--- title: "AWS Integration - Fetch data from Tulip Tables" slug: "aws-integration-fetch-data-from-tulip-tables" updated: 2024-10-21T15:02:55Z published: 2024-10-21T15:02:55Z 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 통합 - Tulip 테이블에서 데이터 가져오기 *더 광범위한 분석 및 통합 기회를 위해 Tulip에서 AWS로 데이터 가져오기 간소화* ## 목적 이 가이드에서는 람다 함수를 통해 Tulip 테이블 데이터를 AWS로 가져오는 방법을 단계별로 안내합니다. 람다 함수는 이벤트 브리지 타이머 또는 API 게이트웨이와 같은 다양한 리소스를 통해 트리거할 수 있습니다. 아키텍처 예시는 다음과 같습니다: ![image](https://cdn.document360.io/7c6ff534-cad3-4fc8-9583-912c4016362f/Images/Documentation/tulip_data_fetch.png) API 게이트웨이와 람다 함수를 사용하면 Tulip 측에서 사용자 이름과 비밀번호로 데이터베이스를 인증할 필요 없이 AWS 내부의 IAM 인증 방법을 사용할 수 있기 때문에 람다 함수 내에서 AWS 작업을 수행하는 것이 더 쉬워질 수 있습니다. 또한 Redshift, DynamoDB 등과 같은 다른 AWS 서비스를 활용하는 방법도 간소화됩니다. ## 설정 이 예제 연동에는 다음이 필요합니다: - 튤립 테이블 API 사용(계정 설정에서 API 키 및 비밀번호 가져오기) - 튤립 테이블(테이블 고유 ID 가져오기 상위 단계: 1. 관련 트리거(API 게이트웨이, 이벤트 브리지 타이머 등)가 있는 AWS Lambda 함수 생성 2. 아래 예제```pythonimport jsonimport pandas as pdimport numpy as npimport 요청으로 Tulip 테이블 데이터 가져오기``를 사용하여 Tulip 테이블 데이터 가져오기 # 참고 AWS의 pandas 레이어는 다음이 필요합니다. # 를 람다 함수에 추가해야 합니다. 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 # 이것은 데이터 프레임에 100개의 기록을 추가한 다음 S3, Firehose 등에 사용할 수 있게 합니다. # 데이터 변수를 사용하여 S3, Firehose 등에 쓸 수 있습니다, # 데이터베이스 등에 쓰기 위해 데이터 변수를 사용합니다. 1. 트리거는 타이머로 실행하거나 URL을 통해 트리거할 수 있습니다. 2. 아래 이미지에 필요한 Pandas 레이어를 참고하세요![image.png](https://cdn.document360.io/7c6ff534-cad3-4fc8-9583-912c4016362f/Images/Documentation/image%28603%29.png) 3. 마지막으로 필요한 연동 기능을 추가합니다. 데이터베이스, S3 또는 람다 함수에서 알림 서비스에 데이터를 쓸 수 있습니다. ## 사용 사례 및 다음 단계 lambda와의 통합을 완료한 후에는 새그메이커 노트북, QuickSight 또는 기타 다양한 도구를 사용하여 데이터를 쉽게 분석할 수 있습니다. **1. 결함 예측 -** 생산 결함이 발생하기 전에 미리 파악하여 개선하기 위한 핵심 생산 동인을 파악합니다. **2. 품질 최적화 비용-** 고객 만족도에 영향을 주지 않고 제품 설계를 최적화할 수 있는 기회 파악 **3. 생산 에너지 최적화-** 에너지 소비 최적화를 위한 생산 레버 식별 **4. 납기 및 계획 예측 및 최적화-** 고객 수요 및 실시간 주문 일정에 따라 생산 일정 최적화 **5. 글로벌 기계/라인 벤치마킹-** 유사 기계 또는 장비의 표준화를 통한 벤치마킹 **6. 글로벌/지역별 디지털 성과 관리-** 통합된 데이터로 실시간 대시보드 생성