Fallstudie: Ein Berichts-Repository erstellen

Einführung in AWS Boto mit Python

Maksim Pecherskiy

Data Engineer

Endprodukt

Die Schritte

Daten vorbereiten

Monatsdateien aus dem Raw-Data-Bucket laden
Zu einer CSV zusammenführen
Ein aggregiertes DataFrame erzeugen

Die Schritte

Bericht erstellen

DataFrame als CSV und HTML schreiben
Bokeh-Plot erzeugen, als HTML speichern

Die Schritte

Bericht auf teilbare Website hochladen

Bucket gid-reports erstellen
Alle drei Monatsdateien zu S3 hochladen
Eine index.html erzeugen, die alle Dateien auflistet
Die Website-URL holen!

Raw-Data-Bucket

Private Dateien
Tägliche CSVs mit App-Anfragen
Rohdaten

Gid-Requests-Bucket

Rohdaten-Dateien einlesen

# Create list to hold our DataFrames
df_list = []


# Request the list of csv's from S3 with prefix; Get contents
response = s3.list_objects(
  Bucket='gid-requests', 
  Prefix='2019_jan')


# Get response contents
request_files = response['Contents']

Rohdaten-Dateien einlesen

# Iterate over each object
for file in request_files:
    obj = s3.get_object(Bucket='gid-requests', Key=file['Key'])


    # Read it as DataFrame
    obj_df = pd.read_csv(obj['Body'])


    # Append DataFrame to list
    df_list.append(obj_df)

Rohdaten-Dateien einlesen

# Concatenate all the DataFrames in the list
df = pd.concat(df_list)


# Preview the DataFrame
df.head()

DataFrame-Vorschau

Aggregierte Berichte erstellen

Etwas aggregieren
df.to_csv('jan_final_report.csv')
df.to_html('jan_final_report.html')
jan_final_chart.html

Aggregierte Berichte

Report-Bucket

Bucket-Website
Öffentlich zugänglich
Aggregierte Daten und HTML-Berichte

Report-Bucket

Aggregierte CSV hochladen

# Upload Aggregated CSV to S3
s3.upload_file(Filename='./jan_final_report.csv', 
                      Key='2019/jan/final_report.csv', 
                      Bucket='gid-reports',
                      ExtraArgs = {'ACL': 'public-read'})

HTML-Tabelle hochladen

# Upload HTML table to S3
s3.upload_file(Filename='./jan_final_report.html', 
                      Key='2019/jan/final_report.html', 
                      Bucket='gid-reports',
                      ExtraArgs = {
                        'ContentType': 'text/html',
                        'ACL': 'public-read'})

HTML-Chart hochladen

# Upload Aggregated Chart to S3
s3.upload_file(Filename='./jan_final_chart.html', 
                      Key='2019/jan/final_chart.html', 
                      Bucket='gid-reports',
                      ExtraArgs = {
                        'ContentType': 'text/html',
                        'ACL': 'public-read'})

Hochgeladene Berichte

index.html erstellen

# List the gid-reports bucket objects starting with 2019/
r = s3.list_objects(Bucket='gid-reports', Prefix='2019/')


# Convert the response contents to DataFrame
objects_df = pd.DataFrame(r['Contents'])


# Create a column "Link" that contains website url + key
base_url = "https://gid-reports."
objects_df['Link'] = base_url + objects_df['Key']

index.html erstellen

# Write DataFrame to html
objects_df.to_html('report_listing.html', 
                   columns=['Link', 'LastModified', 'Size'],
                   render_links=True)

DF nach HTML schreiben

index.html hochladen

# Upload the file to gid-reports bucket root.
s3.upload_file(
  Filename='./report_listing.html', 
  Key='index.html', 
  Bucket='gid-reports',
  ExtraArgs = {
    'ContentType': 'text/html', 
    'ACL': 'public-read'
  })

Die URL der Indexdatei holen!

Bucket-Website-URL *


"http://gid-reports.index.html"

Lass uns etwas feinjustieren!

Einführung in AWS Boto mit Python