Indovina un po? Più integrazioni! Solo il solito Ma anche più informazioni relative alla frequenza cardiaca e una logica più adatta agli sviluppatori per richieste di grandi dimensioni.

Informazioni sulla zona di frequenza cardiaca ❤️

Che cosa?

Abbiamo semplificato l'acquisizione e l'analisi delle informazioni sulla zona di frequenza cardiaca aggiungendole ai nostri modelli di dati, in modo che i riepiloghi dell'allenamento possano contenere informazioni sull'allenamento più significative, utilizzate per potenziare le informazioni sull'allenamento e aiutare ad adattare l'intensità dell'allenamento degli atleti.

Come?

L'armonizzazione dei dati sulle zone di frequenza cardiaca non è così semplice come potrebbe sembrare. WHOOP fornisce le zone di frequenza cardiaca standard 1-5, con incrementi del 10% a partire dal 50%, ma Fitbit fornisce le proprie tre zone personalizzate, vale a dire "Fat Burn", "Cardio" e "Peak", che vanno dal 50 al 70%. 70–85% e 85–100% rispettivamente. Ciò significa che dovevamo in qualche modo renderne conto. Abbiamo deciso di includere la percentuale di frequenza cardiaca iniziale e finale in ogni possibile valore di zona di frequenza cardiaca per tenere conto di ciò e fornire i cinque valori standard per impostazione predefinita. Per tutti i fornitori che non forniscono questi calcoli, andiamo avanti e facciamo noi stessi i calcoli ove possibile.

Come mai?

I nostri utenti ci hanno chiesto se potessimo fornire più campi oltre all'"intensità dell'allenamento" che potrebbero utilizzare per alimentare i loro algoritmi per ottimizzare l'allenamento degli atleti. Puntiamo sempre a fornire quanti più dati possibili. Questa aggiunta è perfettamente in linea con la nostra visione in termini di accesso ai dati e aiuta a fornire dati più ricchi.

Wow, più integrazioni!

Che cosa?

Il Natale si avvicina quindi Terra arriva portando più integrazioni a tutti! Abbiamo aggiunto le integrazioni di Cardiomood, Rouvy e Technogym per soddisfare tutte le tue esigenze di connessione abbiamo realizzato un'altra integrazione incentrata sul ciclismo con Rouvy, aggiunto un focus più specifico sulla palestra con Technogym e ottenuto approfondimenti sui dati più accurati con Cardiomood.

Come?

Parlando con alcune di queste aziende e cercando di capire come aggirare le API di altri, abbiamo creato l'infrastruttura necessaria per supportare quanto sopra. Stiamo cercando di aggiungere più integrazioni e più tipi di dati, quindi dai un'occhiata alle altre modifiche di questo mese

Come mai?

Gran parte del nostro obiettivo è stato diversificare la gamma di integrazioni che abbiamo nel nostro repertorio e approfondire i generi che già abbiamo. Rouvy si adatta alle nostre integrazioni per il ciclismo, come la nostra integrazione API Zwift, Cardiomood con i nostri dati di livello clinico, come l'integrazione Biostrap, e Technogym si dirama in una nuova categoria di integrazioni incentrate sulla palestra.

Migliore elaborazione per query di grandi dimensioni 〰️

Che cosa?

Ogni volta che veniva effettuata una query per un periodo superiore a un mese, suddividevamo tale richiesta in segmenti di una settimana e la inviavamo ai webhook degli sviluppatori, indipendentemente dal fatto che ci fossero dati per ogni data settimana. Al contrario, ora aggreghiamo internamente tutte le query di dati e inviamo richieste ai webhook degli sviluppatori in base alla quantità totale di dati, suddividendoli in segmenti di un massimo di 10 MB o dieci oggetti all'interno dell'elenco di dati.

Come mai?

Ci siamo resi conto che il nostro sistema precedente non aveva alcun senso l'algoritmo iniziale significava che molti dei payload inviati agli sviluppatori potevano essere vuoti e avrebbero creato carico e rumore inutili sui loro server senza motivo. Invece, il nuovo sistema di suddivisione in blocchi dei dati aggira le potenziali limitazioni sui dati inviati ponendo un limite al numero totale di byte in una richiesta. Questo è impostato arbitrariamente al momento, ma è qualcosa che può essere personalizzato in base allo sviluppatore lungo la linea per soddisfare le diverse esigenze.

Come?

Utilizzando in modo intelligente il multi-threading e generando processi separati, creiamo tutte le richieste di dati in parallelo e forniamo una richiamata al nostro task manager, da eseguire quando tutte queste richieste sono state completate. In questo modo, non sospendiamo alcun thread mentre aspettiamo che le richieste di dati vengano completate e possiamo elaborare la totalità dei dati una volta che alla fine vengono recuperati. Risultato? Sviluppatori felici e funzioni lambda felici che possono ottenere dati inferiori a 10 MB per richiesta