معرفی شرکت ها
analytics-0.6.5
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
Library for efficiently adding analytics to your project.
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | analytics-0.6.5 |
| نام | analytics |
| نسخه کتابخانه | 0.6.5 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Numan Sachwani |
| ایمیل نویسنده | numan856@gmail.com |
| آدرس صفحه اصلی | https://github.com/numan/py-analytics |
| آدرس اینترنتی | https://pypi.org/project/analytics/ |
| مجوز | Apache License 2.0 |
py-analytics
============
.. image:: https://secure.travis-ci.org/numan/py-analytics.png?branch=master
:target: https://secure.travis-ci.org/numan/py-analytics
Py-Analytics is a library designed to make it easy to provide analytics as part of any project.
The project's goal is to make it easy to store and retrieve analytics data. It does not provide
any means to visualize this data.
Currently, only ``Redis`` is supported for storing data.
Install
--------
You can install the latest official stable version using pypi:
>>> pip install analytics
Or get the latest version directly from github:
>>> pip install -e git+https://github.com/numan/py-analytics.git#egg=analytics
Requirements
------------
Required
~~~~~~~~
Requirements **should** be handled by setuptools, but if they are not, you will need the following Python packages:
* nydus
* redis
* dateutil
Optional
~~~~~~~~
* hiredis
analytics.create_analytic_backend
----------------------------------
Creates an analytics object that allows to to store and retrieve metrics::
>>> from analytics import create_analytic_backend
>>>
>>> analytics = create_analytic_backend({
>>> 'backend': 'analytics.backends.redis.Redis',
>>> 'settings': {
>>> 'defaults': {
>>> 'host': 'localhost',
>>> 'port': 6379,
>>> 'db': 0,
>>> },
>>> 'hosts': [{'db': 0}, {'db': 1}, {'host': 'redis.example.org'}]
>>> },
>>> })
Internally, the ``Redis`` analytics backend uses ``nydus`` to distribute your metrics data over your cluster of redis instances.
There are two required arguements:
* ``backend``: full path to the backend class, which should extend analytics.backends.base.BaseAnalyticsBackend
* ``settings``: settings required to initialize the backend. For the ``Redis`` backend, this is a list of hosts in your redis cluster.
Example Usage
-------------
::
from analytics import create_analytic_backend
import datetime
analytics = create_analytic_backend({
"backend": "analytics.backends.redis.Redis",
"settings": {
"hosts": [{"db": 5}]
},
})
year_ago = datetime.date.today() - datetime.timedelta(days=365)
#create some analytics data
analytics.track_metric("user:1234", "comment", year_ago)
analytics.track_metric("user:1234", "comment", year_ago, inc_amt=3)
#we can even track multiple metrics at the same time for a particular user
analytics.track_metric("user:1234", ["comments", "likes"], year_ago)
#or track the same metric for multiple users (or a combination or both)
analytics.track_metric(["user:1234", "user:4567"], "comment", year_ago)
#retrieve analytics data:
analytics.get_metric_by_day("user:1234", "comment", year_ago, limit=20)
analytics.get_metric_by_week("user:1234", "comment", year_ago, limit=10)
analytics.get_metric_by_month("user:1234", "comment", year_ago, limit=6)
#create a counter
analytics.track_count("user:1245", "login")
analytics.track_count("user:1245", "login", inc_amt=3)
#retrieve multiple metrics at the same time
#group_by is one of ``month``, ``week`` or ``day``
analytics.get_metrics([("user:1234", "login",), ("user:4567", "login",)], year_ago, group_by="day")
>> [....]
#set a metric count for a day
analytics.set_metric_by_day("user:1245", "login", year_ago, 100)
#sync metrics for week and month after setting day
analytics.sync_agg_metric("user:1245", "login", year_ago, datetime.date.today())
#retrieve a count
analytics.get_count("user:1245", "login")
#retrieve a count between 2 dates
analytics.get_count("user:1245", "login", start_date=datetime.date(month=1, day=5, year=2011), end_date=datetime.date(month=5, day=15, year=2011))
#retrieve counts
analytics.get_counts([("user:1245", "login",), ("user:1245", "logout",)])
#clear out everything we created
analytics.clear_all()
BACKWARDS INCOMPATIBLE CHANGES
-------------------------------
V0.6.0
~~~~~~
* This version introduces prefixes. Any old analytics data will be unaccessable.
v0.5.2
~~~~~~
* ``get_metric_by_day``, ``get_metric_by_week`` and ``get_metric_by_month`` return ``series`` as a set of strings instead of a list of date/datetime objects
TODO
----
* Add more backends possibly...?
* Add an API so it can be deployed as a stand alone service (http, protocolbuffers, ...)
نحوه نصب
نصب پکیج whl analytics-0.6.5:
pip install analytics-0.6.5.whl
نصب پکیج tar.gz analytics-0.6.5:
pip install analytics-0.6.5.tar.gz