Connexion à MongoDB depuis Corticon à l'aide de légendes de service

Apprenez à créer une légende de service fonctionnel pouvant lire et stocker vers une instance MongoDB à l'aide de l'API flexible de gestion de sources de données de Corticon

Progress Corticon 5.7 inclut un fichier de configuration de source de données unifiée permettant aux utilisateurs de configurer des connexions externes sources de données. Bien que ce fichier soit principalement utilisé pour se connecter à des bases de données externes (ADC ou EDC), il est exposé dans le cadre des appels de service afin que les utilisateurs puissent connecter Corticon Server à une source de données personnalisée. La base de données n'est pas supportée nativement. Ce guide explique comment se connecter à une instance MongoDB à l'aide d'une API REST.

Avant de commencer, assurez-vous d'avoir tous les logiciels prérequis:

Configurer MongoDB

Suivez les instructions du site Web MongoDB pour installer et démarrer MongoDB. Le site Web propose des guides d'installation pour tous les principaux systèmes d'exploitation de bureau

Open MongoDB Compass

Les paramètres de connexion par défaut doivent vous permettre de vous connecter.

Créer une base de données et une collection

Utilisez" Corticon "comme nom pour les deux. (Vous n'avez pas besoin de créer un document, vous ' ll le fera avec l'API REST) ​​

Démarrer RESTHeart

Étape 1

Décompressez l'archive, ouvrez le répertoire contenant et éditez le fichier etc / restheart.yml avec votre éditeur de texte favori. Assurez-vous de configurer la propriété mongo-uri pour inclure l'adresse et le port corrects de votre serveur MongoDB. Par exemple, si vous exécutez MongoDB localement sur le port 27017, modifiez la ligne suivante à partir de ceci:

 mongo-uri :  MongoDB: //127.0.0.1 

à ceci:

 mongo-uri :  MongoDB: //127.0.0.1: 27017 

Étape 2

Démarrez RESTHeart, et vous devriez voir la sortie comme suit:

Étape 3

Testez le point de terminaison en utilisant votre navigateur préféré ou votre client HTTP.

L'API REST connectée à MongoDB est maintenant opérationnelle.

Créer le service de décision

Étape 1

Ouvrir Corticon Studio et créer un vocabulaire simple Vous pouvez suivre cet exemple de calculateur de kilométrage: il va prendre des informations sur une voiture et calculer le nombre de kilomètres qu'il peut parcourir avant d'avoir besoin de carburant.

Étape 2

Créer une liste de règles pour faire le calcul.

Étape 3

Effectuez une simulation et ajoutez quelques exemples de données pour vous assurer que le service de décision fonctionne

4

Lancez le test et vérifiez vos résultats

Connectez le service de décision à votre instance MongoDB à l'aide d'une légende de service

Étape 1

Ajoutez une configuration ADC à votre vocabulaire et choisissez (19659028]

Étape 2

Remplacez l'URL par défaut par le chemin d'accès à l'API RESTHeart et ajoutez le nom du document à l'URL. Dans cet exemple, le nom du document est "cars".

Étape 3

Créer un appel de service En tant que raccourci, importez le fichier Corticon 5.7 / Samples / Weather Callout dans votre projet; contient déjà toutes les bibliothèques nécessaires

Étape 4

Après l'importation, supprimez les fichiers Java et, éventuellement, renommez le projet

Etape 5

Ecrivez le code pour créer une classe pour votre légende, en commençant par stocker les données. ne vous inquiétez pas trop de la gestion des erreurs.)

Exporter le fichier JAR et tester le nouveau service Légende

Etape 1

Pour exporter le fichier JAR, faites un clic droit sur le projet, sélectionnez Exporter dans le menu et sélectionnez Fichier Java / JAR depuis le options de l'assistant.

Étape 2

Ajouter le fichier JAR exporté au projet.

Étape 3

Créer un Ruleflow pour tester la nouvelle légende de service.

Étape 4

Faire une nouvelle fiche de test dans la règle et sélectionner le Ruleflow comme sujet de test

]

Étape 5

Lancer le test

Si vous avez réussi l'API REST, vous devriez voir le nouveau document rempli de données.

Maintenant, vous avez stocké des données dans MongoDB .

Récupération de données à partir de MongoDB

Étape 1

Revenez à l'appel de service et mettez-le à jour pour lire les informations de l'API REST au lieu de les stocker.

] Ajoutez la méthode suivante à votre légende de service.

public static void readData (ICcDataObjectManager dataObjectManager) renvoie Exception {

// Ce sera l'objet qui contient la réponse JSON [19659117] à partir de le reste API

JSONObject mongoDBCarDocument = null [19659140];

[19659108]

//

// Connectez à MongoDB

[19659069] //

// Récupère le gestionnaire de sources de données

IDatasourceManager gestionnaire de données = dataObjectManager.getDatasourceManager ();

// Récupérer notre source de données MongoDB [19659069]

IDatasource mongoDBDatasource = datasourceManager.getDatasource ( "MongoDB" ); [19659069]

// Ouvrir une connexion http à la base de données

URL mongoDBConnectionURL = nouvelle URL (mongoDBDatasource.getDatasourceConnectionURL ());

HttpURLConnexion mongoDBConnection = (HttpURLConnection) mongoDBConnectionURL.openConnection ();

// Puisque nous lisons, nous voulons ] à utilisent la méthode HTTP 'GET' " title="" data-openoriginalimageonclick="true"/>

mongoDBConnection.setRequestMethod ( "OBTENIR" );

[1945908]

// Servez le type de contenu

[1945909]

mongoDBConnection.setRequestProperty ( "Content-Type" "application / json" );

        //Make the connection

 

mongoDBConnection.connect();

 

         

 

        //Print out a rule message on success [19659156]or failure

 

        int mongoDBResponseCode = mongoDBConnection.getResponseCode();

 

         

 

        if(mongoDBResponseCode >= 200 && mongoDBResponseCode < 300) {

 

            dataObjectManager.postMessage(ICcDataObjectManager.INFO, "MongoDB GET call SUCCEEDED with a status of " + Integer.toString(mongoDBResponseCode), null);

 

        } else[19659105]{

 

            dataObjectManager.postMessage(ICcDataObjectManager.INFO, "MongoDB GET call FAILED with a status of " + Integer.toString(mongoDBResponseCode), null);

 

        }

 

         

 

        //Read response data

 

        BufferedReader jsonContentReader = null;

 [19659069]        try {

 

            jsonContentReader = new BufferedReader(new InputStreamReader(mongoDBConnection.getInputStream()));

 

             

 

            //Get all the data from the stream

 

            StringBuilder jsonResultStringBuilder = new StringBuilder();

 

             

 

            //Read each line of the input to the end

 

            String lineOfJson = null;

 

            while( (lineOfJson = jsonContentReader.readLine()) != null) {

 

                jsonResultStringBuilder.append(lineOfJson);

 

            }

 

             

 

            //Convert the entire message payload into a JSONObject

 

            mongoDBCarDocument = new JSONObject(jsonResultStringBuilder.toString());

 

             

 

        } finally {

 

            if(jsonContentReader != null) {

 

                jsonContentReader.close();

 

            }

 

            mongoDBConnection.disconnect();

 

        }

 

         

 

        //

 

        // Convert our JSON to DataObjects

 

        //

 

         

 

        //Get the 'cars' array out of the Document

 

        JSONArray carsJsonArray = mongoDBCarDocument.getJSONArray("Cars");

 

         

 

        //Create a data object based off of each car in the array.

        for(int carsIndex = 0; carsIndex < carsJsonArray.length(); carsIndex++) {

 

            //Get the JSONObject out of the array

 

            JSONObject currentCar = carsJsonArray.getJSONObject(carsIndex);

 

             

 

            //Create the ICcDataObject

 

            ICcDataObject carDataObject = dataObjectManager.createEntity("Car");

 

             

 

            Set attributeNames = carDataObject.getAttributeNames();

 

             

 

            //Loop through the data object attributes andif they are properties in the JSONObject, set them

 

            for(String currentAttributeName : attributeNames) {

 

                if(currentCar.has(currentAttributeName)) {

 

                     

 

                    //Get the attribute's type

 

                    String currentAttributeType = carDataObject.getAttributeDataType(currentAttributeName);

 

                     

 

                    / /Create a variable for storing the attribute value in

 

                    Object currentAttributeValue = null;

 

                     

 

                    //Long

 

                    if(currentAttributeType.contains("Long")) {

 

                        currentAttribu teValue = new Long(currentCar.getLong(currentAttributeName));

 

                    }

 

                    //BigDecimal

 

                    else if(currentAttributeType.contains("BigDecimal")) {

 

                        currentAttributeValue = new BigDecimal(currentCar.getLong(currentAttributeName));

 

                    [19659884]}

 

                    //Integer

 

                    else if(currentAttributeType.contains("Integer")) {

 

                        currentAttributeValue = new Integer(currentCar.getInt(currentAttributeName));

 

                    }

 

                    //String

 

                    else {

 

                        currentAttributeValue = currentCar.getString(currentAttributeName);

 

                    }

 

                     

 

                    carDataObject.setAttributeValue(currentAttributeName, currentAttributeValue);

 

                }

 

            }

 

        }

 

    }

 

Step 3

Export the JAR file again and restart Corticon Studio.

Step 4

Create a new Ruleflow to handle retrieval from the database. Put the calculator Rulesheet in the Ruleflow to use the data retrieved from the database.

Step 5

Add a new Testsheet with the new Ruleflow as test subject to try out the new service. Run the test.

Step 6

If the retrieval succeeds, bring everything together by adding the first service callout, which saves information to the database, to the Ruleflow.

Step 7

Test again.

Step 8

Hit the API and see the updated MilesTillEmpty property.

That’s It!

With that, we're done with this example. If you’re feeling adventurous, you can also export the datasource configuration file and build a Decision Service for deploying to the server. Now, you know how to create a working service callout that can read from and store to a MongoDB instance using Corticon. And you can use this approach to create interesting and useful callouts with Corticon’s flexible datasource management API.

This is just one of many new improvements we’ve delivered with Corticon 5.7. Check out everything that’s new in this releasethen contact us to schedule a demo and let us know what you think.