ദിവസം 0
ആക്സസ് തെളിയിക്കുക
കീ സൃഷ്ടിക്കുക, ഒരു ഓതന്റിക്കേറ്റഡ് റിക്വസ്റ്റ് പൂർത്തിയാക്കുക, അതിന്റെ മെറ്റാഡാറ്റയോടു കൂടി ആദ്യത്തെ റെസ്പോൺസ് സേവ് ചെയ്യുക.
സ്റ്റെപ്പ് തുറക്കുക →API വർക്ക്ഫ്ലോ ഗൈഡ്
നിങ്ങളുടെ ജോലിയോട് ഏറ്റവും അടുത്ത ഫലം തിരഞ്ഞെടുക്കുക. ഓരോ പാത്തും നിങ്ങൾക്ക് ഒരു വർക്കിംഗ് റിക്വസ്റ്റ്, പ്രതികരണത്തിൽ എന്തൊക്കെ ഉണ്ടായിരിക്കണം, അത് പ്രവർത്തിച്ചോ എന്ന് എങ്ങനെ പരിശോധിക്കണം, അടുത്ത ഉപയോഗപ്രദമായ ഘട്ടം എന്നിവ നൽകുന്നു.
അഞ്ച് പ്രായോഗിക പാതകൾ
Selected: Build a macro model
നിങ്ങളുടെ 14 ദിവസത്തെ API ട്രയൽ
ലക്ഷ്യം എല്ലാ പ്രൊഡക്റ്റ് പേജുകളും സന്ദർശിക്കുക എന്നതല്ല. ഉപയോഗപ്രദമായ ഓതന്റിക്കേറ്റഡ് API ജോലി പൂർത്തിയാക്കുകയും, മറ്റൊരു ദിവസം തിരിച്ചുവന്ന് ആവർത്തിക്കാവുന്ന ഒരു ഡാറ്റാസെറ്റോ ആപ്ലിക്കേഷൻ വർക്ക്ഫ്ലോയോ ആയി കൊണ്ടുപോവുകയുമാണ്.
ദിവസം 0
കീ സൃഷ്ടിക്കുക, ഒരു ഓതന്റിക്കേറ്റഡ് റിക്വസ്റ്റ് പൂർത്തിയാക്കുക, അതിന്റെ മെറ്റാഡാറ്റയോടു കൂടി ആദ്യത്തെ റെസ്പോൺസ് സേവ് ചെയ്യുക.
സ്റ്റെപ്പ് തുറക്കുക →ദിവസങ്ങൾ 1-2
ഓതന്റിക്കേഷൻ അല്ലെങ്കിൽ ഫിൽട്ടർ പ്രശ്നങ്ങൾ പരിഹരിക്കുകയും ആദ്യ സ്ക്രിപ്റ്റിനെ ഒരു നമിക്കപ്പെട്ട ആവർത്തിക്കാവുന്ന ജോലിയാക്കി മാറ്റുകയും ചെയ്യുക.
സ്റ്റെപ്പ് തുറക്കുക →ദിവസങ്ങൾ 3-4
കലണ്ടറിനെ രണ്ടാമത്തെ എൻഡ്പോയിന്റ് ഫാമിലിയായി ഉപയോഗിക്കുകയും അടുത്ത ഉപയോഗപ്രദമായ API റൺ ഷെഡ്യൂൾ ചെയ്യുകയും ചെയ്യുക.
സ്റ്റെപ്പ് തുറക്കുക →ദിവസങ്ങൾ 5-7
പ്രതീക്ഷകൾ അല്ലെങ്കിൽ മാക്രോ സീരീസുകളുടെ ഒരു ചെറിയ ഗ്രൂപ്പ് ചേർക്കുക, തുടർന്ന് സേവ് ചെയ്ത ഒരു താരതമ്യം, ടേബിൾ അല്ലെങ്കിൽ സ്കോർകാർഡ് നിർമ്മിക്കുക.
സ്റ്റെപ്പ് തുറക്കുക →ദിവസങ്ങൾ 8-10
ഷെഡ്യൂൾ ചെയ്ത REST, SSE, അല്ലെങ്കിൽ വെബ്ഹുക്കുകൾ തിരഞ്ഞെടുക്കുക, മറ്റൊരു ദിവസം മറ്റൊരു വിജയകരമായ API റൺ പൂർത്തിയാക്കുക.
സ്റ്റെപ്പ് തുറക്കുക →ദിവസങ്ങൾ 11-13
ടൈംഔട്ടുകൾ, ബൗണ്ടഡ് റീട്രൈകൾ, റെസ്പോൺസ് വാലിഡേഷൻ, ക്രെഡൻഷ്യൽ-സേഫ് ലോഗിംഗ്, സ്റ്റെയ്ൽ-ഡാറ്റ മോണിറ്ററിംഗ് എന്നിവ ചേർക്കുക.
സ്റ്റെപ്പ് തുറക്കുക →ദിവസം 14
API നിങ്ങളുടെ ടീം നിലനിർത്തുന്ന ആവർത്തിക്കാവുന്ന ഒരു ജോലി നൽകുന്നു എന്ന് ഉറപ്പാക്കുക, തുടർന്ന് അടുത്ത ഡാറ്റാസെറ്റ് അല്ലെങ്കിൽ ആപ്ലിക്കേഷൻ വർക്ക്ഫ്ലോ തിരഞ്ഞെടുക്കുക.
സ്റ്റെപ്പ് തുറക്കുക →Research system
Start with policy, inflation, labour, and growth. Store observations and metadata consistently, then add scoring only after the underlying dataset is stable.
വർക്കിംഗ് ഉദാഹരണം
നിങ്ങളുടെ കീ ഇതിൽ സൂക്ഷിക്കുക FXMD_API_KEY; ഇത് ഒരിക്കലും സോഴ്സ് കൺട്രോളിൽ പേസ്റ്റ് ചെയ്യരുത്.
import os
import requests
root = "https://api.fxmacrodata.com/v1/announcements/eur"
series = {}
for indicator in ("policy_rate", "inflation", "unemployment", "gdp"):
response = requests.get(
f"{root}/{indicator}",
params={"api_key": os.environ["FXMD_API_KEY"], "limit": 12},
timeout=20,
)
response.raise_for_status()
series[indicator] = response.json()
print(series.keys())
പ്രതീക്ഷിക്കുന്ന ഫലം: Four consistently structured EUR datasets ready for normalization, scoring, and scheduled refreshes.
ആദ്യത്തെ സ്ക്രിപ്റ്റ് ഒരു യഥാർത്ഥ സിസ്റ്റമായി മാറുമ്പോൾ
ഒരു പ്രതികരണം പരാജയപ്പെടുമ്പോഴോ, ഡാറ്റ ലഭ്യമല്ലാതിരിക്കുമ്പോഴോ, അല്ലെങ്കിൽ കാഷിംഗ്, ടൈംഔട്ടുകൾ, റീട്രൈകൾ, ഇവന്റ് ഡെലിവറി തുടങ്ങിയ പ്രൊഡക്ഷൻ നിയന്ത്രണങ്ങൾ ആവശ്യമായി വരുമ്പോഴോ ഈ ഗൈഡുകൾ ഉപയോഗിക്കുക.
| ഗൈഡ് | ഇത് ഉപയോഗിക്കുക যখন | ആരംഭിക്കുക |
|---|---|---|
| പരാജയപ്പെട്ടതോ ശൂന്യമായതോ ആയ റെസ്പോൺസ് രോഗനിർണ്ണയം നടത്തുക | നിങ്ങളുടെ കീ വെളിപ്പെടുത്താതെ ഓതന്റിക്കേഷൻ, ആക്സസ്, പാത്ത്, റേറ്റ്-ലിമിറ്റ്, ഡാറ്റാ-അവൈലബിലിറ്റി പ്രശ്നങ്ങളെ വേർതിരിക്കുക. | ഗൈഡ് തുറക്കുക → |
| ഒരു API ക്ലയന്റിനെ പ്രൊഡക്ഷൻ-റെഡി ആക്കുക | ടൈംഔട്ടുകൾ, ബൗണ്ടഡ് റീട്രൈകൾ, കാഷിംഗ്, കണ്ടീഷണൽ റിക്വസ്റ്റുകൾ, ശരിയായ ഡെലിവറി പാറ്റേൺ എന്നിവ ചേർക്കുക. | ഗൈഡ് തുറക്കുക → |