


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"
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!

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

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas











Python lebih mudah dipelajari dan digunakan, manakala C lebih kuat tetapi kompleks. 1. Sintaks Python adalah ringkas dan sesuai untuk pemula. Penaipan dinamik dan pengurusan memori automatik menjadikannya mudah digunakan, tetapi boleh menyebabkan kesilapan runtime. 2.C menyediakan kawalan peringkat rendah dan ciri-ciri canggih, sesuai untuk aplikasi berprestasi tinggi, tetapi mempunyai ambang pembelajaran yang tinggi dan memerlukan memori manual dan pengurusan keselamatan jenis.

Untuk memaksimumkan kecekapan pembelajaran Python dalam masa yang terhad, anda boleh menggunakan modul, masa, dan modul Python. 1. Modul DateTime digunakan untuk merakam dan merancang masa pembelajaran. 2. Modul Masa membantu menetapkan kajian dan masa rehat. 3. Modul Jadual secara automatik mengatur tugas pembelajaran mingguan.

Python lebih baik daripada C dalam kecekapan pembangunan, tetapi C lebih tinggi dalam prestasi pelaksanaan. 1. Sintaks ringkas Python dan perpustakaan yang kaya meningkatkan kecekapan pembangunan. 2. Ciri-ciri jenis kompilasi dan kawalan perkakasan meningkatkan prestasi pelaksanaan. Apabila membuat pilihan, anda perlu menimbang kelajuan pembangunan dan kecekapan pelaksanaan berdasarkan keperluan projek.

Adakah cukup untuk belajar Python selama dua jam sehari? Ia bergantung pada matlamat dan kaedah pembelajaran anda. 1) Membangunkan pelan pembelajaran yang jelas, 2) Pilih sumber dan kaedah pembelajaran yang sesuai, 3) mengamalkan dan mengkaji semula dan menyatukan amalan tangan dan mengkaji semula dan menyatukan, dan anda secara beransur-ansur boleh menguasai pengetahuan asas dan fungsi lanjutan Python dalam tempoh ini.

Python dan C masing -masing mempunyai kelebihan sendiri, dan pilihannya harus berdasarkan keperluan projek. 1) Python sesuai untuk pembangunan pesat dan pemprosesan data kerana sintaks ringkas dan menaip dinamik. 2) C sesuai untuk prestasi tinggi dan pengaturcaraan sistem kerana menaip statik dan pengurusan memori manual.

Pythonlistsarepartofthestandardlibrary, sementara

Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.

Aplikasi Python dalam pengkomputeran saintifik termasuk analisis data, pembelajaran mesin, simulasi berangka dan visualisasi. 1.Numpy menyediakan susunan pelbagai dimensi yang cekap dan fungsi matematik. 2. Scipy memanjangkan fungsi numpy dan menyediakan pengoptimuman dan alat algebra linear. 3. Pandas digunakan untuk pemprosesan dan analisis data. 4.Matplotlib digunakan untuk menghasilkan pelbagai graf dan hasil visual.
