1

我有兴趣获取 Azure 成本管理数据（尤其是摊销成本）。乍一看，AzureR 包集似乎是一个很好的起点。

是否有可能以某种方式使用 AzureAuth 来授权我，然后尝试使用 REST API？至于现在，我什至没有设法正确使用 AzureAuth，因为我不了解参数。

你们中有人在 R 中处理这些数据吗？你如何获得它？在 Azure 门户中保存 CSV 文件是一种糟糕的体验，因为设置正确的过滤器需要花费大量时间，而且 Microsoft 会不时更改导出架构。例如，今天按标签分组时，很少有列消失（ia 资源类型）。

任何帮助将不胜感激:)

编辑：感谢 Hong Ooi（https://github.com/Azure/AzureR/issues/6）的帮助，我现在设法使用 AzureRMR 连接到成本管理 API：

    library(AzureRMR)
    az <- create_azure_login()
    sub1 <- az$get_subscription(my_sub_guid)
    d1 <- sub1$do_operation("providers/Microsoft.CostManagement/query", api_version = "2019-11-01", http_verb = "POST", encode = "json",
                            body = list(
                              timeframe = "Custom",
                              timePeriod = list(
                                from = "2020-04-01",
                                to = "2020-04-01"
                              ),
                              type = "AmortizedCost",
                              dataset = list(
                                granularity = "daily"
                              )
                            ))

我仍然不知道的是：

  • 如何将正文作为 JSON 而不是列表列表发送？
  • 如何以 JSON 格式接收响应？
  • 如何在响应中接收更多列？我特别需要资源名称和资源类型。

编辑 2：响应示例：

response_example <-
  list(properties = list(
    nextLink = NULL,
    columns = list(
      list(name = "UsageDate",
           type = "Number"),
      list(name = "Currency",
           type = "String")
    ),
    rows = list(
      list(as.integer(20200401),
           "EUR"),
      list(as.integer(20200402),
           "EUR")
    )
  ))

我想要做的是从响应中获取数据框。我找到了可行的解决方案，但看起来很糟糕：

d1_ <- do.call(what = "rbind", args = lapply(d1$properties$rows, as_tibble, .name_repair = "unique"))
colnames(d1_) <- do.call(what = "rbind", args = lapply(d1$properties$columns, as_tibble, .name_repair = "unique")) %>% 
  select(name) %>% pull()

编辑 3：如果有人需要，我找到了一种方法来询问特定的列。身体是：

{
   "type":"AmortizedCost",
   "dataSet":{
      "granularity":"Daily",
      "aggregation":{
         "PreTaxCost":{
            "name":"PreTaxCost",
            "function":"Sum"
         }
      },
      "sorting":[
         {
            "direction":"ascending",
            "name":"UsageDate"
         }
      ],
      "grouping":[
         {
            "type":"TagKey",
            "name":"myTag"
         },
         {
            "type":"Dimension",
            "name":"ResourceType"
         },
         {
            "type":"Dimension",
            "name":"ResourceGroupName"
         }
      ]
   },
   "timeframe":"Custom",
   "timePeriod":{
      "from":"2020-04-01T00:00:00+00:00",
      "to":"2020-04-30T23:59:59+00:00"
   }
}

有效参数（列名）是：

AccountName, BillingAccountId, BillingAccountName, BillingMonth, BillingPeriod, BillingProfileId, BillingProfileName, ChargeType, ConsumedService, CostAllocationRuleId, CostAllocationRuleName, CustomerName, CustomerTenantDomainName, CustomerTenantId, DepartmentName, EnrollmentAccountName, Frequency, InvoiceId, InvoiceNumber, InvoiceSection, InvoiceSectionId, InvoiceSectionName, MarkupRuleId, MarkupRuleName, Meter, MeterCategory, MeterId, MeterSubcategory, PartNumber, PartnerEarnedCreditApplied, PartnerName, PricingModel, Product, ProductOrderId, ProductOrderName, PublisherType, ResellerMPNId, ReservationId, ReservationName, ResourceGroup, ResourceGroupName, ResourceGuid, ResourceId, ResourceLocation, ResourceType, ServiceFamily, ServiceName, ServiceTier, SubscriptionId, SubscriptionName, UnitOfMeasure

另外，这就是我处理响应的方式： Turning Azure Cost Management API's response into data frame

4

1 回答 1

2

AzureRMR 自动将列表列表转换为 json。通常这是最方便的选择，但您可以通过设置发送原始 json 文本encode="raw"：

sub1$do_operation("providers/Microsoft.CostManagement/query", api_version = "2019-11-01",
    http_verb = "POST",
    encode = "raw",
    body = '{"timeframe":"MonthToDate","type":"actualcost","dataset":{"granularity":"daily"}}')

如果您想要原始输出而不是解析后的输出，请设置http_status_handler="pass". 这将返回一个 httr 响应对象；更多详细信息，请参阅?httr::response。请注意，如果您这样做，您必须自己处理错误。

sub1$do_operation("providers/Microsoft.CostManagement/query", api_version = "2019-11-01",
    http_status_handler = "pass",
    ...)

我对成本管理 API 不熟悉，因此无法帮助您了解如何获取更多列。如果您在这里没有得到回复，我建议您联系技术支持。

要将结果转换为数据框：

res <- sub1$do_operation(...)
rows <- do.call(rbind, lapply(res$properties$rows, function(r)
{
    names(r) <- sapply(res$properties$columns, `[[`, 1)
    data.frame(r, stringsAsFactors=FALSE)
}))
于 2020-04-22T16:30:40.790 回答