    "Opis używania \"Credentials\" w Jenkinsfile: https://www.jenkins.io/doc/book/pipeline/jenkinsfile/#for-other-credential-types\n",
    "\n",
    "Klucza ssh można użyć tak: \n",
    "\n",
    "```Jenkinsfile\n",
    "withCredentials(\n",
    "    [sshUserPrivateKey(credentialsId: '48ac7004-216e-4260-abba-1fe5db753e18', keyFileVariable: 'IUM_SFTP_KEY', passphraseVariable: '', usernameVariable: '')]) {\n",
    "                sh 'dvc remote add -d ium_ssh_remote ssh://ium-sftp@tzietkiewicz.vm.wmi.amu.edu.pl/ium-sftp'\n",
    "                sh 'dvc remote modify --local ium_ssh_remote keyfile $IUM_SFTP_KEY'\n",
    "                sh 'dvc pull'}\n",
    "```\n",
    "\n",
    "Secret text tak:\n",
    "\n",
    "```Jenkinsfile\n",
    "    withCredentials([string(credentialsId: 'ium-sftp-password', variable: 'IUM_SFTP_PASS')]) {\n",
    "                sh 'dvc remote add -d ium_ssh_remote ssh://ium-sftp@tzietkiewicz.vm.wmi.amu.edu.pl/ium-sftp'\n",
    "                sh 'dvc remote modify --local ium_ssh_remote password $IUM_SFTP_KEY'\n",
    "                sh 'dvc pull'\n",
    "    }\n",
    "```\n",
    "\n",
    "Przykład konfiguracji: \n",
    " - https://tzietkiewicz.vm.wmi.amu.edu.pl:8081/job/docker-test-mount/ \n",
    " - https://git.wmi.amu.edu.pl/tzietkiewicz/ium-helloworld"
   ]
  }
 ],
 "metadata": {
  "author": "Tomasz Ziętkiewicz",
  "celltoolbar": "Slideshow",
  "email": "tomasz.zietkiewicz@amu.edu.pl",
  "kernelspec": {
   "display_name": "Python 3",
   "language": "python",
   "name": "python3"
  },
  "lang": "pl",
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.9.12"
  },
  "slideshow": {
   "slide_type": "slide"
  },
  "subtitle": "10.DVC[laboratoria]",
  "title": "Inżynieria uczenia maszynowego",
  "year": "2021"
 },
 "nbformat": 4,
 "nbformat_minor": 5
}