百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 编程字典 > 正文

实战华为云Serverless函数服务+CSSRDS

toyiye 2024-06-21 11:55 8 浏览 0 评论

原创不易,请多多支持!

CASE1:VPC-> FunctionGragh -> CSS -> Kibana

1.创建函数服务FunctionGraph,本实验选择Python3.6代码环境

注意:需要打开代理服务,为访问OBS,AK/SK准备

2.创建CSS服务,打开安全组端口9200,9300

注意:

1)创建master node, client node(必须),为客户端连接准备

2)选择安全或者非安全访问,安全访问需要用户名、命名和证书,非安全访问可以直接访问,本实验选择非安全访问

3)private network address是集群连接主机及端口


3.导入FunctionGraph函数代码中依赖包

1)提前上传依赖包到OBS服务,使用OBS URL

2)代码运行环境与依赖包一致,本实验用到pandas,Elasticsearch依赖包


4.FunctionGraph编辑代码

1)code选择依赖包,编辑代码

2)Configuration打开VPC访问,添加CSS所在的VPC及子网,确保内网可用

3)打开代理托管,确保可以获取AK/SK

4)添加加密或非加密参数,本实验添加region参数


# -*- coding:utf-8 -*-

import json

import base64

import sys

import os

import requests

import pandas as pd

from elasticsearch import Elasticsearch, helpers

import csv

#get vpc data and store in csv file

def get_vpc_sg(regionName,Token,projectId):

headers = {'X-Auth-Token': Token, "accept": "application/json"}

url= "https://vpc."+regionName+".huaweicloud.com/v1/"+projectId+"/security-groups"

response = requests.get(url,headers=headers)

if response.status_code != 200:

print(response.status_code)

print("get vpc security group failed.")

data_json = json.loads(response.text)

data= data_json['security_groups']

print(data)

# Normalizing data

multiple_level_data = pd.json_normalize(data, record_path=['security_group_rules'],

meta=['id', 'name',

'description', 'enterprise_project_id'], meta_prefix='security_groups_',

record_prefix='security_group_rules_')

print(multiple_level_data)

# Saving to CSV format

multiple_level_data.to_csv('/tmp/vpc_sg_data.csv', index=False)

#load_csv to mysql

def load_csv_css(csv_file_path):

es = Elasticsearch(

['ip1','ip2','ip3'],

#ip1,ip2,ip3 in Step2, 3)private network address


# sniff before doing anything

sniff_on_start=True,

# refresh nodes after a node fails to respond

sniff_on_connection_fail=True,

# and also every 60 seconds

sniffer_timeout=60,

# set sniffing request timeout to 10 seconds

sniff_timeout=10

)

with open(csv_file_path, 'r',encoding='utf-8') as f:

reader = csv.DictReader(f)

helpers.bulk(es, reader, index='security_group')

def handler(event, context):

#text = json.dumps(event["cts"])

#ctsmsg = json.loads(text)


regionName = context.getUserData('RegionName')

Token=context.getToken()

print(Token)

#projectId = context.getUserData('ProjectID')

projectId = context.getProjectID()

print(projectId)

get_vpc_sg(regionName,Token,projectId)

csv_file_path='/tmp/vpc_sg_data.csv'

load_csv_css(csv_file_path)


if __name__ == '__main__':

handler(event,context)

5.执行FunctionGraph代码,检查数据一致性

1)FunctionGraph搜索VPC安全组信息470条记录

2)CSS Kibana SQL查询470条记录



CASE2:VPC-> FunctionGragh -> RDS

前4步相同,不再赘述

5.执行FunctionGraph代码,检查数据一致性

# -*- coding: utf-8 -*-

import json

import base64

import sys

import os

import requests

import pandas as pd

import pymysql

#connect to mysql

config = {'host':'ip',

'port':3306,

'user':'root',

'passwd':'******',

'charset':'utf8mb4',

'local_infile':1

}

conn = pymysql.connect(**config)

cur = conn.cursor()

#get vpc data and store in csv file

def get_vpc_sg(regionName,Token,projectId):

headers = {'X-Auth-Token': Token, "accept": "application/json"}

url= "https://vpc."+regionName+".huaweicloud.com/v1/"+projectId+"/security-groups"

response = requests.get(url,headers=headers)

if response.status_code != 200:

print(response.status_code)

print("get vpc security group failed.")

data_json = json.loads(response.text)

data= data_json['security_groups']

print(data)

# Normalizing data

multiple_level_data = pd.json_normalize(data, record_path=['security_group_rules'],

meta=['id', 'name',

'description', 'enterprise_project_id'], meta_prefix='security_groups_',

record_prefix='security_group_rules_')

print(multiple_level_data)

# Saving to CSV format

multiple_level_data.to_csv('/tmp/vpc_data_std.csv', index=False)

#load_csv to mysql

def load_csv(csv_file_path,table_name,database):

#open csv

file = open(csv_file_path, 'r',encoding='utf-8')

#read csv header,and create table

reader = file.readline()

b = reader.split(',')

colum = ''

for a in b:

colum = colum + a + ' varchar(512),'

colum = colum[:-1]

#create table and load data

create_sql = 'create table if not exists ' + table_name + ' ' + '(' + colum + ')' + ' DEFAULT CHARSET=utf8'

truncate_sql='truncate table ' + table_name

data_sql = "LOAD DATA LOCAL INFILE '%s' INTO TABLE %s FIELDS TERMINATED BY ',' ENCLOSED BY '\"' LINES TERMINATED BY '\\n' IGNORE 1 LINES" % (csv_file_path,table_name)


#use database

cur.execute('use %s' % database)

#set utf-8

cur.execute('SET NAMES utf8;')

cur.execute('SET character_set_connection=utf8;')

#execute sql to create table

cur.execute(create_sql)

#execute sql to truncate table

cur.execute(truncate_sql)

#execute data_sql,input data to db

cur.execute(data_sql)

conn.commit()

#close

conn.close()

cur.close()

def handler(event, context):

#text = json.dumps(event["cts"])

#ctsmsg = json.loads(text)

regionName = context.getUserData('RegionName')

Token=context.getToken()

print(Token)

#projectId = context.getUserData('ProjectID')

projectId = context.getProjectID()

print(projectId)

get_vpc_sg(regionName,Token,projectId)

csv_file_path='/tmp/vpc_data_std.csv'

table_name='vpc_sg'

database='telefonica'

load_csv(csv_file_path,table_name,database)


if __name__ == '__main__':

handler(event,context)

有问题可以留言交流,转载请注明,谢谢!

相关推荐

为何越来越多的编程语言使用JSON(为什么编程)

JSON是JavascriptObjectNotation的缩写,意思是Javascript对象表示法,是一种易于人类阅读和对编程友好的文本数据传递方法,是JavaScript语言规范定义的一个子...

何时在数据库中使用 JSON(数据库用json格式存储)

在本文中,您将了解何时应考虑将JSON数据类型添加到表中以及何时应避免使用它们。每天?分享?最新?软件?开发?,Devops,敏捷?,测试?以及?项目?管理?最新?,最热门?的?文章?,每天?花?...

MySQL 从零开始:05 数据类型(mysql数据类型有哪些,并举例)

前面的讲解中已经接触到了表的创建,表的创建是对字段的声明,比如:上述语句声明了字段的名称、类型、所占空间、默认值和是否可以为空等信息。其中的int、varchar、char和decimal都...

JSON对象花样进阶(json格式对象)

一、引言在现代Web开发中,JSON(JavaScriptObjectNotation)已经成为数据交换的标准格式。无论是从前端向后端发送数据,还是从后端接收数据,JSON都是不可或缺的一部分。...

深入理解 JSON 和 Form-data(json和formdata提交区别)

在讨论现代网络开发与API设计的语境下,理解客户端和服务器间如何有效且可靠地交换数据变得尤为关键。这里,特别值得关注的是两种主流数据格式:...

JSON 语法(json 语法 priority)

JSON语法是JavaScript语法的子集。JSON语法规则JSON语法是JavaScript对象表示法语法的子集。数据在名称/值对中数据由逗号分隔花括号保存对象方括号保存数组JS...

JSON语法详解(json的语法规则)

JSON语法规则JSON语法是JavaScript对象表示法语法的子集。数据在名称/值对中数据由逗号分隔大括号保存对象中括号保存数组注意:json的key是字符串,且必须是双引号,不能是单引号...

MySQL JSON数据类型操作(mysql的json)

概述mysql自5.7.8版本开始,就支持了json结构的数据存储和查询,这表明了mysql也在不断的学习和增加nosql数据库的有点。但mysql毕竟是关系型数据库,在处理json这种非结构化的数据...

JSON的数据模式(json数据格式示例)

像XML模式一样,JSON数据格式也有Schema,这是一个基于JSON格式的规范。JSON模式也以JSON格式编写。它用于验证JSON数据。JSON模式示例以下代码显示了基本的JSON模式。{"...

前端学习——JSON格式详解(后端json格式)

JSON(JavaScriptObjectNotation)是一种轻量级的数据交换格式。易于人阅读和编写。同时也易于机器解析和生成。它基于JavaScriptProgrammingLa...

什么是 JSON:详解 JSON 及其优势(什么叫json)

现在程序员还有谁不知道JSON吗?无论对于前端还是后端,JSON都是一种常见的数据格式。那么JSON到底是什么呢?JSON的定义...

PostgreSQL JSON 类型:处理结构化数据

PostgreSQL提供JSON类型,以存储结构化数据。JSON是一种开放的数据格式,可用于存储各种类型的值。什么是JSON类型?JSON类型表示JSON(JavaScriptO...

JavaScript:JSON、三种包装类(javascript 包)

JOSN:我们希望可以将一个对象在不同的语言中进行传递,以达到通信的目的,最佳方式就是将一个对象转换为字符串的形式JSON(JavaScriptObjectNotation)-JS的对象表示法...

Python数据分析 只要1分钟 教你玩转JSON 全程干货

Json简介:Json,全名JavaScriptObjectNotation,JSON(JavaScriptObjectNotation(记号、标记))是一种轻量级的数据交换格式。它基于J...

比较一下JSON与XML两种数据格式?(json和xml哪个好)

JSON(JavaScriptObjectNotation)和XML(eXtensibleMarkupLanguage)是在日常开发中比较常用的两种数据格式,它们主要的作用就是用来进行数据的传...

取消回复欢迎 发表评论:

请填写验证码