OG イメージの自動化: 手動設計から API 駆動の生成まで-jsチュートリアル-php.cn

OG イメージの自動化: 手動設計から API 駆動の生成まで

DDD

リリース： 2024-12-08 07:55:12

オリジナル

662 人が閲覧しました

Automating OG Images: From Manual Design to API-Driven Generation

OpenGraph イメージの手動作成から自動化された API 駆動システムの実装までの過程は、Web アプリケーションの成長にとって重要な進化を表しています。今日は、私が gleam.so でこのプロセスをどのように変換し、個別の Figma デザインから数千の画像を処理する自動化システムに移行したかを共有します。

手動フェーズ: ベースラインを理解する

多くの開発者と同様に、最初は私も OG イメージを手動で作成しました。

// Early implementation
const getOGImage = (postId: string) => {
  return `/images/og/${postId}.png`;  // Manually created in Figma
};

ログイン後にコピー

このプロセスには通常、以下が含まれます:

新しい画像ごとに Figma を開きます
テキストと要素の調整
正しいサイズにエクスポートします
画像のアップロードとリンク

画像あたりの平均時間: 15 ～ 20 分。

最初のステップ: テンプレートシステム

最初の自動化ステップには、再利用可能なテンプレートの作成が含まれていました:

interface OGTemplate {
  layout: string;
  styles: {
    title: TextStyle;
    description?: TextStyle;
    background: BackgroundStyle;
  };
  dimensions: {
    width: number;
    height: number;
  };
}

const generateFromTemplate = async (
  template: OGTemplate,
  content: Content
): Promise<Buffer> => {
  const svg = renderTemplate(template, content);
  return convertToImage(svg);
};

ログイン後にコピー

これにより、作成時間は画像あたり 5 分に短縮されましたが、依然として手動介入が必要でした。

API レイヤーの構築

次の進化では、適切な API が導入されました:

// api/og/route.ts
import { ImageResponse } from '@vercel/og';
import { getTemplate } from '@/lib/templates';

export const config = {
  runtime: 'edge',
};

export async function GET(request: Request) {
  try {
    const { searchParams } = new URL(request.url);
    const template = getTemplate(searchParams.get('template') || 'default');
    const content = {
      title: searchParams.get('title'),
      description: searchParams.get('description'),
    };

    const imageResponse = new ImageResponse(
      renderTemplate(template, content),
      {
        width: 1200,
        height: 630,
      }
    );

    return imageResponse;
  } catch (error) {
    console.error('OG Generation failed:', error);
    return new Response('Failed to generate image', { status: 500 });
  }
}

ログイン後にコピー

キャッシュ層の実装

パフォーマンスの最適化には複数のキャッシュ層が必要でした:

class OGCache {
  private readonly memory = new Map<string, Buffer>();
  private readonly redis: Redis;
  private readonly cdn: CDNStorage;

  async getImage(key: string): Promise<Buffer | null> {
    // Memory cache
    if (this.memory.has(key)) {
      return this.memory.get(key);
    }

    // Redis cache
    const redisResult = await this.redis.get(key);
    if (redisResult) {
      this.memory.set(key, redisResult);
      return redisResult;
    }

    // CDN cache
    const cdnResult = await this.cdn.get(key);
    if (cdnResult) {
      await this.warmCache(key, cdnResult);
      return cdnResult;
    }

    return null;
  }
}

ログイン後にコピー

リソースの最適化

負荷の増加を処理するには、慎重なリソース管理が必要です:

class ResourceManager {
  private readonly queue: Queue;
  private readonly maxConcurrent = 50;
  private activeJobs = 0;

  async processRequest(params: GenerationParams): Promise<Buffer> {
    if (this.activeJobs >= this.maxConcurrent) {
      return this.queue.add(params);
    }

    this.activeJobs++;
    try {
      return await this.generateImage(params);
    } finally {
      this.activeJobs--;
    }
  }
}

ログイン後にコピー

統合例

Next.js アプリケーションですべてがどのようにまとめられるかを次に示します:

// components/OGImage.tsx
export function OGImage({ title, description, template = 'default' }) {
  const ogUrl = useMemo(() => {
    const params = new URLSearchParams({
      title,
      description,
      template,
    });
    return `/api/og?${params.toString()}`;
  }, [title, description, template]);

  return (
    <Head>
      <meta property="og:image" content={ogUrl} />
      <meta property="og:image:width" content="1200" />
      <meta property="og:image:height" content="630" />
    </Head>
  );
}

ログイン後にコピー