Telegramm als Data Warehouse für IT-Projekte

  #      click     if data is not None: if message.text == '': sql = "UPDATE users SET click = {} WHERE chatid = {}".format(data[2]+1,message.chat.id) cursor.execute(sql) conn.commit() await bot.send_message(message.chat.id, ': {} '.format(data[2]+1)) #        10 if message.text == '': sql = "SELECT * FROM users ORDER BY click DESC LIMIT 15" cursor.execute(sql) newlist = cursor.fetchall() # or use fetchone() sql_count = "SELECT COUNT(chatid) FROM users" cursor.execute(sql_count) count=cursor.fetchone() rating=': {}\n'.format(count[0]) i=1 for user in newlist: rating=rating+str(i)+': '+user[1]+' - '+str(user[2])+'\n' i+=1 await bot.send_message(message.chat.id, rating) else: await bot.send_message(message.chat.id, '  ') 

Schreiben wir die Logik für die Benutzerregistrierung

 sql_select = "SELECT * FROM users where chatid={}".format(message.chat.id) sql_insert = "INSERT INTO users VALUES ({}, '{}', {},{})".format(message.chat.id,message.chat.first_name, 0, 0) try: cursor.execute(sql_select) data = cursor.fetchone() if data is None: cursor.execute(sql_insert) conn.commit() await save_data() except Exception: data = await get_data() cursor.execute("CREATE TABLE users (chatid INTEGER , name TEXT, click INTEGER, state INTEGER)") cursor.executemany("INSERT INTO users VALUES (?,?,?,?)", data) conn.commit() cursor.execute(sql_select) data = cursor.fetchone() if data is None: cursor.execute(sql_insert) conn.commit() await save_data() #   button = KeyboardButton('') button2 = KeyboardButton('') #  kb = ReplyKeyboardMarkup(resize_keyboard=True).add(button).add(button2) #     await bot.send_message(message.chat.id,' {}'.format(message.chat.first_name),reply_markup=kb) 

Speichern und Abrufen von Daten vom Telergam-Server

  #-------------------- ------------------------- async def save_data(): sql = "SELECT * FROM users " cursor.execute(sql) data = cursor.fetchall() # or use fetchone() try: #     str_data=json.dumps(data) #      await bot.edit_message_media(InputMediaDocument(io.StringIO(str_data)), admin_id, config_id) except Exception as ex: print(ex) 

 # #-------------------- ------------------------- async def get_data(): #         forward_data = await bot.forward_message(admin_id, admin_id, config_id) #    ,   file_data = await bot.get_file(forward_data.document.file_id) #    url file_url_data = bot.get_file_url(file_data.file_path) #     json_file= urlopen(file_url_data).read() #    json     return json.loads(json_file) 

 def timer_start(): threading.Timer(30.0, timer_start).start() try: asyncio.run_coroutine_threadsafe(save_data(),bot.loop) except Exception as exc: pass 

 #-------------------- ------------------------- if __name__ == '__main__': timer_start() executor.start_polling(dp, skip_updates=True) 

Der Code scheint also aussortiert zu sein. Hier ist der Link des Arbeitsentwurfs zu Github .

Wie man läuft

1. Laden Sie das Projekt von github herunter. Wir starten das Projekt in jeder Entwicklungsumgebung für Python (zum Beispiel: PyCharm).
2. Die Entwicklungsumgebung lädt automatisch die erforderlichen Bibliotheken aus der Anforderungsdatei.
3. Ersetzen Sie das Token von BotFather in main.py.
   
   
4. Wir starten das Projekt
5. Klicken / starten Sie im zweiten Konto und schreiben Sie das Wort "admin".
   
   
   
6. Schalten Sie das Projekt aus und geben Sie admin_id und config_id in die Datei main.py ein
7. Wir starten das Projekt und drücken über das Benutzerkonto auf Start
   
   
   
8. Gewinn

Tests und Grafiken

Tests wurden auf Heroku-Servern mit minimalen Instanzeigenschaften durchgeführt. Wir können also davon ausgehen, dass alle Tests unter mehr oder weniger gleichen Bedingungen durchgeführt wurden.

Die Grafiken werden aus Beispielen von ~ 100 Anfrage-Antworten erstellt. Und der Durchschnitt der Stichprobe wird dargestellt.

PostgreSQL auf Amazon RDS mit minimalen Merkmalen wurde als Datenbank auf einem Server eines Drittanbieters verwendet.



Bei einer Million Benutzern wird die Sicherungszeit zum Problem.



Die Größe der Sicherung hängt vollständig von Ihrem Datenmodell ab. In meinem Fall wurde mit einer Million Benutzern eine Datendatei mit 21 Megabyte abgerufen.

Fazit

Diese Methode der Datenspeicherung ist für Projekte mit bis zu einer Million Benutzern sinnvoll. Das heißt, für einen Prototyp oder ein persönliches Startup hat diese Methode das Recht auf Leben.

Als Ergebnis haben wir einen vollständig eigenständigen Clicker erhalten, der von entfernten Datenbanken unabhängig ist.

Hier ist das oben beschriebene Projekt, das für Heroku bereitgestellt wurde: @Clicker_fast_bot

Ich habe auch ein komplexeres Projekt mit dieser Ideologie implementiert: @Random_friend_bot

Die Ähnlichkeit eines Zwei-Personen-Chatrooms und eines Chatroulettes, jedoch nur in einem Telegramm.

Er sucht im Umkreis von 100 km um eine Person des anderen Geschlechts nach Kommunikation und realisiert einen geschlossenen Chat mit einem neuen Gesprächspartner.

Wenn es interessant ist, kann ich den Quellcode des Projekts wegwerfen. Wenn dieses Thema relevant ist, kann ich im nächsten Artikel die Erstellung der Rest-API ohne externe Datenbanken beschreiben. Das ist so ein Django-Sqllite-Telegramm-Stack.

Ich freue mich über jede Kritik, danke für Ihre Aufmerksamkeit!