自定义钉钉机器人实现预警推送

【工具类】钉钉群机器人告警-解决限流 钉钉机器人文档 https://developers.dingtalk.com/document/robots/custom-robot-access 安装 <!-- 钉钉 --> <dependency> <groupId>com.aliyun</groupId> <artifactId>alibaba-dingtalk-service-sdk</artifac 阅读详情

注:本文代码适用于Java环境。可直接使用。

钉钉最近升级,发送群消息新增了安全设置,20191031已更新到最新版

背景

在实际的开发过程当中,有时候在一些特殊的地方,比如请求第三方接口,连接第三方中间件等过程中,总是会碰到一些莫名其妙的报错问题,要想让程序报错时及时通知到开发人员,最简单的实现方式之一,则可采用阿里的钉钉群进行自定义机器人进行通知。

成果展示

可以通过钉钉群自定义的群机器人,艾特相关的技术人员关注某些特定的业务执行过程或者及时处理某些异常报错接口。
在这里插入图片描述

接入过程

创建自定义机器人

将需要接收信息的人员拉入一个钉钉群,自己取一个高大上的群名哈,然后点击群机器人 -> 添加机器人 -> 选择自定义机器人 -> 根据提示完成机器人创建。如果需要的话,可以为机器人设置一个头像。点击“完成添加”,完成后会生成webhook地址,如下图:
在这里插入图片描述
点击“复制”按钮,即可获得这个机器人对应的Webhook地址,其格式如下:

https://oapi.dingtalk.com/robot/send?access_token=XXX

使用自定义机器人

自定义机器人发送消息时,可以通过手机号码指定“被@人列表”。在“被@人列表”里面的人员收到该消息时,会有@消息提醒(免打扰会话仍然通知提醒,首屏出现“有人@你”)。
消息发送频率限制:
每个机器人每分钟最多发送20条。消息发送太频繁会严重影响群成员的使用体验,大量发消息的场景 (譬如系统监控报警) 可以将这些信息进行整合,通过markdown消息以摘要的形式发送到群里。当然,也可以针对不同的业务创建多个不同的机器人。

以下是Java程序中发送自定义钉钉机器人的工具类(text类型&markdown类型):
效果:
在这里插入图片描述
在这里插入图片描述
发送消息(各种类型均可)工具类:(可直接使用)

package com.github.collection.common.util;

import com.alibaba.fastjson.JSON;
import com.alibaba.fastjson.JSONObject;
import com.github.collection.common.constant.enums.DingMsgPhoneEnum;
import com.github.collection.common.constant.enums.DingTokenEnum;
import com.xiaoleilu.hutool.http.HttpUtil;
import lombok.extern.slf4j.Slf4j;
import org.apache.commons.codec.binary.Base64;
import org.apache.commons.lang3.StringUtils;
import org.apache.http.HttpResponse;
import org.apache.http.HttpStatus;
import org.apache.http.client.HttpClient;
import org.apache.http.client.methods.HttpPost;
import org.apache.http.entity.StringEntity;
import org.apache.http.impl.client.HttpClients;
import org.apache.http.util.EntityUtils;

import javax.crypto.Mac;
import javax.crypto.spec.SecretKeySpec;
import java.net.URLEncoder;


/**
 * 钉钉消息发送工具类
 *
 * 机器人发送消息频率限制:每个机器人每分钟最多发送20条。如果超过20条,会限流10分钟。
 */
@Slf4j
public class DingDingMsgSendUtils {

    /**
     * 调用钉钉官方接口发送钉钉消息(旧版本,不需要配置安全设置)
     * @param accessToken
     * @param textMsg
     */
    private static void dealDingDingMsgSend(String accessToken, String textMsg) {
        HttpClient httpclient = HttpClients.createDefault();
        String WEBHOOK_TOKEN = "https://oapi.dingtalk.com/robot/send?access_token=" + accessToken;
        HttpPost httppost = new HttpPost(WEBHOOK_TOKEN);
        httppost.addHeader("Content-Type", "application/json; charset=utf-8");
        StringEntity se = new StringEntity(textMsg, "utf-8");
        httppost.setEntity(se);

        try {
            HttpResponse response = httpclient.execute(httppost);
            if (response.getStatusLine().getStatusCode() == HttpStatus.SC_OK){
                String result= EntityUtils.toString(response.getEntity(), "utf-8");
                log.info("【发送钉钉群消息】消息响应结果:" + JSON.toJSONString(result));
            }
        } catch (Exception e) {
            log.error("【发送钉钉群消息】error:" + e.getMessage(), e);
        }
    }

    /**
     * 调用钉钉官方接口发送钉钉消息(新版本,需要配置安全设置)
     * @param accessToken
     * @param secret
     * @param textMsg
     */
    private static void dealDingDingMsgSendNew(String accessToken, String secret, String textMsg) {
        Long timestamp = System.currentTimeMillis();
        String sign = getSign(secret, timestamp);
        String url = "https://oapi.dingtalk.com/robot/send?access_token=" + accessToken + "&timestamp=" + timestamp + "&sign=" + sign;
        try {
            log.info("【发送钉钉群消息】请求参数:url = {}, textMsg = {}", url, textMsg);
            String res = HttpUtil.post(url, textMsg);
            log.info("【发送钉钉群消息】消息响应结果:" + res);
        } catch (Exception e) {
            log.warn("【发送钉钉群消息】请求钉钉接口异常,errMsg = {}", e);
        }
    }

    /**
     * 计算签名
     * @param secret 密钥,机器人安全设置页面,加签一栏下面显示的SEC开头的字符
     * @param timestamp
     * @return
     */
    private static String getSign(String secret, Long timestamp){
        try {
            String stringToSign = timestamp + "\n" + secret;
            Mac mac = Mac.getInstance("HmacSHA256");
            mac.init(new SecretKeySpec(secret.getBytes("UTF-8"), "HmacSHA256"));
            byte[] signData = mac.doFinal(stringToSign.getBytes("UTF-8"));
            String sign = URLEncoder.encode(new String(Base64.encodeBase64(signData)),"UTF-8");
            log.info("【发送钉钉群消息】获取到签名sign = {}", sign);
            return sign;
        } catch (Exception e) {
            log.error("【发送钉钉群消息】计算签名异常,errMsg = {}", e);
            return null;
        }
    }

    /**
     * 发送钉钉群消息
     * @param accessToken
     * @param content
     */
    public static void sendDingDingGroupMsg(String accessToken, String content) {
        String textMsg = "{ \"msgtype\": \"text\", \"text\": {\"content\": \"" + content + "\"}}";
        dealDingDingMsgSend(accessToken, textMsg);
    }

    /**
     * 发送钉钉群消息(可以艾特人)
     * @param accessToken 群机器人accessToken
     * @param content 发送内容
     * @param atPhone 艾特人电话,如:13867400741,15608457257,15072328011
     */
    public static void sendDingDingGroupMsg(String accessToken, String content, String atPhone) {
        String textMsg = "{\n" +
                "    \"msgtype\": \"text\", \n" +
                "    \"text\": {\n" +
                "        \"content\": \""+ content +"\"\n" +
                "    }, \n" +
                "    \"at\": {\n" +
                "        \"atMobiles\": [\n" +
                "            " + atPhone +
                "        ], \n" +
                "        \"isAtAll\": false\n" +
                "    }\n" +
                "}";
        dealDingDingMsgSend(accessToken, textMsg);
    }

    /**
     * 发送钉钉群消息(link类型)
     * @param accessToken
     * @param title 消息标题
     * @param text 消息内容。如果太长只会部分展示
     * @param picUrl 图片URL
     * @param messageUrl 点击消息跳转的URL
     */
    public static void sendDingDingLinkGroupMsg(String accessToken, String title, String text, String picUrl, String messageUrl) {
        String textMsg = "{\n" +
                "    \"msgtype\": \"link\", \n" +
                "    \"link\": {\n" +
                "        \"text\": \""+text+"\", \n" +
                "        \"title\": \""+title+"\", \n" +
                "        \"picUrl\": \""+picUrl+"\", \n" +
                "        \"messageUrl\": \""+messageUrl+"\"\n" +
                "    }\n" +
                "}";
        dealDingDingMsgSend(accessToken, textMsg);
    }

    /**
     * markdown类型
     * @param accessToken
     * @param title
     * @param text
     * @param atMobiles
     */
    public static void sendDingDingMarkdownGroupMsg(String accessToken, String secret, String title, String text, String atMobiles) {
        log.info("【发送钉钉群消息】正在发送markdown类型的钉钉消息...");
        JSONObject markdown = new JSONObject();
        markdown.put("title", title);
        markdown.put("text", text);

        JSONObject at = new JSONObject();
        at.put("atMobiles", atMobiles);
        at.put("isAtAll", false);

        JSONObject textMsg = new JSONObject();
        textMsg.put("msgtype", "markdown");
        textMsg.put("markdown", markdown);
        textMsg.put("at", at);

        dealDingDingMsgSendNew(accessToken, secret, textMsg.toJSONString());
    }

    /**
     * 整体跳转ActionCard类型
     * @param accessToken
     * @param title
     * @param text
     * @param singleTitle
     * @param singleURL
     */
    public static void sendDingDingActionCardGroupMsg(String accessToken, String title, String text, String singleTitle, String singleURL) {
        String textMsg = "{\n" +
                "    \"actionCard\": {\n" +
                "        \"title\": \""+title+"\", \n" +
                "        \"text\": \"![screenshot](https://mmbiz.qpic.cn/mmbiz_jpg/jyPD8edcUjEwQ1Tdotpq94VE4G1wIMAxQyI2Oe7RaDRT0iaBRD2KdOL0iaL56jBWQX5Fzq3S7R66pyuEIZW83Ulw/640?wx_fmt=jpeg&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1)"+text+"\", \n" +
                "        \"hideAvatar\": \"0\", \n" +
                "        \"btnOrientation\": \"0\", \n" +
                "        \"singleTitle\" : \""+singleTitle+"\",\n" +
                "        \"singleURL\" : \""+singleURL+"\"\n" +
                "    }, \n" +
                "    \"msgtype\": \"actionCard\"\n" +
                "}";
        dealDingDingMsgSend(accessToken, textMsg);
    }

    /**
     * 独立跳转ActionCard类型
     * @param accessToken
     * @param title
     * @param text
     * @param singleTitle
     * @param singleURL
     */
    public static void sendDingDingActionCardGroupMsg2(String accessToken, String title, String text, String singleTitle, String singleURL) {
        String textMsg = "{\n" +
                "    \"actionCard\": {\n" +
                "        \"title\": \"乔布斯 20 年前想打造一间苹果咖啡厅,而它正是 Apple Store 的前身\", \n" +
                "        \"text\": \"![screenshot](@lADOpwk3K80C0M0FoA) \n" +
                " ### 乔布斯 20 年前想打造的苹果咖啡厅 \n" +
                " Apple Store 的设计正从原来满满的科技感走向生活化,而其生活化的走向其实可以追溯到 20 年前苹果一个建立咖啡馆的计划\", \n" +
                "        \"hideAvatar\": \"0\", \n" +
                "        \"btnOrientation\": \"0\", \n" +
                "        \"btns\": [\n" +
                "            {\n" +
                "                \"title\": \"内容不错\", \n" +
                "                \"actionURL\": \"https://www.dingtalk.com/\"\n" +
                "            }, \n" +
                "            {\n" +
                "                \"title\": \"不感兴趣\", \n" +
                "                \"actionURL\": \"https://www.dingtalk.com/\"\n" +
                "            }\n" +
                "        ]\n" +
                "    }, \n" +
                "    \"msgtype\": \"actionCard\"\n" +
                "}\n";
        dealDingDingMsgSend(accessToken, textMsg);
    }

    /**
     * FeedCard类型
     * @param accessToken
     * @param title
     * @param text
     * @param singleTitle
     * @param singleURL
     */
    public static void sendDingDingFeedCardGroupMsg(String accessToken, String title, String text, String singleTitle, String singleURL) {
        String textMsg = "{\n" +
                "    \"feedCard\": {\n" +
                "        \"links\": [\n" +
                "            {\n" +
                "                \"title\": \"时代的火车向前开\", \n" +
                "                \"messageURL\": \"https://www.dingtalk.com/s?__biz=MzA4NjMwMTA2Ng==&mid=2650316842&idx=1&sn=60da3ea2b29f1dcc43a7c8e4a7c97a16&scene=2&srcid=09189AnRJEdIiWVaKltFzNTw&from=timeline&isappinstalled=0&key=&ascene=2&uin=&devicetype=android-23&version=26031933&nettype=WIFI\", \n" +
                "                \"picURL\": \"https://www.dingtalk.com/\"\n" +
                "            },\n" +
                "            {\n" +
                "                \"title\": \"时代的火车向前开2\", \n" +
                "                \"messageURL\": \"https://www.dingtalk.com/s?__biz=MzA4NjMwMTA2Ng==&mid=2650316842&idx=1&sn=60da3ea2b29f1dcc43a7c8e4a7c97a16&scene=2&srcid=09189AnRJEdIiWVaKltFzNTw&from=timeline&isappinstalled=0&key=&ascene=2&uin=&devicetype=android-23&version=26031933&nettype=WIFI\", \n" +
                "                \"picURL\": \"https://www.dingtalk.com/\"\n" +
                "            }\n" +
                "        ]\n" +
                "    }, \n" +
                "    \"msgtype\": \"feedCard\"\n" +
                "}";
        dealDingDingMsgSend(accessToken, textMsg);
    }

    /**
     * 发送钉钉群消息(可以艾特人)- 技术专用
     * @param content 发送内容
     */
    public static void sendDingDingGroupMsg(String content){
        sendDingDingGroupMsg(DingTokenEnum.SEND_SMS_BY_DEVELOPER_TOKEN.getToken(), content, DingMsgPhoneEnum.DEVELOPER_PHONE.getPhone());
    }


    public static void main(String[] args) {
//        sendDingDingGroupMsg(DingTokenEnum.SEND_SMS_BY_DEVELOPER_TOKEN.getToken(), "【系统消息】钉钉消息推送测试,by:songfayuan...", DingMsgPhoneEnum.DEVELOPER_PHONE.getPhone());
//        sendDingDingLinkGroupMsg(DingTokenEnum.SEND_SMS_BY_DEVELOPER_TOKEN.getToken(), "【系统消息】", "我喜欢,驾驭着代码在风驰电掣中创造完美!我喜欢,操纵着代码在随心所欲中体验生活!我喜欢,书写着代码在时代浪潮中完成经典!每一段新的代码在我手中诞生对我来说就象观看刹那花开的感动!", "https://blog.csdn.net/u011019141/static/img/homepage_icon_welcome.b870f20.jpg", "https://blog.csdn.net/u011019141");

        String title = "杭州天气";
        String text = "#### 杭州天气 @138*****41\n" +
                "> 9度,西北风1级,空气良89,相对温度73%\n\n" +
                "> ![screenshot](http://i.weather.com.cn/images/cn/news/2019/10/23/1571815463327062988.jpg)\n"  +
                "> ###### 10点20分发布 [天气](http://www.weather.com.cn/weather/101210101.shtml) \n";
        String atMobiles = "[138*****41,156*****57,150*****011]";
        sendDingDingMarkdownGroupMsg(DingTokenEnum.SEND_SMS_BY_MARKDOWN_TOKEN.getToken(), DingTokenEnum.SEND_SMS_BY_MARKDOWN_TOKEN.getSecret(),title, text, atMobiles);

//        sendDingDingActionCardGroupMsg(DingTokenEnum.SEND_SMS_BY_DEVELOPER_TOKEN.getToken(), "【系统消息】", "2323", "阅读全文", "https://blog.csdn.net/u011019141");
//        sendDingDingActionCardGroupMsg2(DingTokenEnum.SEND_SMS_BY_DEVELOPER_TOKEN.getToken(), "【系统消息】", "2323", "阅读全文", "https://blog.csdn.net/u011019141");
//        sendDingDingFeedCardGroupMsg(DingTokenEnum.SEND_SMS_BY_DEVELOPER_TOKEN.getToken(), "【系统消息】", "2323", "阅读全文", "https://blog.csdn.net/u011019141");
    }

}

自定义群机器人webhook地址中access_token值的枚举类:

package com.github.collection.common.constant.enums;

import lombok.Getter;

/**
 * 钉钉消息群机器人access_token、secret
 */
@Getter
public enum DingTokenEnum {

    SEND_SMS_GROUP("替换成你自己机器人的access_token", "替换成你自己机器人的secret", "短信发送异常通知"),
    SEND_SMS_BY_MARKET_IMPORT_TOKEN("替换成你自己机器人的access_token", "替换成你自己机器人的secret", "导入通知消息"),
    SEND_SMS_BY_PRE_CASE_WARN_TOKEN("替换成你自己机器人的access_token","替换成你自己机器人的secret",  "预警消息通知"),
    SEND_SMS_BY_MARKDOWN_TOKEN("替换成你自己机器人的access_token", "替换成你自己机器人的secret", "系统消息通知,markdown类型"),
    SEND_SMS_BY_DEVELOPER_TOKEN("替换成你自己机器人的access_token", "替换成你自己机器人的secret", "系统消息通知,技术专用");


    private String token;  //机器人 Webhook 地址中的 access_token

    private String secret;  //密钥,机器人安全设置页面,加签一栏下面显示的SEC开头的字符串

    private String name;

    DingTokenEnum(String token, String secret, String name) {
        this.token = token;
        this.secret = secret;
        this.name = name;
    }

}

需要艾特人的手机号枚举类
注:手机号需是钉钉注册手机号

package com.github.****.common.constant.enums;

import lombok.Getter;

/**
 * 钉钉消息接收用户,配置钉钉绑定的电话即可
 */
@Getter
public enum DingMsgPhoneEnum {
    GENERAL_PURPOSE("138****0741,156****7257,150****8011,188****535", "通用(包含技术,产品,领导等)"),
    DEVELOPER_PHONE("138****0741,156****7257,150****8011,188****3535", "技术人员"),
    PRODUCT_PERSONNEL_PHONE("", "产品人员"),
    DATA_ANALYST_PHONE("", "数据分析人员");

    private String phone;

    private String name;

    DingMsgPhoneEnum(String phone, String name) {
        this.phone = phone;
        this.name = name;
    }

}

最后,在你需要发送消息的地方,直接通过调用DingDingMsgSendUtils工具即可发送钉钉消息。

DingDingMsgSendUtils.sendDingDingGroupMsg(DingTokenEnum.SEND_SMS_BY_DEVELOPER_TOKEN.getToken(), "【系统消息】"+profile+"环境,XXX任务开始执行...", DingMsgPhoneEnum.DEVELOPER_PHONE.getPhone());

上面事例中的profile为环境参数,在Springboot和SpringCloud项目中,可以直接通过如下代码进行获取:

@Value("${spring.profiles.active}")
private String profile;

文中使用到的HttpUtil工具需引入资源:

<dependency>
          <groupId>com.xiaoleilu</groupId>
           <artifactId>hutool-all</artifactId>
           <version>3.3.2</version>
       </dependency>

延伸

以上采用的是***text类型***进行消息发送,想支持更多的发送格式,请移步到钉钉开发文档:https://open-doc.dingtalk.com/microapp/serverapi2/qf2nxq

钉钉机器人如何实时监听项目异常信息 一 建立机器人步骤 进入群设置->点击智能群助手->点击添加机器人 点击添加机器人->点击自定义->点击添加 重点牢记(秘钥、Webhook地址、access_access_token代码中会用到,需保存好):填写机器人信息,选择数据传输安全方式->获取机器请求地址 ... 阅读详情

相关推荐

Python设置机器人进行数据报送及预警

python设置机器人进行数据报送及预警 大家平时工作时应该也会接触到自动化邮件的问题,这个实现方式我们之前也写过,但永远有不满足的需求方,比如最近就有人喊着邮件收取不方便要收短信、要收微信、要钉钉提醒了。 今天就跟大家分享一下如何在钉钉中设置机器人实现消息推送 获取自定义机器人webhook 在机器人管理页面选择“自定义”机器人,输入机器人名字并选择要发送消息的群。如果需要的话,可以为机器人设...

wuyanleiluo的博客 1281

钉钉群聊机器人

cocowwy-dingtalk-robot cocowwy-dingtalk-start 钉钉群聊机器人 目前实现功能 对同一个分组内的机器人,批量发送指定的消息 在上述功能的基础上,实现根据手机号@指定人员 在上述功能的情况下,实现消息延时发送,消息定时发送(coding…) 使用方式,引入 cocowwy-dingtalk-start 在业务层注入DingTalkApi 配置文件: dingding: robots: - label: label1 sign

Cocowwy的博客 1213

python 钉钉机器人发送图片_Python实现钉钉机器人推送预警信息

一、背景作为数据分析师,对业务层面数据要有足够的敏感性,需要贯彻整个业务流程中的每一个环节,所以对数据的实时把控就显得尤为重要。在信贷互联网金融、消费金融领域,客户从注册、实名认证、人脸识别、绑卡、紧急联系人等各种认证,最后到提交风控审核、发起借款、借款成功等,每一个环节都有其流失转化,人工去监控每一个环节,需要实时盯着数据后台报表,有句话形容此时的数据分析师—我真是太难了。为了及时发现...

weixin_34042899的博客 1859

利用Python自动发送钉钉数据消息 ​

作者|王向君简介|深耕电商业务的数据分析师和数据产品经理,致力于数据驱动业务增长。知乎专栏|https://zhuanlan.zhihu.com/wangxiangjun利用Python...

简说Python的博客 1718

推送Markdown格式信息到钉钉机器人

使用钉钉自定义机器人以Markdown的类型推送含有图片的报警信息

weixin_41683534的博客 9896

SpringBoot集成DingTalk钉钉机器人实现消息同步/异步预警推送1.0版本

SpringBoot集成DingTalk钉钉机器人实现消息同步/异步预警推送

Jaemon 4968

php 使用钉钉机器人推送消息

机器人发送消息频率限制 消息发送太频繁会严重影响群成员的使用体验,大量发消息的场景(譬如系统监控报警)可以将这些信息进行整合,通过markdown消息以摘要的形式发送到群里。 每个机器人每分钟最多发送20条。如果超过20条,会限流10分钟。 配置群机器人 方法二: 点击自己的头像 》设置 》机器人管理 》自定义 方法一: 创建群 》 群设置 》智能群助手 》添加机器人 》自定义 获取自定义机器人webhook https://oapi.dingtalk.com/robot/send?access_

工作中学习,学习中进步 1860

SpringBoot集成DingTalk钉钉机器人实现消息同步/异步预警推送 2.0版本

SpringBoot集成DingTalk钉钉机器人实现消息同步/异步预警推送 2.0版本

Jaemon 3260

【钉钉-场景化能力包】IoT物联网设备协同

企业系统基于钉钉机器人和群的开放能力,将机器人和终端设备进行绑定,终端设备与机器人进行数据互通,终端数据采集数据,实时同步到机器人,帮助企业在不同环境下对终端设备采集的数据进行统一汇聚和处理,支持可视化指挥调度和管理,实现事前主动预防, 事中快速管控,事后高效复盘。

钉钉开发者社区 2667

LabVIEW+数据库应用系列保姆级教程,第一篇数据库连接

目录LabVIEW连接数据库的方法连接MySQL连接Oracle,SQL Server,Access等 LabVIEW连接数据库的方法 1、创建udl(Universal Data Link)是通用数据连接文件。界面操作,简单快捷。 2、编写连接字符串。需要熟悉连接字符串的结构,容易出错。 3、其他… 本教程教你使用第1种方法,也是最简单、最常用的方法。 连接MySQL 1、在MySQL Installer内安装MySQL Connector/ODBC,建议安装32位(X86),如下图: 2、创建ODBC

wwplh5520370的博客 1万+

Robocup 仿真2D 学习笔记(二) 球队代码编译和上场

环境的一些问题 最近在使用rcssserver 和 rcssmonitor时可能会遇到./configure失败的问题,可以检查一下文件夹是否有makefile文件,如果是编译后的包直接sudo make install,如果还不行,还可以源码下载编译 rcssserver: https://sourceforge.net/projects/sserver/files/rcssserver/...

markchalse的博客 6016

Python实现:系统巡检+监控+告警恢复

1、监控项支持:①系统资源、②Nginx、③Mysql、④Mysql集群、⑤Redis、⑥Redis集群、⑦Es集群、⑧MongoDB、⑨k8s服务拨测、⑩ jar包微服务拨测 2、机器人支持:①企业微信机器人、②钉钉机器人 3、监控告警:自动推送告警信息,恢复信息;支持告警等级,抑制告警 4、无数据库,轻量型巡检监控系统

weixin_53667818的博客 1144

TLSR8258蓝牙Mesh实战:从SDK下载到自定义通信指令全流程(附避坑指南)

本文详细介绍了TLSR8258蓝牙Mesh开发的完整流程,从SDK下载、环境搭建到自定义通信指令的实现。通过实战案例和避坑指南,帮助开发者快速掌握低功耗蓝牙Mesh网络构建技巧,适用于智能家居、工业监控等物联网场景。

weixin_29176179的博客 204

JAVA 实现钉钉机器人预警推送功能

JAVA 实现钉钉机器人预警推送功能

Jaemon 3788

Imagenet数据集1000类别中英文

英文 {0: 'tench, Tinca tinca', 1: 'goldfish, Carassius auratus', 2: 'great white shark, white shark, man-eater, man-eating shark, Carcharodon carcharias', 3: 'tiger shark, Galeocerdo cuvieri', 4: 'hammerhead, hammerhead shark', 5: 'electric ray, cram.

识物专栏 1800

YOLOv8改进 | 注意力篇 | YOLOv8引入EMAttention(EMA)注意力

具体来说,除了对全局信息进行编码以重新校准每个并行分支中的通道权重之外,还通过跨维度交互来进一步聚合两个并行分支的输出特征,以捕获像素级的成对关系。3. 跨空间学习:除了在每个并行子网络中建立局部的跨通道交互外,EMA模块还通过跨空间学习方法融合了两个并行子网络的输出特征图。到此本文的正式分享内容就结束了,在这里给大家推荐我的YOLOv8改进有效涨点专栏,后期我会根据各种最新的前沿顶会进行论文复现,也会对一些老的改进机制进行补充,如果大家觉得本文帮助到你了,订阅本专栏,关注后续更多的更新~

tsg6698的博客 896

Python 钉钉机器人预警功能实现

自动化执行过程中,需要有些结果、异常等发送预警信息,目前的主流的有邮件预警、企业微信预警、钉钉机器人预警; 步骤1:作为一个钉钉群的管理员,新建一个钉钉群; 步骤2:通过群设置->智能群助手->自定义创建钉钉机器人; 步骤3:获取钉钉机器人参数webhook和secret; # -*- coding: utf-8 -*- import time, os, paramiko,json,requests import time import hmac import hashli...

lff_1988的博客 1011

Transformer时间序列预测-多变量输入-单变量输出+多变量输出,完整代码数据,可直接运行

Transformer时间序列预测-多变量输入-单变量输出+多变量输出,完整代码数据,可直接运行

9795

钉钉机器人SDK 封装预警消息发送工具

钉钉聊天群内支持的群机器人, 类似QQ 群机器人, 可以发天气, 讲笑话那样; 钉钉群机器人支持自定义机器人, 允许开发者管理机器人发送群消息; 可做系统监控预警消息通知

niaonao 8484

华为OD机试双机位C卷:日志排序 (Py/C/C++/Java/Js/Go)

华为OD机试双机C卷真题【日志排序】,提供C语言、Java、C++、Python、Go、JavaScript源码实现,并提供完整思路讲解。华为OD机试-日志排序。

qq_45776114的博客 1755

知识图谱设计简记

知识图谱是一种语义化的知识表示框架,通过实体-关系-属性三元组形式表达现实世界关联。其核心价值在于关联化整合数据、支持可解释性推理和赋能智能化应用。知识图谱可分为通用型和领域型两类,基本构成包括实体、关系、属性等基础元素,以及本体和实例等架构层元素。设计方法主要有自上而下、自下而上和混合式三种,需遵循业务导向、一致性等原则。在建模时需要明确属性与实体的判断标准,规范处理关系的方向性与对称性,并合理构建多重关系。主流技术框架如RDF和属性图体系均支持多重关系建模,选择需考虑业务需求。本体作为知识图谱的概念骨架

生活在别处 368

钉钉机器人智能提醒_使用钉钉机器人实现项目运行预警推送

在实际的开发过程当中或者项目已经上线了,但有时候总会碰到一些莫名其妙的报错问题。这时候如果能让程序报错的详细信息及报错位置及时通知到开发人员,便能很快定位和解决问题了。及时推送异常信息最简单的实现方式之一,就是使用钉钉群进行自定义机器人进行通知。接入机器人流程首先在钉钉里要把相关的人员拉到一个群里,然后取一个响亮亮的名字。再点击右上角的三个点>智能群助手>添加机器人>自定义机器人...

weixin_32009809的博客 1019

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

阿里云maxcompute系列--用pyodps+odps sql实现钉钉机器人预警推送

场景 我们在使用maxcompute进行数据处理,我们会需要对上下游的数据质量作一些规则校验,用以来识别是否有脏数据影响了我们的数据质量。 而校验后,若是发现了脏数据,就需要第一时间通知到数据负责人,以便于数据质量负责人/数据运维角色的人员可以及时得知问题,让他们有充分的数据对数据进行处理,尽快修正数据问题;而且告知信息需要的是准确,有含义,才能让人更快定位原因。 而监控数据并通知到数据质量负责人/数据运维的方式有很多,常见的有使用外置数据质量工具,但是工具类天生就很重,开发难度,后去运维对于小团队而言是1

chenzl8944的专栏 1233

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

Grafana alert预警+钉钉通知

Grafana alert预警+钉钉通知

zephyr_wang的博客 2万+

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

flask 钉钉机器人自动推送预警信息

项目注意是两部分,一部分是flask创建一个在线实时监听接口接收预警信息,另一部分是通过钉钉api及时发送群预警信息 #首先需要在钉钉群自定义创建一个机器人,获取签名信息;参考官方文档:https://ding-doc.dingtalk.com/doc#/serverapi2/qf2nxq import time import hmac import hashlib import base64 f...

weixin_42357472的博客 1268

钉钉机器人怎么使用?钉钉机器人如何设置自动发送消息

钉钉机器人怎么使用?钉钉机器人如何设置自动发送消息

part210的博客 1万+
上一篇: Linux搭建pinpoint教程(史上最全版)
下一篇: Linux下查看Tomcat使用JDK版本
宋发元
博客等级 码龄13年 3710粉丝 443原创
评论 14
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

宋发元

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值