Erraten Sie, was? Mehr Integrationen! Einfach das Übliche Aber auch mehr herzfrequenzbezogene Informationen und entwicklerfreundlichere Logik für große Anfragen.

Informationen zur Herzfrequenzzone ❤️

Was?

Wir haben es einfacher gemacht, Herzfrequenzzoneninformationen zu erfassen und zu analysieren, indem wir diese unseren Datenmodellen hinzugefügt haben, sodass Trainingszusammenfassungen aussagekräftigere Trainingsinformationen enthalten können, die verwendet werden, um Trainingseinblicke zu gewinnen und die Trainingsintensität der Athleten anzupassen.

Wie?

Die Harmonisierung von Herzfrequenzzonendaten ist nicht so einfach, wie es scheinen mag. WHOOP bietet Standard-Herzfrequenzzonen 1–5 in 10 %-Schritten, beginnend bei 50 %, aber Fitbit bietet seine eigenen drei benutzerdefinierten Zonen an, nämlich „Fat Burn“, „Cardio“ und „Peak“, die von 50–70 % reichen. 70–85 % bzw. 85–100 %. Das bedeutet, dass wir dies irgendwie berücksichtigen mussten. Wir haben uns entschieden, Start- und Endherzfrequenz in % in jeden möglichen Herzfrequenzzonenwert aufzunehmen, um dies zu berücksichtigen, und standardmäßig die fünf Standardwerte bereitzustellen. Für alle Anbieter, die diese Berechnungen nicht liefern, führen wir die Berechnungen nach Möglichkeit selbst durch.

Wieso den?

Unsere Benutzer haben uns gefragt, ob wir mehr Felder als „Trainingsintensität“ bereitstellen könnten, die sie verwenden könnten, um ihre Algorithmen zu füttern, um das Athletentraining zu optimieren. Wir sind stets bestrebt, so viele Daten wie möglich bereitzustellen. Diese Ergänzung entspricht genau unserer Vision in Bezug auf den Datenzugriff und trägt dazu bei, reichhaltigere Daten bereitzustellen.

Wow, mehr Integrationen!

Was?

Weihnachten rückt näher , also bringt Terra mehr Integrationen für alle! Wir haben Cardiomood-, Rouvy- und Technogym-Integrationen hinzugefügt, um alle Ihre Verbindungsanforderungen zu erfüllen.

Wie?

Nachdem wir mit einigen dieser Unternehmen gesprochen und den Weg um die APIs anderer herausgefunden haben, haben wir die Infrastruktur aufgebaut, die zur Unterstützung der oben genannten erforderlich ist. Wir planen, sowohl weitere Integrationen als auch weitere Datentypen hinzuzufügen, also schau dir die anderen Änderungen in diesem Monat an

Wieso den?

Ein großer Teil unseres Fokus lag darauf, die Bandbreite der Integrationen, die wir in unserem Repertoire haben, zu diversifizieren und tiefer in die Genres einzutauchen, die wir bereits haben. Rouvy passt zu unseren Radsport-Integrationen, wie z. B. unserer Zwift-API-Integration, Cardiomood zu unseren klinischen Datenintegrationen, wie z. B. der Biostrap-Integration, und Technogym verzweigt sich in eine neue Kategorie von Integrationen mit Fokus auf Fitnessstudios.

Bessere Verarbeitung für große Abfragen 〰️

Was?

Immer wenn eine Abfrage über einen Zeitraum von mehr als einem Monat gestellt wurde, haben wir diese Anfrage in einwöchige Segmente aufgeteilt und an die Webhooks der Entwickler gesendet, unabhängig davon, ob es Daten für die jeweilige Woche gab. Stattdessen aggregieren wir jetzt alle Datenabfragen intern und senden Anfragen basierend auf der Gesamtdatenmenge an die Webhooks der Entwickler, wobei wir sie nach Segmenten von maximal 10 MB oder zehn Objekten innerhalb der Datenliste aufteilen.

Wieso den?

Wir haben festgestellt, dass unser vorheriges System keinen Sinn machte Der anfängliche Algorithmus bedeutete, dass viele der an Entwickler gesendeten Payloads leer sein konnten und ohne Grund unnötige Last und Lärm auf ihren Servern erzeugten. Stattdessen umgeht das neue Daten-Chunking-System potenzielle Einschränkungen bei gesendeten Daten, indem es eine Obergrenze für die Gesamtzahl der Bytes in einer Anfrage hat. Dies ist im Moment willkürlich festgelegt, kann aber später auf Entwicklerbasis an unterschiedliche Anforderungen angepasst werden.

Wie?

Durch den cleveren Einsatz von Multi-Threading und das Spawnen separater Prozesse erstellen wir alle Datenanforderungen parallel und stellen unserem Task-Manager einen Rückruf zur Verfügung, der ausgeführt wird, wenn alle diese Anforderungen abgeschlossen sind. Auf diese Weise hängen wir keine Threads auf, während wir darauf warten, dass die Datenanforderungen abgeschlossen werden, und wir können die Gesamtheit der Daten verarbeiten, sobald sie schließlich abgerufen werden. Ergebnis? Glückliche Entwickler und glückliche Lambda-Funktionen, die Daten unter 10 MB pro Anfrage abrufen können