使用 Cloud Run Functions 和 Cloud Scheduler 通过图形自动发送 Slack 通知
我最近构建了一个系统来自动执行 Slack 通知,并通过图表可视化过去 7 天的会话计数。这是通过结合用于数据处理和图形生成的 Cloud Run 函数以及用于调度执行的 Cloud Scheduler 来实现的。
实施概述
云运行功能
Cloud Run 函数查询 BigQuery 以获取会话数据,使用 Matplotlib 创建折线图,然后通过 Slack API 将图表发送到 Slack。以下步骤概述了设置过程。
这是 main.py 的代码。运行之前,您需要将 SLACK_API_TOKEN 和 SLACK_CHANNEL_ID 设置为环境变量。您暂时可以将它们留空,因为我们稍后会设置它们。
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"
依赖关系
创建一个requirements.txt 文件并包含以下依赖项:
functions-framework==3.* google-cloud-bigquery matplotlib slack_sdk pytz
授予对 Cloud Run 功能的访问权限
要允许Cloud Scheduler或其他服务调用您的Cloud Run功能,您需要将roles/run.invoker角色分配给适当的实体。使用以下命令来执行此操作:
gcloud functions add-invoker-policy-binding create-weekly-total-sessions-chart \ --region="asia-northeast1" \ --member="MEMBER_NAME"
将 MEMBER_NAME 替换为以下内容之一:
- Cloud Scheduler 的服务帐户: serviceAccount:scheduler-account@example.iam.gserviceaccount.com
- 对于公众访问(不推荐): 所有用户
设置云调度程序
使用 Cloud Scheduler 在每周一上午 10:00 (JST) 自动执行该函数。这是一个示例配置:
Slack API 配置
要使您的 Cloud Run 功能能够发送 Slack 通知,请按照以下步骤操作:
- 转到 Slack API 并创建一个新应用程序。
- 在 OAuth 和权限 下分配以下机器人令牌范围:
- 频道:阅读
- 聊天:写
- 文件:写入
- 将应用程序安装到您的 Slack 工作区并复制 机器人用户 OAuth 令牌。
- 将应用添加到您要发布通知的 Slack 频道。
- 复制通道 ID 并将其与 Bot 令牌一起粘贴到 Cloud Run 函数的 SLACK_CHANNEL_ID 和 SLACK_API_TOKEN 环境变量中。
最终结果
一切设置完毕后,您的 Slack 频道将收到每周通知,其中包含如下图表:
以上是使用 Cloud Run Functions 和 Cloud Scheduler 通过图形自动发送 Slack 通知的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

Python适合数据科学、Web开发和自动化任务,而C 适用于系统编程、游戏开发和嵌入式系统。 Python以简洁和强大的生态系统着称,C 则以高性能和底层控制能力闻名。

Python在游戏和GUI开发中表现出色。1)游戏开发使用Pygame,提供绘图、音频等功能,适合创建2D游戏。2)GUI开发可选择Tkinter或PyQt,Tkinter简单易用,PyQt功能丰富,适合专业开发。

两小时内可以学到Python的基础知识。1.学习变量和数据类型,2.掌握控制结构如if语句和循环,3.了解函数的定义和使用。这些将帮助你开始编写简单的Python程序。

2小时内可以学会Python的基本编程概念和技能。1.学习变量和数据类型,2.掌握控制流(条件语句和循环),3.理解函数的定义和使用,4.通过简单示例和代码片段快速上手Python编程。

Python更易学且易用,C 则更强大但复杂。1.Python语法简洁,适合初学者,动态类型和自动内存管理使其易用,但可能导致运行时错误。2.C 提供低级控制和高级特性,适合高性能应用,但学习门槛高,需手动管理内存和类型安全。

Python在web开发、数据科学、机器学习、自动化和脚本编写等领域有广泛应用。1)在web开发中,Django和Flask框架简化了开发过程。2)数据科学和机器学习领域,NumPy、Pandas、Scikit-learn和TensorFlow库提供了强大支持。3)自动化和脚本编写方面,Python适用于自动化测试和系统管理等任务。

要在有限的时间内最大化学习Python的效率,可以使用Python的datetime、time和schedule模块。1.datetime模块用于记录和规划学习时间。2.time模块帮助设置学习和休息时间。3.schedule模块自动化安排每周学习任务。

Python在自动化、脚本编写和任务管理中表现出色。1)自动化:通过标准库如os、shutil实现文件备份。2)脚本编写:使用psutil库监控系统资源。3)任务管理:利用schedule库调度任务。Python的易用性和丰富库支持使其在这些领域中成为首选工具。
