--- title: "AWS Integration - Fetch data from Tulip Tables" slug: "aws-integration-fetch-data-from-tulip-tables" updated: 2024-05-27T13:27:59Z published: 2024-05-27T13:27:59Z canonical: "support.tulip.co/aws-integration-fetch-data-from-tulip-tables" --- > ## Documentation Index > Fetch the complete documentation index at: https://support.tulip.co/llms.txt > Use this file to discover all available pages before exploring further. # AWS integráció - Adatok lekérése a Tulip táblákból *Az adatok Tulipből az AWS-re történő lekérdezésének egyszerűsítése a szélesebb körű analitikai és integrációs lehetőségek érdekében.* ## Cél Ez az útmutató lépésről lépésre bemutatja, hogyan lehet a Tulip Tables adatokat AWS-ről lekérni egy Lambda-funkció segítségével. A lambda-funkciót számos erőforráson keresztül lehet elindítani, például Event Bridge időzítőkön vagy egy API-átjárón keresztül. Az alábbiakban egy példaarchitektúra látható: ![image](https://cdn.document360.io/7c6ff534-cad3-4fc8-9583-912c4016362f/Images/Documentation/tulip_data_fetch.png) Az AWS műveletek elvégzése egy lambda függvényen belül egyszerűbb lehet, mivel az API Gateway és a Lambda függvények segítségével nem kell az adatbázisokat felhasználónévvel és jelszóval hitelesíteni a Tulip oldalán; az AWS-en belüli IAM hitelesítési módszerekre támaszkodhat. Ez egyszerűsíti más AWS-szolgáltatások, például a Redshift, a DynamoDB és más szolgáltatások kihasználását is. ## A beállítása. Ehhez a példaintegrációhoz a következőkre van szükség: - A Tulip Tables API használata (API-kulcs és titok lekérése a fiókbeállításokban). - Tulip Table (A tábla egyedi azonosítójának beszerzése. Magas szintű lépések: 1. Hozzon létre egy AWS Lambda-funkciót a megfelelő triggerrel (API Gateway, Event Bridge Timer stb.) 2. Hívja le a Tulip tábla adatait az alábbi példával ```python import json import pandas as pd import numpy as np import requests # MEGJEGYZÉS Az AWS-ből származó pandas rétegnek szüksége lesz a következőkre # hozzá kell adni a Lambda függvényhez def lambda_handler(event, context): auth_header = OBTAIN FROM API AUTH header = {'Authorization' : auth_header} base_url = 'https://[INSTANCE].tulip.co/api/v3' offset = 0 function = f'/tables/[TABLE_ID/records?limit=100&offset={offset}&includeTotalCount=false&filterAggregator=all' r = requests.get(base_url+function, headers=header) df = pd.DataFrame(r.json()) length = len(r.json()) while length > 0: offset += 100 function = f'/tables/[TABLE_ID/records?limit=100&offset{offset}&includeTotalCount=false&filterAggregator=all' r = requests.get(base_url+function, headers=cdm_header) length = len(r.json()) df_append = pd.DataFrame(r.json()) df = pd.concat([df, df_append], axis=0) df.shape # ez 100 rekordot csatol egy adatkerethez, és ezután felhasználható S3, Firehose stb. számára # használja az adatváltozót az S3-ra, Firehose-ra való íráshoz, # adatbázisokba, és így tovább ``` 1. A kiváltó futhat időzítőn vagy URL-en keresztül kiváltható 2. Figyeljük meg az alábbi képen a Pandas réteget, amelyre szükség van![image.png](https://cdn.document360.io/7c6ff534-cad3-4fc8-9583-912c4016362f/Images/Documentation/image%28603%29.png) 3. Végül adjon hozzá bármilyen szükséges integrációt. Lambda függvényekből írhatja az adatokat adatbázisba, S3-ba vagy értesítési szolgáltatásba. ## Felhasználási esetek és következő lépések Miután véglegesítette az integrációt a lambdával, könnyen elemezheti az adatokat egy sagemaker notebookkal, a QuickSighttal vagy számos más eszközzel. **1. Hibák előrejelzése**- A gyártási hibák azonosítása, mielőtt azok bekövetkeznének, és a helyes első alkalommal történő javítás növelése - A minőséget befolyásoló alapvető gyártási tényezők azonosítása a fejlesztések végrehajtása érdekében. **2. Minőségi költségek optimalizálása**- A terméktervezés optimalizálásának lehetőségeinek azonosítása a vevői elégedettség befolyásolása nélkül. **3. Termelési energiaoptimalizálás**- Az optimális energiafogyasztás érdekében a termelésben alkalmazott mozgatórugók azonosítása. **4. Szállítási és tervezési előrejelzés és optimalizálás**- A gyártási ütemezés optimalizálása a vevői kereslet és a valós idejű rendelési ütemezés alapján. **5. Globális gép/sor teljesítményértékelés**- Hasonló gépek vagy berendezések teljesítményértékelése normalizálással. **6. Globális / regionális digitális teljesítménymenedzsment**- Konszolidált adatok valós idejű műszerfalak létrehozásához.