Cette application Python, le tableau de bord météorologique de 30 jours récupère efficacement les données météorologiques pour plusieurs emplacements via l'API OpenWeather et les stocke en toute sécurité dans un seau AWS S3. Ce projet présente les meilleures pratiques dans l'interaction API, la gestion des ressources cloud et la gestion sécurisée des informations d'identification.

Fonctions clés:

• Récupération des données météorologiques en temps réel pour les villes spécifiées.
• affiche des métriques météorologiques cruciales: température, humidité et conditions.
• enregistre en toute sécurité les informations météorologiques à un seau AWS S3.
• Gestion des erreurs robuste pour les interactions API et Cloud Service.

Stack de technologie:

• Langue: python
• api: openweather api
• cloud: aws s3
• bibliothèques: boto3 (aws interaction), requêtes (remanies http), dotenv (gestion de la variable d'environnement)

Structure du projet:

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

• src / weather_dashboard.py : script de base pour les données fetching et interaction aws s3.
• . Env : stocke en toute sécurité les touches API et les détails du seau AWS.
• exigences.txt : répertorie les dépendances du projet.

Guide de configuration:

prérequis:

• python 3.8
• aws cli
• git

Mesures:

1. Clone The Repository: git clone https://github.com/onlyfave/30days-cheather-dashboard.git && cd 30days-cheather-dashboard
2. installer les dépendances: pip install -r exidits.txt
3. configure . Env avec vos informations de clé API et AWS Bucket (exemple ci-dessous):

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

4. Configurer les informations d'identification AWS à l'aide de aws configurer .
5. Exécutez l'application: python3 src / weather_dashboard.py

visuels:

1. sortie de l'application:

2. AWS S3 Bucket Configuration:

3. Exemple de gestion des erreurs:

4. aws s3 output:

leçons apprises:

• AWS S3 Bucket Management et Python Intégration.
• Gestion des informations d'identification sécurisée à l'aide de variables d'environnement.
• Techniques d'intégration API efficaces.
• Gestion des erreurs robuste dans les systèmes distribués.
• Git Version Control Best Practices.

Améliorations futures:

• Ajouter des capacités de prévision météorologiques.
• Développez une interface utilisateur graphique conviviale (GUI).
• Intégrer la visualisation avancée des données (matplotlib, tracé).
• Support pour plus de villes et d'internationalisation.
• Test automatisé (pytest).
• Implémentation du pipeline CI / CD.

remerciements:

Merci aux communautés DevOps et Python, OpenWeather et Aws.

Contact:

linkedIn: onyeneke favor Github: onlyfave