Update 21-06-23. Update README and add docs directory

README.md

@@ -36,7 +36,7 @@ docker push <nombrecuenta>/<repositorio>:<tag>
 3.- Con la imagen ya subida a un repositorio, colocamos este nombre en el archivo 
 **airflow-envvars-configmap.yaml**, además que aprovechamos en actualizar y validar
 todas las configuraciones presentes en dicho archivo y también en nuestro 
-archivo de Secrets **airflow-secrets.yamñl**
+archivo de Secrets **airflow-secrets.yaml**
 
 ```text
 AIRFLOW__KUBERNETES__WORKER_CONTAINER_REPOSITORY=<cuenta/SERVER-URL>/<repositorio>
@@ -72,7 +72,7 @@ NOTA: *Detalle de cada variable de entorno usada por los POD y Airflow:*
 ```
 
 Adicionalmente, validar o actualizar los valores del archivo **airflow-secrets.yaml** (recordar que
-tiene encriptación con método **"base64"**)
+tiene encriptación con método **"base64"** - tipo de Secret **Opaque**)
 
 ```text
 AWS_ACCESS_KEY: bWluaW9hZG1pbg== # ACCESS_KEY de AWS si en caso se usa bucket S3 para guardar los DAG's
@@ -92,14 +92,15 @@ sh script_apply.sh
 ```
 
 Con este comando, tiene que esperar unos minutos para que todos los recursos esten levantados y corriendo
-normalmente.
+normalmente. Todos los recursos serán creados en el namespace **bcom-airflow** (configurado en los
+templates)
 
 5.- (OPCIONAL) Si en caso a deployado usando Minikube, será necesario exponer el puerto del Airflow Webserver
-para que desde su local puede ingresar a la web. Dado que el puerto expuesto es dentro del contenedor del
-minikube, debe salir ahora a su local con el siguiente comando:
+para que desde su local puede ingresar a la web. La forma más simple es exponiendo directamente el puerto del
+servicio del clúster a nuestro localhost con la ayuda de _kubectl_. Ejecutamos el siguiente comando:
 
 ```shell
-kubectl port-forward <ID-POD-AIRFLOW-WEBSERVER> 8081:8080
+kubectl port-forward <ID-POD-AIRFLOW-WEBSERVER> 8081:8080 -n bcom-airflow
 ```
 
 Ahora desde su navegador puede ingresar la ruta http://localhost:8081 para ver la Web de Airflow
@@ -107,7 +108,7 @@ Ahora desde su navegador puede ingresar la ruta http://localhost:8081 para ver l
 6.- Validamos que nuestros POD's están corriendo en estado "Running" con el siguiente comando:
 
 ```shell
-kubectl get pods
+kubectl get pods -n bcom-airflow
 ```
 
 
@@ -119,7 +120,7 @@ DAG en este despliegue de Airflow, se siguen los siguientes pasos:
 1.- Verificar que nuestro ambiente en Kubernetes está levantado correctamente. Ejecutamos el comando:
 
 ```shell
-kubectl get pods
+kubectl get pods -n bcom-airflow
 ```
 
 2.- Los archivos actualizados del dag colocarlos en el bucket y prefijo correspondiente de **dags**. 
@@ -143,13 +144,13 @@ establecido se podrá ver los cambios en la web de Airflow.
 _Requisitos para ejecutar el DAG:_
 
 - El ambiente este desplegado correctamente y los POD's en estado "Running"
-- Crear la conexión en la web de Airflow con el nombre que está configurado en app_conf.yml con
-parámetro **bcom_tp_connection**. 
+- Crear la conexión en la web de Airflow (usuario admin tiene estos permisos) con el nombre que está configurado en app_conf.yml con
+parámetro **s3_conn_id**. 
 - Validar todas las rutas (bucket y prefijos) y configuraciones de los 7 insumos en app_conf.yml.
 
 1.- En la web de Airflow, ubicamos nuestro DAG con nombre: **"BCOM_DAG_TRANSFORMACION_TACOMVENTAS_PROMOCIONESRESIDENCIAL"**
 (configurado como constante en dag_transformacion_tacomventas_promoresidencial.py) y lo inicializamos
-por medio de su checkbox.
+por medio de su checkbox (usuario admin puede realizarlo).
 
 2.- De acuerdo a la configuración actual, el DAG se ejecutará cada 2 horas (configurado en app_conf.yml con parámetro
 **schedule**).