数据工程师，常用的几个数据库和网络服务分享，python代码

内容简介：数据工程师，常用的几个数据库和网络服务分享，python代码

作为数据工程师或者数据分析师，经常会跟各种数据打交道，其中，获取数据这一关是无法避免的，下面，我就将自己时常工作中用到的数据连接配置模型分享出来，供大家交流。

MySQL数据库

mysql数据库是目前用的最多的数据库之一，此处我做的是读和写的接口，而删除和更新操作，一般不是分析师做的，而是开发，所以我没有做这个。

 1 import MySQLdb
 2 import pandas as pd
 3 from sqlalchemy import create_engine
 4 
 5 class con_analyze:
 6     """数据分析平台连接"""
 7 
 8     def __init__(self, database='myanalyze'):
 9         self.database = database
10         self.conn = None
11 
12     def connect(self):
13         self.conn = MySQLdb.connect(host='***', user='root', passwd='***', db=self.database,
14                                     charset='utf8')
15 
16     def query(self, sql):
17         try:
18             self.connect()
19             data = pd.read_sql(sql, self.conn)
20         except (AttributeError, MySQLdb.OperationalError):
21             self.connect()
22             data = pd.read_sql(sql, self.conn)  # 读取数据出现错误,再次连接
23         return data
24 
25     def store(self, mydataframe, table_name, if_exists='replace'):
26         conn2 = "mysql+mysqldb://root:***@***:3306/%s" % self.database
27         local_engine = create_engine(conn2)
28         mydataframe.to_sql(table_name, local_engine, if_exists=if_exists, index=False, chunksize=10000)
29 
30     '''还可以加一个函数用来执行单条 sql 语句,不仅仅是读取数据，还可以update，create等'''

作为一个链接类来使用，初始化的时候给出的conn是None，只有在执行查询函数的时候才创建链接，（链接中，我隐去了自己的host信息，你需要将自己的host填进去）

查询的时候使用了try语句，如果链接不成功或者查询不成功，就会出错，如果是链接不成功，那就在异常中再次连接。关于重复执行一段代码，有一个库大家可以关注一下： tenacity 这个库能让你实现更优雅（pythonic）的代码重复

此处读取数据是使用pandas库中的read_sql函数，此函数可以直接将查询结果转化成一个dataframe，方便了后面的分析工作

存储功能也是使用dataframe的函数to_sql，此函数是将一个df直接转化成sql数据存入数据库，如果table_name存在，可以选择替换（replace）、增加（append）等，如果df很大很长，就需要设置一下chunksize参数

chunksize的设定，程序会自动将你的长达几十万行的df迭代存储，每次只存储10000行（这个数字是我设定的，你也可以改）。

看到这里，你可能会有疑问，为什么读和写的conn不一样，一个是用 MySQLdb.connect创建，而另一个是用create_engine创建。我想说的是，后面这个conn2其实可以作为读的连接参数，但是使用 MySQLdb.connect创建的连接却不一定能用来写，因为我在实践中多次运行发生了错误，所以我就改了。

其实，其他的数据库可以类似这种做法，给自己的项目配置一个连接类，使用的时候应该是这样的：

首先，你需要把代码放在一个单独的配置文件，比如config.py中

然后在你需要使用的地方，导入此配置文件

 1 from config import con_analyze
 2 
 3 
 4 class AnalyzeData:
 5     def __init__(self):
 6         # 此处初始化，可以带一个参数：database,默认为myanalyze
 7         self.conn = con_analyze()
 8         # self.conn2 = con_analyze("myanalyze_2")
 9 
10     def get_data(self, sql):
11         # 执行sql查询结果保存到df中
12         df = self.conn.query(sql=sql)
13 
14     def store_data(self, df):
15         # 将dataframe类型的数据df，存入名为dd_name的数据表中
16         self.conn.store(df, 'db_name')

MongoDB

mongodb是一个非结构化数据库，里面存储的数据类似于json，是键值对的形式，如果你遇到了需要查询 mongodb 中的数据，下面我就简单介绍一下。

同样，也是要建立一个类，这是为了规范。

 1 import pymongo
 2 import pandas as pd
 3 
 4 class Conn_Mongo:
 5     """mongo 数据库连接"""
 6 
 7     def __init__(self):
 8         self.mongo_utoken = pymongo.MongoClient('mongodb://***:27000').utoken  # 用户表
 9 
10     def get_user_data_mongo(self,list_id):
11         """
12         通过连接 mongo查找 
13         """
14         user_data = pd.DataFrame(list(self.mongo_fotor.userinfo.find({'FToken': {'$in': list(list_id)}})))
15         return user_data

这个毕竟简单，就是一个查询操作，我是先传入一串id，根据id找到对应的信息。一般来说，mongodb的库容量都比较大，所以我是有针对的查询相关信息。

这里用到了pymongo库，通过它创建一个到相应地址（我用***隐掉了）的连接，后面的.utoken是对应的库名称，其实你也可以把它作为参数，在初始化的时候传进去。

后面查询的时候使用了find函数，其前面的userinfo是表的名称，find的参数也是键值对的形式，这里我指定了键的名称“FToken”，其值{'$in': list(list_id)}代表的意思是：在什么什么中。

将id 做成了一个list（为了大家理解，取名为list_id），相关语法大家可以查阅一下。

Flurry

如果你的工作涉及到了app的数据，那经常会使用Flurry获取数据。

Flurry是一个移动统计平台，虽然是国外的，但国内依然可以用（不像谷歌分析被禁了），ios和Android应用的运营数据都可以在上面统计查询。

如果你还没有，又想了解的，可以戳这里： Flurry

对，网页浏览的话，界面就是这样的。

常用的功能是用户数据

以及功能点击事件

不过，这不是我要说的重点，上面只是让你看一下Flurry长什么样，现在我要写 python 接口，将这些数据取出。

Flurry的api地址，请戳这里： Flurry API

这是创建分析报告的api，有别于开发的api

首先，我们需要去申请一个app token，用于获取连接权限，申请方法请参考： app access token

它是大一串字母

只要获取到了这个token，我们就可以创建一个url，用于获取Flurry里面的数据了，具体看如下的代码：

import pandas as pd
import json, requests

 1 class Conn_Flurry:
 2     """flurry api data"""
 3     api_token = "******.****.****" 
 4     headers = {'Authorization': 'Bearer {}'.format(api_token)}
 5     url = "https://api-metrics.flurry.com/public/v1/data/appEvent/day/app?metrics=activeDevices,newDevices,averageTimePerDevice&dateTime=2017-05-23/2017-05-24"
 6 
 7     def get_results(self, url=url):
 8         '''
 9         这里使用的url是一个示例，也可以使用get_url函数创建需要的url传入此函数作为参数
10         '''
11         data = requests.get(url, headers=self.headers)
12         cleaned = json.loads(data.text, 'utf-8')
13         cleaned = pd.DataFrame(cleaned['rows'])
14         return cleaned
15 
16     def get_url(self, table='appEvent', timegrain='day', dimensions='app/event', metrics='occurrences',
17                 dateTime='2017-09-23/2017-05-24', filters=""):
18         '''
19         若filters为空， 不影响结果
20         标准的url：endpoint + '/table/timeGrain/dimension1/dimension2;show=all/dimension3{...}?metrics=[comma-separated-metrics]&dateTime=[..]&filters=[...]&topN=[..]&sort=[..]&having=[..]&format=[..]&timeZone=[..]'
21         App Usage url： endpoint+ "/appUsage/day?metrics=sessions,activeDevices,newDevices&dateTime=2016-06-01/2016-08-01&filters=app|name-in[appname]"
22         app event url: endpoint + "/appEvent/day/app/appVersion/event?metrics=occurrences&dateTime=2016-07-01/2016-07-03&filters=app|name-in[foo],event|name-in[login,register]"
23         app event url2: endpoint + "/appEvent/day/app/country?metrics=activeDevices,newDevices&dateTime=2016-07-01/2016-07-03&filters=app|name-in[foo],event|name-in[login]&topN=5&sort=activeDevices|desc"
24         event parameter: endpoint+ "/eventParams/day/app;show=all/event/paramName/paramValue?metrics=count&dateTime=2016-11-07/2016-11-08&filters=app|name-in[foo],event|name-in[level_complete]"
25         注意，dimensions的变化，当要看某一事件的具体信息时：app;show=all/event/paramName/paramValue，加了个show=all
26         注意filters里面filters的格式，可以选择app名称和事件名称
27         注意timegrain和datetime的关系，常见的就是day和month，datetime的格式也要跟着变
28         '''
29         endpoint = 'https://api-metrics.flurry.com/public/v1/data'
30         url = "{}/{}/{}/{}?metrics={}&dateTime={}&filters={}".format(endpoint, table, timegrain, dimensions, metrics,
31                                                                      dateTime, filters)
32         return url

代码稍微有点长，中间许多注释行，但总的来说就是两个步骤：

1. 构建url

2. 获取url对应的结果

但是细细说来，这里面涉及到的东西比较多，比如，为什么url的格式是这样的，还有headers为什么是那样构造的，还有结果的形式等等

我想说的是，这些在官网api上已有很详细的说明，我就不搬砖了，不过，如果你有任何疑问，欢迎在评论区留言，我知道的一定尽心解答。

1 url = self.conn_flurry.get_url('appUsage', 'month', 'app','averageTimePerSession,activeDevices,newDevices,sessions', self.time_range)
2 user_mobile = self.conn_flurry.get_results(url)

上面就是一个简单的应用，其中time_range应该是这样的格式

self.time_range = '2017-09/2017-10'

对于这个时间范围，Flurry默认是左闭右开的，即不包含10月

同理，如果是这样

'2017-09-23/2017-10-24'

那就代表从9月23号起，但是不包含10月24号的结果，这一点尤其要注意。如果你是拿某一段时间内的数据，就很容易忽略这点，导致少拿数据

如果是按天拿还好，有date这个维度，会提醒你到底拿到了哪些天的数据。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

• 服务器开发中网络数据分析与故障排查经验漫谈
• 机房建设 全球SDN测试认证中心定制化测试服务助力数据中心网络转型
• 使用JavaScript和网络信息API进行自适应网络服务
• 未知网络服务分析之调试技巧
• Istio网络服务网格 超越Kubernetes技术
• Go36-46-访问网络服务（socket）

本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。