Docker correctly configured

.github/workflows/workflow.yml

@@ -0,0 +1,32 @@
+name: Build and Deploy API
+
+on:
+  push:
+    branches: [main]
+
+jobs:
+  build-and-run:
+    runs-on: ubuntu-latest
+
+    steps:
+    - name: Checkout repo
+      uses: actions/checkout@v3
+
+    - name: Set up Docker Buildx
+      uses: docker/setup-buildx-action@v2
+
+    - name: Login to DockerHub
+      uses: docker/login-action@v2
+      with:
+        username: ${{ secrets.DOCKER_USERNAME }}
+        password: ${{ secrets.DOCKER_PASSWORD }}
+
+    - name: Build and push Docker image
+      uses: docker/build-push-action@v4
+      with:
+        context: ./deployment/api
+        push: false
+        tags: sentiment_api:latest
+
+    - name: Run docker-compose
+      run: docker-compose up -d

deployment/api/.dockerignore

@@ -0,0 +1,14 @@
+# Ignorer les caches Python
+__pycache__/
+*.pyc
+
+# Ignorer les artefacts temporaires
+downloaded_artifacts/
+mlruns/
+logs/
+
+# Ignorer les tests unitaires
+tests/
+
+# Ignorer les variables d'environnement. Elles seront plutôt chargées dans la commande docker run `docker run --env-file ./deployment/api/.env -p 8000:8000 sentiment-api` en développement local, et via des variables définies dans le yaml
+*.env

deployment/api/Dockerfile

@@ -0,0 +1,21 @@
+# Utiliser une image légère Python 3.12
+FROM python:3.12-slim
+
+# Définir le dossier de travail
+WORKDIR /app
+
+# Copier uniquement requirements.txt d'abord (pour optimiser le cache Docker)
+COPY requirements.txt .
+
+# Installer les dépendances
+RUN pip install --no-cache-dir -r requirements.txt
+
+# Copier le reste du code source
+COPY . .
+
+# Exposer les ports 8000 (fastAPI) et 8501 (streamlit)
+EXPOSE 8000 8501
+
+RUN chmod +x /app/start.sh
+
+CMD ["/app/start.sh"]

deployment/api/docker-compose.yml

@@ -0,0 +1,31 @@
+version: "3.9"
+services:
+  api:
+    build:
+      context: ./deployment/api
+      dockerfile: Dockerfile
+    container_name: sentiment_api
+    ports:
+      - "8000:8000"  # API FastAPI
+      - "8501:8501"  # Streamlit
+    environment:
+      MLFLOW_TRACKING_URI: "${MLFLOW_TRACKING_URI}"        # ex: http://mlflow:5000
+      MLFLOW_S3_ENDPOINT_URL: "${MLFLOW_S3_ENDPOINT_URL}"  # ex: url MinIO ou S3
+      AWS_ACCESS_KEY_ID: "${AWS_ACCESS_KEY_ID}"            # clé ID S3
+      AWS_SECRET_ACCESS_KEY: "${AWS_SECRET_ACCESS_KEY}"    # clé secrète S3
+
+      SMTP_SERVER: "${SMTP_SERVER}"                         # serveur SMTP
+      SMTP_PORT: "${SMTP_PORT}"                             # port SMTP (ex: 587)
+      SMTP_EMAIL: "${SMTP_EMAIL}"                           # email expéditeur
+      SMTP_PASSWORD: "${SMTP_PASSWORD}"                     # mot de passe SMTP
+      SMTP_FROM_ALIAS: "${SMTP_FROM_ALIAS}"                 # alias (optionnel)
+      ADMIN_EMAIL: "${ADMIN_EMAIL}"                         # email admin destinataire
+
+# only if you have a reverse proxy server
+#    networks:
+#      - swag
+    restart: always
+# only if you have a reverse proxy server
+# networks:
+#   swag:
+#     external: true

deployment/api/email_service.py

@@ -11,10 +11,10 @@ def send_error_report_email(error_reports):
     """
     smtp_server = os.getenv("SMTP_SERVER")
     smtp_port = int(os.getenv("SMTP_PORT", 587))
-    smtp_email = os.getenv("SMTP_EMAIL")
+    smtp_email = os.getenv("SMTP_EMAIL") # main email address. If smt_from_alias is not, it will also be the mail sender
     smtp_password = os.getenv("SMTP_PASSWORD")
-    smtp_from_alias = os.getenv("SMTP_FROM_ALIAS", smtp_email)
+    smtp_from_alias = os.getenv("SMTP_FROM_ALIAS", smtp_email) # mail sender if not none (alias)
-    admin_email = os.getenv("ADMIN_EMAIL")
+    admin_email = os.getenv("ADMIN_EMAIL") # this one will receive the mail
     
     if not all([smtp_server, smtp_email, smtp_password, admin_email]):
         print("❌ Configuration email manquante dans .env")
@@ -23,7 +23,11 @@ def send_error_report_email(error_reports):
     try:
         # Créer le message
         msg = MIMEMultipart()
-        msg['From'] = f"Air Paradis Monitor <{smtp_from_alias}>"
+        if smtp_from_alias is not None:
+            smtp_from = smtp_from_alias
+        else:
+            smtp_from = smtp_email
+        msg['From'] = f"Air Paradis Monitor <{smtp_from}>"
         msg['To'] = admin_email
         msg['Subject'] = f"🚨 Rapport d'erreurs - Prédictions sentiments ({datetime.now().strftime('%d/%m/%Y %H:%M')})"
         
@@ -86,7 +90,7 @@ Un nouveau rapport d'erreurs a été généré pour l'API de prédiction de sent
 ---
 Cordialement,
 🤖 API Air Paradis - Système de monitoring automatique
-📧 Envoyé depuis : """ + smtp_from_alias
+📧 Envoyé depuis : """ + smtp_from
         
         # Ajouter le corps du message
         msg.attach(MIMEText(body, 'plain', 'utf-8'))
@@ -97,7 +101,7 @@ Cordialement,
             server.login(smtp_email, smtp_password)
             server.send_message(msg)
         
-        print(f"✅ Email de rapport envoyé avec succès depuis {smtp_from_alias}")
+        print(f"✅ Email de rapport envoyé avec succès depuis {smtp_from}")
         print(f"📊 JSON intégré dans le corps du message")
         return True
         

deployment/api/main.py

@@ -14,7 +14,7 @@ from tensorflow.keras.preprocessing.sequence import pad_sequences
 PARENT_DIR = os.path.abspath(os.path.join(os.path.dirname(__file__), "../../"))
 sys.path.append(PARENT_DIR)
 # 🔐 Charger les variables d'environnement (.env à deux niveaux au-dessus)
-load_dotenv(dotenv_path=os.path.join(PARENT_DIR, ".env"))
+load_dotenv()
 
 
 # 🔁 Import de la fonction de prétraitement (LOCAL)
@@ -69,6 +69,7 @@ def load_model_and_artifacts(model_name=MODEL_NAME, stage=STAGE):
     # Déterminer les chemins des artefacts
     local_dir = "./downloaded_artifacts"
     os.makedirs(local_dir, exist_ok=True)
+    print("Contenu de downloaded_artifacts :", os.listdir(local_dir))
     base_path = "local_artifacts"
     tokenizer_file = "tokenizer.pickle"
     

deployment/api/requirements.txt

@@ -9,6 +9,7 @@ requests==2.32.4
 # === Machine Learning ===
 tensorflow==2.19.0
 mlflow==3.1.1
+boto3==1.39.2
 numpy==2.1.3
 pandas==2.3.0
 # === Traitement de texte ===

deployment/api/start.sh

@@ -0,0 +1,7 @@
+#!/bin/bash
+
+# Lancer Streamlit en arrière-plan
+streamlit run app.py --server.port 8501 --server.address 0.0.0.0 &
+
+# Lancer Uvicorn en premier plan (Docker "suit" ce processus)
+uvicorn main:app --host 0.0.0.0 --port 8000

deployment/api/tests/test_email_service.py

@@ -6,30 +6,6 @@ Created on Sat Jul  5 15:03:24 2025
 @author: madfuckinman
 """
 
-# # test_alias_email.py
-# import os
-# from dotenv import load_dotenv
-# from email_service import send_error_report_email
-
-# load_dotenv()
-
-# print("🔧 Configuration Email:")
-# print(f"Serveur SMTP: {os.getenv('SMTP_SERVER')}")
-# print(f"Authentification: {os.getenv('SMTP_EMAIL')}")
-# print(f"Expéditeur (alias): {os.getenv('SMTP_FROM_ALIAS')}")
-# print(f"Destinataire: {os.getenv('ADMIN_EMAIL')}")
-
-# # Test
-# test_reports = {
-#     "Service client décevant": "positif",
-#     "J'adore cette compagnie": "negatif",
-#     "Vol annulé sans prévenir": "positif"
-# }
-
-# print("\n📧 Test d'envoi depuis l'alias...")
-# result = send_error_report_email(test_reports)
-# print(f"Résultat : {'✅ Succès' if result else '❌ Échec'}")
-
 import os
 import sys
 from dotenv import load_dotenv