Cloud Insight API 사용하여 서버의 평균 자원 사용량 응답 데이터 Excel 저장 #3

728x90

2024.04.23 - [네이버클라우드 API 사용 활용 사례] - Cloud Insight API 사용하여 서버의 평균 CPU 사용량 출력 #2-2

지난 포스팅에서는 Cloud Insight API를 통하여 생성된 서버의 CPU/MEM/FileSystem 사용량을 확인하였다.

이번에는 응답받은 CPU/MEM/FileSystem 사용량을 Excel에 저장하여 문서화 하는 방법에 대해서 포스팅 할 예정이다.

Python 응답 데이터 Excel저장

python에서 excel을 다루기 위해서는 excel 관련 별도 라이브러리가 필요하다.

여러 excel 관련 라이브러리가 있지만 이번 포스팅에서는 대표적인 openpyxl 라이브러리를 사용하였다.

설치

파이썬 패키지 관리자인 pip으로 간단하게 설치 가능

pip install openpyxl

기본적인 사용법

[용어]

workbook: 편집 대상 Excel파일 객체
worksheet: 편집 대상 Excel파일 내 sheet 객체 / 명시하지 않으면 기본 sheet로 인식

[기본 사용법]

workbook

신규 excel파일 생성하는 경우

# openpyxl 라이브러리를 사용하기 위해 import
import openpyxl

# wb변수에 workbook 객체 저장
# excel 신규파일 생성
wb = openpyxl.Workbook()

excel파일이 이미 생성되어 있는 경우(excel파일 열기)

# openpyxl 라이브러리를 사용하기 위해 import
import openpyxl

# wb변수에 workbook 객체 저장
# 생성되어 있는 excel파일을 workbook객체 load
wb = openpyxl.load_workbook("저장경로+파일이름")

worksheet

worksheet 설정(신규 sheet 생성)

# openpyxl 라이브러리를 사용하기 위해 import
import openpyxl

# wb변수에 workbook 객체 저장
# 생성되어 있는 excel파일을 workbook객체 load
wb = openpyxl.load_workbook("저장경로+파일이름")

ws = wb.create_sheet("new_sheet")

ws.save("저장경로+파일이름")

worksheet 설정(만들어져 있는 sheet 사용)

1. 활성되어 있는 Sheet 접근
wb = openpyxl.load_workbook("저장경로+파일이름")

# ws 변수에 excel 자체에서 현재 선택되어 있는 sheet 저장 
ws = wb.active

ws.save("저장경로+파일이름")

2. Sheet명을 지정하여 접근
wb = openpyxl.load_workbook("저장경로+파일이름")
ws 변수에 excel에 생성되어 있는 sheet 명을 저장
ws = wb.["Sheet 명"]

ws.save("저장경로+파일이름")

이렇게 사용할 excel을 workbook 객체로 지정하고, 사용할 sheet를 지정하면 python에서 해당 sheet에 대하여 읽기/쓰기 작업을 수행 할 수 있다.

Cloud Insight 응답 데이터 Excel 저장

이전 포스팅 내용인 다수 서버의 avg_cpu_used_rto 응답 데이터를 excel에 저장 해보자.

f-string을 사용하여 지정된 row에 데이터를 저장하고, row값을 증가시켜 순차적으로 데이터를 저장.

wb = openpyxl.load_workbook("저장경로+Excel파일명")
ws = wb.active

#QueryDataMultiple API호출을 통해 avg_cpu_used값을 호출했다 가정하자. 

#엑셀 7열 의미
row = 7
print("CPU : avg_cpu_used DATA")
for cpu in avg_cpu_used_f:
    #f-string을 row를 변수로 사용
    #sheet에 F7 cell에 avg_cpu_used 데이터 저장
    ws[f'f{row}'] = round(float(cpu['dps'][0][1]), 2)
    #이후 row값을 증가시켜 아래 열에 데이터를 연속해서 저장.
    row = row + 1

wb.save("저장경로+Excel파일명")

결론

Cloud Insight API를 통하여 서버의 리소스 사용량을 확인하였으며, 해당 데이터를 Excel로 저장하여 문서화까지 하였다.

openpyxl 라이브러리를 사용하여 쉽게 Excel 편집을 할 수 있었다.

API를 사용하는 내용보다는 훨씬 쉽고 재미있었으며 금방 검색을 통해 구현 할 수 있었다.

다음 글에는 이렇게 만들어진 Excel파일을 메일 발송하는 내용을 포스팅 할 예정이다.

[전체 소스코드]

excel의 경로를 raw string으로 미리 저장(fpath)
작업 할 excel의 sheet를 ws변수에 저장
Server1, Server2의 avg_cpu_used_rto 데이터를 해당 sheet row에 저장

import hashlib
import hmac
import base64
import requests
import time
import json
import openpyxl

fpath = r'Excel 파일 경로'
wb = openpyxl.load_workbook(fpath)
ws = wb.active


# unix timestamp 설정
timestamp = int(time.time() * 1000)
timestamp = str(timestamp)

# Ncloud API Key 설정
ncloud_accesskey = "Acces Key"
ncloud_secretkey = "Secret Key"

# 암호화 문자열 생성을 위한 기본값 설정
apicall_method = "POST"
space = " "
new_line = "\n"

# API 서버 정보
api_server = "https://cw.apigw.ntruss.com"

# API URL 서버 목록 조회
api_url = "/cw_fea/real/cw/api/data/query/multiple"


# hmac으로 암호화할 문자열 생성
message = apicall_method + space + api_url + new_line + timestamp + new_line + ncloud_accesskey
message = bytes(message, 'UTF-8')

# hmac_sha256 암호화
ncloud_secretkey = bytes(ncloud_secretkey, 'UTF-8')
signingKey = base64.b64encode(hmac.new(ncloud_secretkey, message, digestmod=hashlib.sha256).digest())


# http 호출 헤더값 설정
http_header = {
    #'Content-Type': 'application/json',
    'x-ncp-apigw-timestamp': timestamp,
    'x-ncp-iam-access-key': ncloud_accesskey,
    'x-ncp-apigw-signature-v2': signingKey
    }

payload = {
    "metricInfoList": [
        {
            "prodKey": "460438474722512896",
            "metric": "avg_cpu_used_rto",
            "interval": "Min1",
            "aggregation": "avg",
            "dimensions": {
                "instanceNo": "Server#1 Instance Number"
            }
        },
        {
         "prodKey": "460438474722512896",
            "metric": "avg_cpu_used_rto",
            "interval": "Min1",
            "aggregation": "avg",
            "dimensions": {
                "instanceNo": "Server#2 Instance Number"
            }   
        },
        
    ],
    "prodName":"System/Server(VPC)",
    "timeEnd": "조회를 원하는 시간의 Timestamp 값", 
    "timeStart": "조회를 원하는 시간의 Timestamp 값"
    } 

response = requests.post(api_server + api_url, headers=http_header,json=payload)

real_data = json.loads(response.text)

row = 7
for cpu in real_data:
    ws[f'f{row}'] = round(float(cpu['dps'][0][1]), 2)
    row = row + 1

wb.save(fpath)