Este aplicativo Python, o painel de meteorologia de 30 dias , recupera com eficiência dados climáticos para vários locais através da API OpenWeather e o armazena com segurança em um balde AWS S3. Este projeto mostra as melhores práticas na interação da API, gerenciamento de recursos em nuvem e manuseio de credenciais seguros.

Recursos de chave:

• Recuperação de dados climáticos em tempo real para cidades especificadas.
• exibe métricas cruciais climáticas: temperatura, umidade e condições.
• salva com segurança informações climáticas em um bucket da AWS S3.
• LIDADE ROBUSTO DE ERRO PARA API E INTERAÇÕES DE SERVIÇO NOUTE.

pilha da tecnologia:

• idioma: python
• api: openWeather API
• nuvem: aws s3
• bibliotecas: BOTO3 (interação aws), solicitações (http solicitações), dotenv (mecanismo de ambiente)

estrutura do projeto:

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

• src/weather_dashboard.py : script Core para busca de dados e interação AWS S3.
•
• requisitos.txt : lista as dependências do projeto.
• Guia de configuração:

pré -requisitos:

python 3.8

• git
• Passos:

CLONE O repositório: git clone https://github.com/onlyfave/30days-weather-dashboard.git && CD 30Days-weather-Dashboard

1. Instale dependências: pip install -r requisitos.txt
2. Configure . Env com sua chave da API e Informações do Bucket AWS (exemplo abaixo):
3. openweather_api_key = your_openweather_api_key Aws_bucket_name = seu clima-clima-bucket Aws_default_region = your-aws-region

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

4. Execute o aplicativo: python3 src/weather_dashboard.py
5. visuais:

Application Output:

AWS S3 Configuração do bucket:

Erro lidando exemplo:

AWS S3 Output:

lições aprendidas:

AWS S3 Gerenciamento de balde e integração Python.

• Técnicas de integração da API eficaz.
• Manipulação de erro robusta em sistemas distribuídos.
• Git Version Control Best Practices.
• melhorias futuras:

Adicionar recursos de previsão do tempo.

• integrar a visualização de dados avançada (matplotlib, plotly).
• suporte para mais cidades e internacionalização.
• teste automatizado (pytest).
• implementação do pipeline CI/CD.
• reconhecer:

graças às comunidades DevOps e Python, OpenWeather e Aws.

LinkedIn: Onyeneke Favor Github: somenteFave