Fallstudie: Skapa ett rapportarkiv

Introduktion till AWS Boto i Python

Maksim Pecherskiy

Data Engineer

Slutprodukt

Stegen

Förbered data

Ladda ned månadens filer från rådata-bucket
Sammanfoga dem till en csv
Skapa en aggregerad DataFrame

Stegen

Skapa rapporten

Skriv DataFrame till CSV och HTML
Generera ett Bokeh-diagram, spara som HTML

Stegen

Ladda upp rapporten till en delbar webbplats

Skapa gid-reports-bucket
Ladda upp alla tre filer för månaden till S3
Generera en index.html-fil som listar alla filer
Hämta webbplatsens URL!

Rådata-bucket

Privata filer
Dagliga CSV:er med förfrågningar från appen
Rådata

Gid-förfrågningar bucket

Läs in rådata-filer

# 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']

Läs in rådata-filer

# 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)

Läs in rådata-filer

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


# Preview the DataFrame
df.head()

Förhandsgranskning av DataFrame

Skapa aggregerade rapporter

Utför aggregering
df.to_csv('jan_final_report.csv')
df.to_html('jan_final_report.html')
jan_final_chart.html

Aggregerade rapporter

Rapport-bucket

Bucket-webbplats
Offentligt tillgänglig
Aggregerad data och HTML-rapporter

Rapport-bucket

Ladda upp aggregerad CSV

# 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'})

Ladda upp HTML-tabell

# 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'})

Ladda upp HTML-diagram

# 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'})

Uppladdade rapporter

Skapa index.html

# 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']

Skapa index.html

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

Skriv DF till html

Ladda upp index.html

# 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'
  })

Hämta indexsidans URL!

Bucket-webbplatsens URL *


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

Nu finjusterar vi!

Introduktion till AWS Boto i Python