R 3.4.1 - RSiteCatalyst 排队报告智能使用 while 循环

Question

实际的
我一直在使用RSiteCatalyst现在打包一段时间。对于那些不了解它的人来说，它使通过 API 从 Adob​​e Analytics 获取数据的过程变得更加容易。
到目前为止，工作流程如下:

发出请求，例如:

    key_metrics <- QueueOvertime(clientId, dateFrom4, dateTo,
                   metrics = c("pageviews"), date.granularity = "month",
                   max.attempts = 500, interval.seconds = 20) 

等待将保存为 data.frame 的响应(示例结构):

> View(head(key_metrics,1)) 
    datetime      name         year   month   day    pageviews 
  1 2015-07-01    July 2015    2015   7       1      45825

做一些数据转换(例如:key_metrics$datetime <- as.Date(key_metrics$datetime)

这个工作流的问题是有时(由于请求的复杂性)，我们可以等待很多时间直到响应最终到来。如果 R 脚本包含 40-50 个同样复杂的 API 请求，这意味着我们将等待 40-50 次，直到数据最终到来，我们才能发出新的请求。这显然在我的 ETL 过程中产生了引导。
目标
但是有一个参数 enqueueOnly在包的大多数功能中，它告诉 Adob​​e 在提供报告 ID 作为响应的同时处理请求:

key_metrics <- QueueOvertime(clientId, dateFrom4, dateTo,
               metrics = c("pageviews"), date.granularity = "month",
               max.attempts = 500, interval.seconds = 20,
               enqueueOnly = TRUE)

> key_metrics
[1] 1154642436 

通过使用以下函数，我可以随时获得“真实”响应(带有数据):

key_metrics <- GetReport(key_metrics)

在每个请求中，我都添加了参数 enqueueOnly = TRUE在生成报告 ID 和报告名称列表时:

queueFromIds <- c(queueFromIds, key_metrics)
queueFromNames <- c(queueFromNames, "key_metrics")

这种方法最重要的区别是我的所有请求都由 Adob​​e 同时处理，因此等待时间大大减少。
问题
但是，我在有效获取数据方面遇到了问题。我正在尝试 while一旦获得数据，循环从先前的向量中删除键 ID 和键名称:

while (length(queueFromNames)>0)
{
  assign(queueFromNames[1], GetReport(queueFromIds[1],
                                      max.attempts = 3,
                                      interval.seconds = 5))
  queueFromNames <- queueFromNames[-1]
  queueFromIds <- queueFromIds[-1]
}

但是，这仅适用于请求足够简单以在几秒钟内处理的情况。当请求足够复杂以至于无法在 3 次尝试中以 5 秒的间隔处理时，循环将停止并出现以下错误:

Error in ApiRequest(body = toJSON(request.body), func.name ="Report.Get", : ERROR: max attempts exceeded forhttps://api3.omniture.com/admin/1.4/rest/?method=Report.Get

哪些函数可以帮助我控制所有 API 请求都被正确处理，并且在最好的情况下，需要额外时间(它们会生成错误)的 API 请求会被跳过，直到循环结束，当它们再次出现时要求？

Answer 1

我使用几个函数来独立生成/检索报告 ID。这样，处理报告所需的时间并不重要。我通常会在生成报告 ID 12 小时后回来接他们。我认为它们会在 48 小时左右后过期。这些功能当然依赖于 RSiteCatalyst。以下是功能:

#' Generate report IDs to be retrieved later
#'
#' @description This function works in tandem with other functions to programatically extract big datasets from Adobe Analytics.
#' @param suite Report suite ID.
#' @param dateBegin Start date in the following format: YYYY-MM-DD.
#' @param dateFinish End date in the following format: YYYY-MM-DD.
#' @param metrics Vector containing up to 30 required metrics IDs.
#' @param elements Vector containing element IDs.
#' @param classification Vector containing classification IDs.
#'@param valueStart Integer value pointing to row to start report with.
#' @return A data frame containing all the report IDs per day. They are required to obtain all trended reports during the specified time frame.
#' @examples
#' \dontrun{
#' ReportsIDs <- reportsGenerator(suite,dateBegin,dateFinish,metrics, elements,classification)
#'}
#' @export
    reportsGenerator <- function(suite,
                                 dateBegin,
                                 dateFinish,
                                 metrics,
                                 elements,
                                 classification,
                                 valueStart) {

      #Convert dates to date format.
      #Deduct one from dateBegin to
      #neutralize the initial +1 in the loop.

      dateBegin <-  as.Date(dateBegin, "%Y-%m-%d") - 1
      dateFinish <-  as.Date(dateFinish, "%Y-%m-%d")
      timeRange <- dateFinish - dateBegin

      #Create data frame to store dates and report IDs
      VisitorActivityReports <-
        data.frame(matrix(NA, nrow = timeRange, ncol = 2))
      names(VisitorActivityReports) <- c("Date", "ReportID")

      #Run a loop to retrieve one ReportID for each day in the time period.
      for (i in 1:timeRange) {
        dailyDate <- as.character(dateBegin + i)
        print(i) #Visibility to end user
        print(dailyDate) #Visibility to end user
        VisitorActivityReports[i, 1] <- dailyDate


        VisitorActivityReports[i, 2] <-
          RSiteCatalyst::QueueTrended(
            reportsuite.id = suite,
            date.from = dailyDate,
            date.to = dailyDate,
            metrics = metrics,
            elements = elements,
            classification = classification,
            top = 50000,
            max.attempts = 500,
            start = valueStart,
            enqueueOnly = T
          )
      }
      return(VisitorActivityReports)
    }

您应该将前一个函数的输出分配给一个变量。然后将该变量用作以下函数的输入。还将reportsRetriever 的结果分配给一个变量。输出将是一个数据框。只要它们都共享相同的结构，该函数就会将所有报告绑定(bind)在一起。不要尝试连接具有不同结构的报表。

#' Retrieve all reports stored as output of reportsGenerator function and consolidate them.
#'
#' @param dataFrameReports This is the output from reportsGenerator function. It MUST contain a column titled: ReportID
#' @details It is recommended to break the input data frame in chunks of 50 rows in order to prevent memory issues if the reports are too large. Otherwise the server or local computer might run out of memory.
#' @return A data frame containing all the consolidated reports defined by the reportsGenerator function.
#' @examples
#' \dontrun{
#' visitorActivity <- reportsRetriever(dataFrameReports)
#'}
#'
#' @export    

reportsRetriever <- function(dataFrameReports) {

      visitor.activity.list <- lapply(dataFrameReports$ReportID, tryCatch(GetReport))
      visitor.activity.df <- as.data.frame(do.call(rbind, visitor.activity.list))

      #Validate report integrity

      if (identical(as.character(unique(visitor.activity.df$datetime)), dataFrameReports$Date)) {
        print("Ok. All reports available")
        return(visitor.activity.df)
      } else {
        print("Some reports may have been missed.")
        missingReportsIndex <- !(as.character(unique(visitor.activity.df$datetime)) %in% dataFrameReports$Date)

        return(visitor.activity.df)
      }

    }