


Automatikkan Pemberitahuan Slack dengan Graf Menggunakan Fungsi Cloud Run dan Cloud Scheduler
Baru-baru ini saya membina sistem untuk mengautomasikan pemberitahuan Slack dengan graf yang menggambarkan kiraan sesi selama 7 hari yang lalu. Ini dicapai menggunakan gabungan fungsi Cloud Run untuk pemprosesan data dan penjanaan graf serta Cloud Scheduler untuk menjadualkan pelaksanaan.
Tinjauan Perlaksanaan
Fungsi Cloud Run
Fungsi Cloud Run menanyakan BigQuery untuk mengambil data sesi, menggunakan Matplotlib untuk membuat carta garisan dan kemudian menghantar carta kepada Slack melalui API Slack. Langkah berikut menggariskan proses persediaan.
Berikut ialah kod untuk main.py. Sebelum menjalankan, anda perlu menetapkan SLACK_API_TOKEN dan SLACK_CHANNEL_ID sebagai pembolehubah persekitaran. Anda boleh membiarkannya kosong buat masa ini, kerana kami akan menyediakannya kemudian.
import os import matplotlib.pyplot as plt from google.cloud import bigquery from datetime import datetime, timedelta import io import pytz from slack_sdk import WebClient from slack_sdk.errors import SlackApiError def create_weekly_total_sessions_chart(_): SLACK_TOKEN = os.environ.get('SLACK_API_TOKEN') SLACK_CHANNEL_ID = os.environ.get('SLACK_CHANNEL_ID') client = bigquery.Client() # Calculate the date range for the last 7 days jst = pytz.timezone('Asia/Tokyo') today = datetime.now(jst) start_date = (today - timedelta(days=7)).strftime('%Y-%m-%d') end_date = (today - timedelta(days=1)).strftime('%Y-%m-%d') query = f""" SELECT DATE(created_at) AS date, COUNT(DISTINCT session_id) AS unique_sessions FROM `<project>.<dataset>.summary_all` WHERE created_at BETWEEN '{start_date} 00:00:00' AND '{end_date} 23:59:59' GROUP BY date ORDER BY date; """ query_job = client.query(query) results = query_job.result() # Prepare data for the graph dates = [] session_counts = [] for row in results: dates.append(row['date'].strftime('%Y-%m-%d')) session_counts.append(row['unique_sessions']) # Generate the graph plt.figure() plt.plot(dates, session_counts, marker='o') plt.title('Unique Session Counts (Last 7 Days)') plt.xlabel('Date') plt.ylabel('Unique Sessions') plt.xticks(rotation=45) plt.tight_layout() # Save the graph as an image image_binary = io.BytesIO() plt.savefig(image_binary, format='png') image_binary.seek(0) # Send the graph to Slack client = WebClient(token=SLACK_TOKEN) try: response = client.files_upload_v2( channel=SLACK_CHANNEL_ID, file_uploads=[{ "file": image_binary, "filename": "unique_sessions.png", "title": "Unique Session Counts (Last 7 Days)" }], initial_comment="Here are the session counts for the last 7 days!" ) except SlackApiError as e: return f"Error uploading file: {e.response['error']}" return "Success" </dataset></project>
Kebergantungan
Buat fail requirements.txt dan sertakan kebergantungan berikut:
functions-framework==3.* google-cloud-bigquery matplotlib slack_sdk pytz
Memberi Akses kepada Fungsi Cloud Run
Untuk membenarkan Cloud Scheduler atau perkhidmatan lain menggunakan fungsi Cloud Run anda, anda perlu menetapkan peranan roles/run.invoker kepada entiti yang sesuai. Gunakan arahan berikut untuk melakukan ini:
gcloud functions add-invoker-policy-binding create-weekly-total-sessions-chart \ --region="asia-northeast1" \ --member="MEMBER_NAME"
Ganti MEMBER_NAME dengan salah satu daripada yang berikut:
- Akaun perkhidmatan untuk Penjadual Awan: serviceAccount:scheduler-account@example.iam.gserviceaccount.com
- Untuk akses awam (tidak disyorkan): semuaPengguna
Menyediakan Penjadual Awan
Gunakan Penjadual Awan untuk mengautomasikan pelaksanaan fungsi setiap hari Isnin pada 10:00 PG (JST). Berikut ialah contoh konfigurasi:
Konfigurasi API Slack
Untuk mendayakan fungsi Cloud Run anda menghantar pemberitahuan Slack, ikut langkah berikut:
- Pergi ke Slack API dan buat apl baharu.
- Tetapkan Skop Token Bot berikut di bawah OAuth & Kebenaran:
- saluran:baca
- sembang:tulis
- fail:tulis
- Pasang apl ke ruang kerja Slack anda dan salin Token OAuth Pengguna Bot.
- Tambahkan apl pada saluran Slack tempat anda ingin menyiarkan pemberitahuan.
- Salin ID saluran dan tampalkannya, bersama-sama dengan Bot Token, ke dalam pembolehubah persekitaran SLACK_CHANNEL_ID dan SLACK_API_TOKEN untuk fungsi Cloud Run anda.
Keputusan Akhir
Setelah semuanya disediakan, saluran Slack anda akan menerima pemberitahuan mingguan dengan graf seperti ini:
Atas ialah kandungan terperinci Automatikkan Pemberitahuan Slack dengan Graf Menggunakan Fungsi Cloud Run dan Cloud Scheduler. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

ArraysareGenerallymorememememory-efficientthanlistsforstoringnumericaldataduetotheirfixed-sizenatureanddirectmemoryaccess.1) arraysstoreelementsinacontiguousblock, reducingoverheadfrointersormetadata.2)

ToConvertapythonlisttoanarray, usetheArraymodule: 1) importThearraymodule, 2) createalist, 3) UseArray (typecode, list) toConvertit, spesifyingthetypecodelike'i'forintegers.ThisconversionOptimizesMogenhomogeneousdata, enHomerMogeneShomogeneousdata, enHomerMogeneousdata, enhomoMogenerDataShomaSdata, enhomoMogenhomogeneousdata,

Senarai Python boleh menyimpan pelbagai jenis data. Senarai contoh mengandungi integer, rentetan, nombor titik terapung, boolean, senarai bersarang, dan kamus. Senarai fleksibiliti adalah berharga dalam pemprosesan data dan prototaip, tetapi ia perlu digunakan dengan berhati -hati untuk memastikan kebolehbacaan dan pemeliharaan kod.

Pythondoesnothavebuilt-inarrays;usethearraymoduleformemory-efficienthomogeneousdatastorage,whilelistsareversatileformixeddatatypes.Arraysareefficientforlargedatasetsofthesametype,whereaslistsofferflexibilityandareeasiertouseformixedorsmallerdatasets.

Themostcomonlyedmoduleforcreatingarraysinpythonisnumpy.1) numpyprovidesefficienttoolsforarrayoperations, idealfornumericaldata.2) arrayscanbecreatedingingnp.array () for1dand2dstructures

ToAppendElementStoapyThonList, useTheAppend () methodforsingleelements, extend () formultipleelements, andInsert () forspecificposition.1) useAppend () foraddingOneElementAttheend.2)

TOCREATEAPYTHONLIST, USESQUAREBRACKETS [] danSeparatateItemSwithCommas.1) listsaredynamicandCanHoldMixedDatypes.2) UseAppend (), mengalih keluar (), danSlicingFormApulation.3)

Dalam bidang kewangan, penyelidikan saintifik, penjagaan perubatan dan AI, adalah penting untuk menyimpan dan memproses data berangka dengan cekap. 1) Dalam Kewangan, menggunakan memori yang dipetakan fail dan perpustakaan Numpy dapat meningkatkan kelajuan pemprosesan data dengan ketara. 2) Dalam bidang penyelidikan saintifik, fail HDF5 dioptimumkan untuk penyimpanan data dan pengambilan semula. 3) Dalam penjagaan perubatan, teknologi pengoptimuman pangkalan data seperti pengindeksan dan pembahagian meningkatkan prestasi pertanyaan data. 4) Dalam AI, data sharding dan diedarkan latihan mempercepatkan latihan model. Prestasi dan skalabiliti sistem dapat ditingkatkan dengan ketara dengan memilih alat dan teknologi yang tepat dan menimbang perdagangan antara kelajuan penyimpanan dan pemprosesan.


Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

MinGW - GNU Minimalis untuk Windows
Projek ini dalam proses untuk dipindahkan ke osdn.net/projects/mingw, anda boleh terus mengikuti kami di sana. MinGW: Port Windows asli bagi GNU Compiler Collection (GCC), perpustakaan import yang boleh diedarkan secara bebas dan fail pengepala untuk membina aplikasi Windows asli termasuk sambungan kepada masa jalan MSVC untuk menyokong fungsi C99. Semua perisian MinGW boleh dijalankan pada platform Windows 64-bit.

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

Dreamweaver Mac版
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

SublimeText3 versi Inggeris
Disyorkan: Versi Win, menyokong gesaan kod!
