Esta aplicación Python, el 30 días del tablero del clima , recupera eficientemente los datos meteorológicos para múltiples ubicaciones a través de la API OpenWeather y lo almacena de forma segura en un cubo AWS S3. Este proyecto muestra las mejores prácticas en la interacción API, la gestión de recursos en la nube y el manejo de credenciales seguros.

características de la tecla:

• recuperación de datos meteorológicos en tiempo real para ciudades especificadas.
• muestra métricas meteorológicas cruciales: temperatura, humedad y condiciones.
• guarda información meteorológica a un cubo AWS S3.
• Manejo de errores robustos para interacciones API y de servicio en la nube.

Technology Stack:

• lenguaje: python
• api: abreweather api
• nube: aws s3
• bibliotecas: boto3 (aws interacción), requests (http requests), dotenv (gestión variable de entorno)

estructura del proyecto:

weather-dashboard/
  src/
    __init__.py
    weather_dashboard.py
  tests/
  data/
  .env
  .gitignore
  requirements.txt

• src/weather_dashboard.py : script principal para obtener datos y interacción AWS S3.
• . env : almacena seguros las claves API y los detalles del cubo de AWS.
• requisitos.txt : enumera las dependencias del proyecto.

Guía de configuración:

Prerrequisitos:

• python 3.8
• aws cli
• git

Pasos:

1. Clone El repositorio: git clon https://github.com/onlyfave/30daysweather-dashboard.git && cd 30daysweather-dashboard
2. Instalar dependencias: PIP install -r requería.txt
3. configure . Env con su clave API y información de cubo de AWS (ejemplo a continuación):

OPENWEATHER_API_KEY=YOUR_OPENWEATHER_API_KEY
AWS_BUCKET_NAME=your-weather-bucket
AWS_DEFAULT_REGION=your-aws-region

4. Configure las credenciales de AWS usando AWS Configurar .
5. Ejecute la aplicación: python3 src/weather_dashboard.py

Visuals:

1. salida de aplicación:

2. AWS S3 Configuración de bucket:

3. Error de manejo de Ejemplo:

4. AWS S3 Output:

lecciones aprendidas:

• AWS S3 Bucket Management y Python Integration.
• Manejo de credencial seguro usando variables de entorno.
• técnicas efectivas de integración de API.
• Manejo de errores robustos en sistemas distribuidos.
• Git Las mejores prácticas de control de versiones.

mejoras futuras:

• Agregar capacidades de pronóstico del tiempo.
• Desarrolle una interfaz gráfica de usuario fácil de usar (GUI).
• integrar visualización de datos avanzados (matplotlib, tramly).
• Soporte para más ciudades e internacionalización.
• pruebas automatizadas (pytest).
• CI/CD Pipeline Implementación.

Expresiones de gratitud:

gracias a las comunidades DevOps y Python, OpenWeather y AWS.

Contacto:

LinkedIn: Onyeneke Favor GitHub: Onlyfave