When you get the message from pikaur:
Read damn arch-wiki before borking your computer
https://wiki.archlinux.org/title/Arch_User_Repository
(Also, don't report any issues to pikaur, if ure seeing this message)
you need to check your base-devel package is installed.
References:
Nach dem Update auf Debian 12 funktionieren die selbst angelegten logcheck Regeln nicht mehr. Das liegt daran, dass du nun hochpräzise Zeitstempel in den Logs genutzt werden.
Die eigenen Regeln kann man mit einem Befehl für das neue Format einfach konvertieren. Als root muss folgendes Kommando ausgeführt werden:
for rule in /etc/logcheck/*.d*/local-*; do sed --in-place --regexp-extended 's,^\^((\\w|\[\[:alpha:\]\])\{3\} \[ :(0-9|\[:digit:\])\]\{11\}),^(\1|[0-9T:.+-]{32}),' "$rule" ; done
Dabei muss der Ausdruck für die Dateipfade /etc/logcheck/*.d*/local-* an die eigenen Dateinamen der Regeln angepasst werden. Bei mir beginnen sie mit 01-, sodass ich diese Stelle auf /etc/logcheck/*.d*/01-* abgeändert habe.
Die Regel habe ich auch noch auf die postgrey Dateien angewendet, weil diese noch den alten Zeitstempel unterstützt haben und nicht auch den neuen.
Namespaces in logseq are as simple as using a slash in the page’s title. If you have worked with namespaces in a logseq version, which is lower than v0.8.9, you should migrate your existing pages according to the “New file name rules”. These rules are mentioned almost at the end of release note. Otherwise you might notice some weird behaviour with the pages in a namespace.
The migration via GUI can be found in logseq: Settings → Advanced → File name format and there is an Edit button, which should be clicked and the instructions in the popup window need to be followed. In your logseq graph this will rename all pages with a slash, where the slash will be replace by three underscores.
tl;dr: Dieser Artikel beschreibt, wie man mit Map Machine, das in einem Docker Container läuft, Karten als SVG basierend auf OpenStreetMap generieren kann.
Map Machine ist ein Projekt, das die Fülle und Vielfalt der Daten von OpenStreetMap zeigen möchte. Es ist ein Map Renderer, der in Python geschrieben ist und unter MIT License auf GitHub veröffentlicht ist.
Um das das Docker Image für das Map Machine-Projekt bauen zu können, benötigen wir selbstverständlich auf unserem Rechner docker und git. Auf git könnte man verzichten, wenn man sich das Repository als gepacktes Zip herunterlädt. Dann benötigt man halt die Software zum Zip entpacken.
Wenn Docker noch nicht installiert ist, so gibt es Anleitungen z.B. für Ubuntu oder Archlinux.
Zunächst erzeugen wir eine lokale Kopie. Dazu müssen wir das das Repository clonen (oder herunterladen und entpacken):
git clone https://github.com/enzet/map-machine.git
Anschließend können wir in das Verzeichnis map-machine wechseln, um das Docker Image zu bauen:
docker build --pull -t strubbl_mapmachine .
Bei diesem Kommando ist der Punkt am Ende wichtig, denn er steht für das aktuelle Verzeichnis. Das bedeutet, dass im aktuellen Verzeichnis nach der Bauanleitung (Dockerfile) für dieses Image gesucht wird.
Der Name für das Image strubbl_mapmachine ist frei gewählt und kann natürlich anders lauten. In den folgenden docker-Kommandos muss dies dann entsprechend angepasst werden.
Während das Image gebaut wird, können schon einige Vorbereitungen getroffen werden, um gleich einen sinnvollen Aufruf an Map Machine zu formulieren.
$HOME/data/mapmachine/maps und somit die Cache-Daten unter $HOME/data/mapmachine/maps/cache ablegen. Durch die Verwendung der Variablen $HOME wird automatisch das eigene Home-Verzeichnis verwendet, z.B. /home/strubbl. Ich erstelle also die von mir gewünschten Verzeichnisse mit dem Ausführen des Befehls mkdir -p $HOME/data/mapmachine/maps/cache.CSV sein. Dann erkennt man die durch Kommata getrennten zwei Koordinaten.Wenn diese drei Informationen zusammengetragen sind und das Docker Image erfolgreich gebaut wurde, kann man einen Container basierend auf dem Image starten, der die Karte erstellt und sich dann wieder beendet.
Ein Aufruf könnte wie folgt aussehen:
docker run -v $HOME/data/mapmachine/maps:/maps strubbl_mapmachine render \
--cache=/maps/cache -z=17 -o=/maps/stralsund-hafen.svg \
-b=" 13.089452552,54.313679518,13.1049235336,54.3194871239"
Aufgeschlüsselt bedeutet jeder Teil des Kommandos folgendes:
docker run drückt man aus, dass man einen Container starten will.-v kommt zunächst der Pfad auf unserem PC, wo die genierten Karten hingeschrieben werden sollen: $HOME/data/mapmachine/maps. Dann folgt ein Doppelpunkt und der Container-interne Pfad /maps.strubbl_mapmachine.render ist das erste Argument, dass an den map-machine-Befehl gesendet wird, um mitzuteilen, dass eine Karte generiert werden soll.--cache und dem folgenden Pfad /maps/cache gibt man an, wo Daten, die über die OpenStreetMap API abgefragt werden, zwischengespeichert werden. Diese können dann wiederverwendet werden.-z 17 angegeben, das hier auf Stufe 17 festgelegt wird.-o festlegen. Die Datei sollte unterhalb des Container-internen Verzeichnisses /maps/ liegen, sodass wir die Datei auch auf unserem lokalen Pfad verfügbar haben und sie nicht im Container gespeichert wird, worauf wir nicht zugreifen können sobald der Container beendet wurde. Der Container-interne Pfad wird durch unseren lokalen Pfad gemappt, siehe Parameter -v.-b-Parameter angegeben. Die Angabe der Koordinaten mit den Anführungszeichen und dem Leerzeichen in der Form ist wichtig, weil es sonst zu einem bekannten Fehler kommen kann.Man muss in diesem Docker-Kommando nicht map-machine mit angeben, weil es das Standardkommando beim Aufruf des Containers ist. Das ist so im Dockerfile definiert.
Mit dieser gewählten kleinen bbox und dem Zoom-Level 17 dauert die Generierung nur ein paar Sekunden (ca. 10 s auf einem i3-6100U mit SSD). Ein größeres Zoom-Level oder eine größere bbox verlängern den Prozess und die Größe der SVG-Kartendatei. Z.B. die Generierung einer Karte mit der gleichen bbox aber Zoom-Level 19 dauert in etwa doppelt so lange, wobei dank Nutzung des Caches keine neuen Daten von der OpenStreetMap API abgefragt werden müssen.
Wenn das Docker-Kommando fertig ist, haben wir im Pfad $HOME/data/mapmachine/maps/stralsund-hafen.svg unsere generierte Karte liegen.
Danke an Manfred für das Testen des Artikels und die Rückmeldungen. So haben wir zusammen den o.g. Bug gefunden.
In diesem Beitrag möchte ich kurz zusammenfassen, wie ich beim Kartieren eines Neubaugebietes für OpenStreetMap vorgegangen bin, für das es noch keine aktuellen Luftbilder gibt.
Ausgehend von einer Diskussion mit dem OpenStreetMap-Nutzer Pferdo, die wir ursprünglich wegen eines Wanderweges gestartet hatten, kamen wir schnell auf das in der Nähe entstehende Neubaugebiet in Lancken. Die derzeit aktuellsten Luftbilder von Bing sind an dieser Stelle verpixelt. Luftbilder anderer Anbieter wie Esri, Maxar oder Mapbox sind leider in dieser Gegend zu veraltet.
Das liegt vermutlich daran, dass das Gebiet die ehemalige Flugabwehrraketenabteilung 4335 der NVA war und das immer noch als zu zensierendes Gebiet bei Bing vermerkt ist. Pferdo bot an, von dem Neubaugebiet Fotos mit Hilfe seiner Drohne anzufertigen und ich bot an, das in OpenStreetMap zu kartieren. Und da wären wir nun für den Ausgangspunkt dieses Blogeintrags.
Die mir vorliegenden Drohnenaufnahmen zeigen einerseits das Neubaugebiet aus der Perspektive und aus der Draufsicht. Zum Kartieren wähle ich mir die Draufsichtfotos aus. Die Fotos von der Seite sind gut, um einzusortieren, wo die Fotos der Draufsicht anzuordnen sind.
Um die Fotos in JOSM als Hintergrundebene einfügen zu können, benötigt man ein Plugin. Das heißt PicLayer und wird über die Einstellungen im Bereich Plugins installiert.
Anschließend gibt es im Menü Imagery einen Menüpunkt namens New picture layer from file…. In der folgenden Dateiauswahl suche ich die Fotos, die ich als Hintergrund nutzen möchte aus und füge sie als neue Ebenen hinzu.
Nun folgt der schwierigste Teil. Man muss jedes einzelne Foto skalieren und drehen, um es an den vorhandenen Daten und Luftbilder auszurichten. Das hat mich hier am meisten Zeit gekostet.
Nachdem das Foto als Ebene geladen ist, blende ich zunächst alle Foto- und Luftbilderebenen aus bis auf die eine, die ich ausrichten möchte. Nun muss man das kleine grüne Häkchen setzeni (1), um die Ebene zu aktivieren. Dann erst erhält man auf der linken Werkzeugleiste die Möglichkeiten zum Verschieben (2), Drehen (3) und Größe ändern (4).
Zum Ausrichten kann man nicht nur die OSM-Daten, sondern auch die anderen vorhandenen Luftbilder, wie z.B. die von ESRI, benutzen.
Das ganze Ausrichten mache ich noch mit zwei weiteren Bildern. Wenn schließlich alle Bilder ausgerichtet sind, kann man endlich kartieren.
Man sieht anhand der Verzerrungen an dem Rand der Fotos, dass die Bilder nicht perfekt ausgerichtet sind. Dazu müssten sie wahrscheinlich ordentlich zugeschnitten und die Verzerrungen am Rande der Bilder anpasst werden. Einfacher wäre es gewesen, wenn man statt mehrerer Fotos einzeln eine Collage der Fotos als eine Bilddatei erstellt. Dann müsste man nur diese eine Bilddatei als Hintergrundbild ausrichten und einpassen. Um das aber in kürzerer Zeit hinzubekommen als das einzelne Ausrichten der Fotos, bräuchte ich mehr Bildbearbeitungserfahrung.
Schließlich kann kartiert werden und das Endergebnis hochgeladen werden, © OpenStreetMap-Mitwirkende:
