Mixpanel Data API Client 技术文档
2024-12-23 21:31:02作者:宣海椒Queenly
1. 安装指南
1.1 使用 Gem 安装
你可以通过以下命令安装 mixpanel_client gem:
gem install mixpanel_client
1.2 使用 Gemfile 安装
如果你使用 Gemfile,可以在文件中添加以下内容:
gem 'mixpanel_client'
然后运行 bundle install 来安装 gem。
2. 项目的使用说明
2.1 初始化客户端
首先,你需要在 Ruby 脚本中引入 rubygems 和 mixpanel_client,然后初始化 Mixpanel::Client 实例:
require 'rubygems'
require 'mixpanel_client'
client = Mixpanel::Client.new(
api_secret: 'changeme',
timeout: 240, # 默认是 60 秒,增加以减少超时错误
# 可选的 URI 覆盖(例如 https://developer.mixpanel.com/reference/overview)
base_uri: 'api-eu.mixpanel.com',
data_uri: 'example-data.com',
import_uri: 'example-import.com'
)
2.2 请求数据
你可以通过 client.request 方法来请求数据。以下是一个示例,请求特定事件的属性数据:
data = client.request(
'events/properties',
event: 'Product Clicked',
name: 'product-clicked',
values: '["value1", "value2"]',
type: 'unique',
unit: 'day',
limit: 5,
from_date: '2013-12-1', # 日期范围
to_date: '2014-3-1' # 日期范围
)
2.3 使用时间间隔
你也可以使用时间间隔而不是明确的日期范围:
data = client.request(
'events/properties',
event: 'Product Clicked',
name: 'product-clicked',
values: '["value1", "value2"]',
type: 'unique',
unit: 'day',
limit: 5,
interval: 7 # 时间间隔
)
2.4 导入数据
使用导入 API 来指定过去的时间。你需要在数据中包含 API 令牌,并将其编码为 JSON 和 Base64:
data_to_import = {
'event' => 'firstLogin',
'properties' => {
'distinct_id' => guid,
'time' => time_as_integer_seconds_since_epoch,
'token' => api_token
}
}
encoded_data = Base64.encode64(data_to_import.to_json)
data = client.request('import', {:data => encoded_data, :api_key => api_key})
注意:每次只能导入一个事件。
3. 项目API使用文档
3.1 请求方法
client.request 方法用于向 Mixpanel API 发送请求。你可以通过传递不同的参数来获取不同类型的数据。
3.2 参数说明
event: 事件名称。name: 属性名称。values: 属性值数组。type: 数据类型(如unique)。unit: 时间单位(如day)。limit: 返回结果的数量限制。from_date: 开始日期。to_date: 结束日期。interval: 时间间隔(以天为单位)。
3.3 导入数据
导入数据时,需要将数据编码为 JSON 和 Base64,并使用 client.request 方法发送请求。
4. 项目安装方式
4.1 通过 Gem 安装
gem install mixpanel_client
4.2 通过 Gemfile 安装
在 Gemfile 中添加:
gem 'mixpanel_client'
然后运行 bundle install。
4.3 开发环境
如果你是开发者,可以使用以下命令来运行测试和检查代码质量:
rake -T
rake spec
rake spec:externals
rubocop
以上是 Mixpanel Data API Client 项目的技术文档,希望对你有所帮助。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
325
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492