2017 06 30 serverless in action build personal reading statistics system

---

layout: post title: Serverless 实战：打造个人阅读追踪系统 categories: [编程] tags: [Serverless, Reading, Align, PKM] published: False

---

阅读习惯和个人知识管理体系

首先当然是介绍一下背景也只是我的阅读习惯和体系，最好能够把自己的博客内容引荐过来。也就是之前所提到的那个知识的三种分类。而最有效的方式可能是把那张图放进来，知乎那张图真的是比较完整的一个体系，而最近所看到的关于点面线流的这种阅读分类，简直不能再棒！

稍后阅读永远读不完的痛点：缺乏追踪

然后再讲一下这个体系当中的一些痛点，比如说没法追踪自己阅读的多少。也没办法给予自己奖励，没办法可视化出来给自己动力。在这里也推荐一篇文章《用 GTD 的方法结束稍后读》

从而就有了这么一个想法，就是跟 GitHub 结合起来，更多的详情当然是参考自己以前写过的基于 GitHub 等敏捷学习方法之道与术。当然是自我推销了啦。

可视化 Cumulative Flow Diagram

其实这个地方必须重点来看一下具体的最终效果图，从而吸引大家能够看下去，并且产生好奇心，在这里简单介绍一下燃尽图、（差异）图和最有效果的预测完成日期，总之就是跟敏捷结合起来，用项目管理的方式来管理阅读列表。

Serverless 架构

最后，真正的进入正题简单介绍一下 Serverless 的时代背景，以及他的一些适用场景。而现在这个场景下是特别特别合适的，并且，结合 IFTTT 的触发器和 Marker 工具能够非常方便的跟自有 API 相集成。

流程化：APIs 即服务

在此之前我们先介绍一下IFTTT，并且将他跟Instapaper 账号绑定，然后就可以发现它的一些 ❤️ 归档等行为可以作为一个 trigger，然后将相关信息发到某一个指定 API endpoint。

然后把整个 flow 给提炼总结一下，当然顺便来用一个酷炫的 AcsiiFlow 来画图。

初始化 Webtask 项目（与 AWS Lambda 对比）

Build a Serverless MERN Story App With Webtask.io -- Zero to Deploy: 1 ― Scotch

先简单介绍一下 Webtask 与 AWS Lambda 的区别，而今天我们则着重介绍一下 Webtask，介绍一下出这个工具的这家公司，即 Auth0 和大名鼎鼎的 JWT，紧接着就开始正式进入初始化阶段。然后就安装工具初始化项目以及注册一些账号

在这里先创建一个 reading endpoint 并且能够处理 get 请求返回最简单的 HelloWorld！

使用 GitHub Issue 追踪阅读列表

IFTTT：添加 Instapaper 后自动创建 GitHub Issue

先利用好 IFTTT 与 Instapaper 的集成功能，贴一张图即可

至于最后怎么去处理这样一个请求，然后就进入到第一个例子，即 API 的设计，与结合 Express 是怎么玩的，开始贴代码！这里面参考我原本参考的那篇文章就可以啦！ Build a Serverless MERN Story App With Webtask.io -- Zero to Deploy: 1 ― Scotch

使用 GitHub Hook 更新 Issue 的 Milestone

然后当然是秀一秀优秀的 GitHub API，

然后在添加 Issue 之后还需要跟 ZenHub 相结合起来，。所以就需要把我们的 Issue 的估点和 Release 给设置好。在这样一个场景下最好引入 GitHub Hook的概念，然后就完美的把这些事情结合起来了，在这里要讲一下 hook 是怎么工作的。

集成 ZenHub API：阅读可视化

更新 Issue 的估点和 Release

介绍 ZenHub 所提供的丰富图标功能

归档 Issue 与效果分析

然后再讲一下归档的API怎么写，地方就简单过一下代码就好，因为基本原理已经讲清楚了。

然后分析阅读的效果与预测效果，顺便提一下自己的时间统计系统

后续计划

最后再来考虑一下后续计划，就比如说我把高亮部分作为评论放到 GitHub 的 comments 里面，但是最终我想把它收藏到自己的个人知识库即 Diigo 里面，但是还没有完成。

与此同时呢，所以还想把估点根据不同的文章类型和难易程度具体划分一下，而不是现在简简单单的一个点。

参考资料