पायथन डेटा अनुकूलक API API ID: 12866

आपकी मेमोरी उपयोग को कम करने, भंडारण लागत को घटाने, और एप्लिकेशन प्रदर्शन को बढ़ाने के लिए अंतिम समाधान - सभी बिना आपकी मौजूदा व्यवसाय तर्क को फिर से लिखे। एकल एपीआई कॉल के साथ, आपको एक व्यापक बचत रिपोर्ट मिलती है जो बाइट्स, केबी, एमबी, या जीबी में ऑप्टिमाइजेशन का विवरण देती है
इस API को अपने AI एजेंट से MCP के माध्यम से उपयोग करें
OpenClaw, Claude Code/Desktop, Cursor, Windsurf, Cline और किसी भी MCP-संगत AI क्लाइंट के साथ काम करता है।
डॉक्स और सेटअप
इस MCP को रैप करके एक स्किल बनाएं: https://mcp.zylalabs.com/mcp?apikey=YOUR_ZYLA_API_KEY

महत्वपूर्ण वास्तविक दुनिया की बचत को अनलॉक करें

  • पूर्णांक सूची: 80 बाइट को 20 बाइट में घटाया गया (75% की कमी)
  • फ्लोट सूची: 40 बाइट को 20 बाइट में घटाया गया (50% की कमी)
  • Sparse Matrix (88% जीरो): 200 बाइट को 48 बाइट में घटाया गया (76% की कमी)
  • छह Boolean चर: 168 बाइट को 28 बाइट में घटाया गया (83% की कमी)
  • बड़ा 1GB फ़ाइल: स्मृति को केवल एक्सेस किए गए बाइट्स के लिए अनुकूलित किया गया (99% तक की कमी)
  • क्लाउड लागत: मासिक बिल को $100 से $25-$70 में घटाया गया (30-75% की बचत)

Python डेटा ऑप्टिमाइज़ेर API के बारे में

Python डेटा ऑप्टिमाइज़ेर API, जो Winter Hazel Inc. द्वारा विकसित किया गया है, आपके Python कोड और डेटाबेस में असमान्य डेटा प्रकारों की पहचान करता है और उन्हें सबसे कॉम्पैक्ट और कुशल प्रकारों से बदलता है जो आपके डेटा को सटीक रूप से बनाए रखते हैं

इनपुट और आउटपुट विशेषताएं

इनपुट: JSON प्रारूप में कैप्सुलेट किए गए Python डेटा संरचनाओं, कोड स्निप्पेट या डेटाबेस कनेक्शन स्ट्रिंग्स को API कॉल के माध्यम से भेजें

आउटपुट: अनुकूलित डेटा के साथ एक विस्तृत बचत रिपोर्ट प्राप्त करें जो मूल आकार, अनुकूलित आकार और कुल बचाए गए बाइट्स को दर्शाती है

मुख्य ऑप्टिमाइजेशन सुविधाएँ: 12 क्षमताएँ

  1. संख्यात्मक प्रकारों को डाउनकास्ट करें: जैसे, float64 को float32, int64 को int8 में बदलना—75% मेमोरी की बचत
  2. ऑब्जेक्ट कॉलम को श्रेणीबद्ध में बदलें: pandas ऑब्जेक्ट कॉलम को श्रेणी प्रकारों में बदलने से 50-90% मेमोरी की बचत हो सकती है
  3. विशेषीकृत कंटेनरों को लागू करें: ऑप्टिमली सूचियों को deque और Counter में परिवर्तित करता है ताकि तेज़ संचालन और कम मेमोरी हो
  4. बड़े सूचियों के लिए स्वदेशी एरेज़ का उपयोग करें: Python सूचियों को प्रकारित एरेज़ में बदलने से 75% तक की मेमोरी की बचत हो सकती है
  5. स्ट्रिंग को नंबर में बदलें: स्वचालित रूप से संख्यात्मक स्ट्रिंग की पहचान करता है और उन्हें int या float में बदलता है
  6. सूचियों को सेट में बदलें: 100 आइटम से अधिक बड़ी सूचियों में डुप्लिकेट संग्रह को समाप्त करें
  7. सूचियों को टुपल में बदलें: अपरिवर्तनीय टुपल का उपयोग करके संरचना प्रति लगभग 40 बाइट की बचत हो सकती है
  8. स्वAutomatically डुप्लिकेट हटा दें: डुप्लिकेट मानों को हटाने के दौरान मूल क्रम बनाए रखें
  9. गहरे नested संरचनाओं को सपाट करें: प्रभावी ढंग से गहरे nested सूचियों को सपाट एरेज़ में कम करें
  10. ढीले चर को कुंजी-मान जोड़ों में मैप करें: बिखरे हुए चर को संरचित डिक्शनरी में व्यवस्थित करें
  11. स्थिर डेटा को अपरिवर्तनीय के रूप में लॉक करें: स्थायी डेटा की पहचान करें, जैसे देश कोड, और टुपल के रूप में सुरक्षित करें
  12. खाली कंटेनरों का पता लगाएं: अनावश्यक रूप से मेमोरी का उपभोग करने वाले खाली सूचियों, डिक्ट्स और सेट्स को समाप्त करें

उन्नत विश्लेषण सुविधाएँ: 5 क्षमताएँ

  1. मेमोरी लीक्स का पता लगाने वाला: आपकी Python कोड को स्कैन करता है ताकि वैश्विक संरचनाओं की पहचान हो जो अनंत रूप से बढ़ती हैं, पंक्ति संख्या और गंभीरता की रिपोर्ट करता है
  2. Sparse Matrix ऑप्टिमाइज़र: 70% से अधिक जीरो वाले मैट्रिक्स को CSR प्रारूप में संकुचित करता है; उदाहरण के लिए, 1000x1000 मैट्रिक्स 8MB से 1MB से कम में सिकुड़ सकता है
  3. जनरेटर एक्सप्रेशन सलाहकार: सूची संकलनों की पहचान करता है जो संपूर्ण डेटा सेट को मेमोरी में लोड करते हैं, जिनसे 10 मिलियन आइटम वाले डेटा सेट पर 80MB तक की बचत हो सकती है
  4. बिटवाइज फ्लैग ऑप्टिमाइज़र: छह boolean चर (168 बाइट) को एक पूर्णांक (28 बाइट) से बदलता है, 83% की कमी प्राप्त करता है
  5. मेमोरी मैपिंग सलाहकार: बड़े फाइलों को संभालने के लिए mmap, numpy.memmap, और pandas के chunksize जैसी तकनीकों की सिफारिश करता है, 1GB फाइल में 990MB तक की बचत करता है

डेटाबेस स्कीमा सलाहकार

यह सुविधा सीधे आपके डेटाबेस से जुड़ती है और टेबल और कॉलम को ओवरसाइज डेटा प्रकारों के लिए स्कैन करती है, प्रति पंक्ति बचाए गए बाइट्स के साथ सटीक सिफारिशें लौटाती है:

  • PostgreSQL: BIGINT को TINYINT, SMALLINT से बदलें
  • MySQL: BIGINT, DOUBLE, LONGTEXT के बजाय INT, FLOAT, VARCHAR का उपयोग करें
  • SQLite: बाइनरी डेटा को स्टोर करने के लिए TEXT के बजाय BLOB का चयन करें
  • MongoDB: Float के बजाय Double, TINYINT के बजाय Int64 का उपयोग करें
  • SQL Server: BIGINT, NVARCHAR के बजाय INT, VARCHAR लागू करें
  • Amazon RDS: MySQL और PostgreSQL दोनों इंजनों का समर्थन करता है
  • Google BigQuery: INT32, FLOAT32 के बजाय INT64, FLOAT64 का उपयोग करें

आम उपयोग के मामले

  1. डेटाबेस कॉलम प्रकारों को ऑप्टिमाइज़ करके AWS और Google Cloud पर मासिक खर्च कम करना
  2. संख्यात्मक डेटा प्रकारों के डाउनकास्टिंग के माध्यम से Python अनुप्रयोगों के प्रदर्शन को बढ़ाना
  3. संभावित मेमोरी लीक्स का पता लगाना इससे पहले कि वे अनुप्रयोग विफलताओं का कारण बनें
  4. मिशन लर्निंग कार्यों में sparse matrices को प्रभावी ढंग से संकुचित करना
  5. मेमोरी मैपिंग तकनीकों के साथ बड़े फाइलों को प्रोसेसिंग को अनुकूलित करना

API डॉक्यूमेंटेशन

एंडपॉइंट्स


एक एकल पायथन डेटा संरचना को अनुकूलित करता है और मूल आकार अनुकूलित आकार और बचाए गए बाइट्स को दिखाते हुए एक पूरा बचत रिपोर्ट लौटाता है


                                                                            
POST https://creators.zylalabs.com/api/12866/python+data+optimizer+api/25666/optimize+data
                                                                            
                                                                        

डेटा का अनुकूलन करें - एंडपॉइंट फीचर्स

ऑब्जेक्ट विवरण
रिक्वेस्ट बॉडी [आवश्यक] Json

शेष मुफ्त टेस्ट रिक्वेस्ट्स: 3 में से 3.


इनपुट पैरामीटर्स


API उदाहरण प्रतिक्रिया

{"status":"success","result":{"optimized":[1000,2000,3000,4000,5000],"savings":{"original_type":"list","optimized_type":"array.h","original_size":40,"optimized_size":10,"saved":"30 bytes"},"type_detected":"list"}}

डेटा का अनुकूलन करें - कोड स्निपेट्स


curl --location --request POST 'https://zylalabs.com/api/12866/python+data+optimizer+api/25666/optimize+data' --header 'Authorization: Bearer YOUR_API_KEY' 

--data-raw '{"data": [1000, 2000, 3000, 4000, 5000]}'

    

एक ही API कॉल में कई Python डेटा संरचनाओं को अनुकूलित करता है एक डेटा संरचनाओं की सूची भेजें और प्रत्येक के लिए एक बचत रिपोर्ट प्राप्त करें जिसमें मूल आकार अनुकूलित आकार और बचाए गए बाइट्स दिखाए गए हैं



                                                                            
POST https://creators.zylalabs.com/api/12866/python+data+optimizer+api/25670/optimize+batch
                                                                            
                                                                        

बैच का अनुकूलन - एंडपॉइंट फीचर्स

ऑब्जेक्ट विवरण
रिक्वेस्ट बॉडी [आवश्यक] Json

शेष मुफ्त टेस्ट रिक्वेस्ट्स: 3 में से 3.


इनपुट पैरामीटर्स


API उदाहरण प्रतिक्रिया

{"status":"success","results":[{"optimized":[1000,2000,3000],"savings":{"original_type":"list","optimized_type":"array.h","original_size":24,"optimized_size":6,"saved":"18 bytes"},"type_detected":"list"},{"optimized":[1.5,2.5,3.5],"savings":{"original_type":"list","optimized_type":"array.f","original_size":24,"optimized_size":12,"saved":"12 bytes"},"type_detected":"list"}]}

बैच का अनुकूलन - कोड स्निपेट्स


curl --location --request POST 'https://zylalabs.com/api/12866/python+data+optimizer+api/25670/optimize+batch' --header 'Authorization: Bearer YOUR_API_KEY' 

--data-raw '{"data_list": [[1000, 2000, 3000], [1.5, 2.5, 3.5]]}'

    

 पायथन डेटा में संरचनात्मक पैटर्न को अनुकूलित करता है। डुप्लिकेट का पता लगाता है, सूचियों को ट्यूपल में परिवर्तित करता है, खाली कंटेनरों को हटा देता है, और मेमोरी उपयोग को कम करने के लिए नेस्टेड संरचनाओं को सपाट करता है



                                                                            
POST https://creators.zylalabs.com/api/12866/python+data+optimizer+api/25671/optimize+structural
                                                                            
                                                                        

संरचनात्मक ऑप्टिमाइज़ करें - एंडपॉइंट फीचर्स

ऑब्जेक्ट विवरण
रिक्वेस्ट बॉडी [आवश्यक] Json

शेष मुफ्त टेस्ट रिक्वेस्ट्स: 3 में से 3.


इनपुट पैरामीटर्स


API उदाहरण प्रतिक्रिया

{"original_type":"list","optimized_type":"list","pattern_applied":"duplicates_removed — list preserved","original_size":88,"optimized_size":88,"saved":"0 bytes","optimized":["hello","world","python"]}

संरचनात्मक ऑप्टिमाइज़ करें - कोड स्निपेट्स


curl --location --request POST 'https://zylalabs.com/api/12866/python+data+optimizer+api/25671/optimize+structural' --header 'Authorization: Bearer YOUR_API_KEY' 

--data-raw '{"data": ["hello", "world", "hello", "python"]}'

    

एक ही एपीआई कॉल में संरचनात्मक पैटर्न के लिए कई पायथन डेटा संरचनाएं अनुकूलित करता है डुप्लिकेट का पता लगाता है सूचियों को ट्यूपल्स में परिवर्तित करता है खाली कंटेनरों को हटाता है और_nested संरचनाओं को सपाट करता है



                                                                            
POST https://creators.zylalabs.com/api/12866/python+data+optimizer+api/25672/optimize+structural+batch
                                                                            
                                                                        

संरचनात्मक बैच का अनुकूलन करें - एंडपॉइंट फीचर्स

ऑब्जेक्ट विवरण
रिक्वेस्ट बॉडी [आवश्यक] Json

शेष मुफ्त टेस्ट रिक्वेस्ट्स: 3 में से 3.


इनपुट पैरामीटर्स


API उदाहरण प्रतिक्रिया

{"status":"success","results":[{"original_type":"list","optimized_type":"list","pattern_applied":"duplicates_removed — list preserved","original_size":88,"optimized_size":88,"saved":"0 bytes","optimized":["hello","world"]},{"original_type":"list","optimized_type":"tuple","pattern_applied":"list_to_tuple — immutable conversion","original_size":120,"optimized_size":80,"saved":"40 bytes","optimized":[1,2,3,4,5]}]}

संरचनात्मक बैच का अनुकूलन करें - कोड स्निपेट्स


curl --location --request POST 'https://zylalabs.com/api/12866/python+data+optimizer+api/25672/optimize+structural+batch' --header 'Authorization: Bearer YOUR_API_KEY' 

--data-raw '{"data_list": [["hello", "world", "hello"], [1, 2, 3, 4, 5]]}'

    

 70% से अधिक शून्य मानों के साथ विरल मैट्रिसेस का पता लगाता है और उन्हें CSR प्रारूप में संकुचित करता है 1000x1000 मैट्रिक्स 8MB से घटकर 1MB से कम हो जाता है जिससे मशीन लर्निंग अनुप्रयोगों में महत्वपूर्ण मेमोरी की बचत होती है



                                                                            
POST https://creators.zylalabs.com/api/12866/python+data+optimizer+api/25673/optimize+sparse+matrix
                                                                            
                                                                        

स्पार्स मैट्रिक्स को ऑप्टिमाइज करें - एंडपॉइंट फीचर्स

ऑब्जेक्ट विवरण
रिक्वेस्ट बॉडी [आवश्यक] Json

शेष मुफ्त टेस्ट रिक्वेस्ट्स: 3 में से 3.


इनपुट पैरामीटर्स


API उदाहरण प्रतिक्रिया

{"status":"optimized","sparsity_ratio":87.5,"original_format":"dense matrix","optimized_format":"CSR sparse matrix","original_size":128,"optimized_size":32,"saved":"96 bytes","non_zero_elements":2,"total_elements":16,"compressed_data":{"format":"CSR","shape":[4,4],"rows":[0,2],"cols":[3,1],"values":[5,3],"total_elements":16,"stored_elements":2}}

स्पार्स मैट्रिक्स को ऑप्टिमाइज करें - कोड स्निपेट्स


curl --location --request POST 'https://zylalabs.com/api/12866/python+data+optimizer+api/25673/optimize+sparse+matrix' --header 'Authorization: Bearer YOUR_API_KEY' 

--data-raw '{"matrix": [[0,0,0,5],[0,0,0,0],[0,3,0,0],[0,0,0,0]]}'

    

एक ही एपीआई कॉल में कई बिखरे हुए मैट्रिसों का अनुकूलन करता है 70% से अधिक शून्य मानों के साथ मैट्रिसों का पता लगाता है और उन्हें CSR प्रारूप में संकुचित करता है जिससे मशीन लर्निंग अनुप्रयोगों में महत्वपूर्ण मेमोरी बचती है



                                                                            
POST https://creators.zylalabs.com/api/12866/python+data+optimizer+api/25674/optimize+sparse+matrix+batch
                                                                            
                                                                        

स्पष्ट मैट्रिक्स बैच का अनुकूलन करें - एंडपॉइंट फीचर्स

ऑब्जेक्ट विवरण
रिक्वेस्ट बॉडी [आवश्यक] Json

शेष मुफ्त टेस्ट रिक्वेस्ट्स: 3 में से 3.


इनपुट पैरामीटर्स


API उदाहरण प्रतिक्रिया

{"status":"success","results":[{"status":"optimized","sparsity_ratio":87.5,"original_format":"dense matrix","optimized_format":"CSR sparse matrix","original_size":128,"optimized_size":32,"saved":"96 bytes","non_zero_elements":2,"total_elements":16,"compressed_data":{"format":"CSR","shape":[4,4],"rows":[0,2],"cols":[3,1],"values":[5,3],"total_elements":16,"stored_elements":2}},{"status":"not_sparse","sparsity_ratio":0.0,"message":"Matrix is only 0.0% sparse. Optimization not needed.","original_size":32}]}

स्पष्ट मैट्रिक्स बैच का अनुकूलन करें - कोड स्निपेट्स


curl --location --request POST 'https://zylalabs.com/api/12866/python+data+optimizer+api/25674/optimize+sparse+matrix+batch' --header 'Authorization: Bearer YOUR_API_KEY' 

--data-raw '{"matrices": [[[0,0,0,5],[0,0,0,0],[0,3,0,0],[0,0,0,0]],[[1,2],[3,4]]]}'

    

पायथन कोड को स्कैन करता है और उन वैश्विक संरचनाओं से मेमोरी लीक का पता लगाता है जो अनिश्चितकाल तक बढ़ती हैं लाइन नंबर और गंभीरता स्तरों की रिपोर्ट करता है - उच्च, मध्यम और कम - प्रत्येक लीक को ठीक करने के लिए सिफारिशों के साथ



                                                                            
POST https://creators.zylalabs.com/api/12866/python+data+optimizer+api/25691/analyze+memory+leak
                                                                            
                                                                        

मेमोरी लीक का विश्लेषण करें - एंडपॉइंट फीचर्स

ऑब्जेक्ट विवरण
रिक्वेस्ट बॉडी [आवश्यक] Json

शेष मुफ्त टेस्ट रिक्वेस्ट्स: 3 में से 3.


इनपुट पैरामीटर्स


API उदाहरण प्रतिक्रिया

{"status":"success","total_leaks_found":2,"severity":{"high":1,"medium":1,"low":0},"leaks":[{"type":"global_list","variable":"logs","line":3,"description":"Global list that grows indefinitely","recommendation":"Move 'logs' inside a function or class. Clear it periodically."},{"type":"large_global","variable":"logs","line":1,"description":"Global list 'logs' detected","recommendation":"Consider moving 'logs' inside a function or use weak references."}],"summary":"Found 2 potential memory leaks. 1 high severity, 1 medium severity, 0 low severity."}

मेमोरी लीक का विश्लेषण करें - कोड स्निपेट्स


curl --location --request POST 'https://zylalabs.com/api/12866/python+data+optimizer+api/25691/analyze+memory+leak' --header 'Authorization: Bearer YOUR_API_KEY' 

--data-raw '{"code": "logs = []\ndef add_log(msg):\n    logs.append(msg)"}'

    

पूरे डेटा सेट को मेमोरी में लोड करने वाले सूची समझों के लिए पाइथन कोड को स्कैन करता है और जनरेटर अभिव्यक्तियों की सिफारिश करता है एक समय में एक आइटम को प्रोसेस करके 10 मिलियन आइटम डेटा सेट पर 80MB तक की बचत करता है



                                                                            
POST https://creators.zylalabs.com/api/12866/python+data+optimizer+api/25692/generator+advisor
                                                                            
                                                                        

जनरेटर सलाहकार - एंडपॉइंट फीचर्स

ऑब्जेक्ट विवरण
रिक्वेस्ट बॉडी [आवश्यक] Json

शेष मुफ्त टेस्ट रिक्वेस्ट्स: 3 में से 3.


इनपुट पैरामीटर्स


API उदाहरण प्रतिक्रिया

{"status":"success","total_recommendations":3,"recommendations":[{"type":"list_comprehension","line":2,"description":"List comprehension detected — loads all data into memory at once.","recommendation":"Convert to generator expression by replacing [] with ().","example_before":"[x for x in data]","example_after":"(x for x in data)","memory_impact":"High — saves memory proportional to data size"},{"type":"function_with_list","line":3,"function":"sum","description":"List comprehension passed to sum() — unnecessary memory allocation.","recommendation":"Replace list comprehension with generator inside sum().","example_before":"sum([x for x in data])","example_after":"sum(x for x in data)","memory_impact":"Very High — generator never builds the full list in memory"},{"type":"list_comprehension","line":3,"description":"List comprehension detected — loads all data into memory at once.","recommendation":"Convert to generator expression by replacing [] with ().","example_before":"[x for x in data]","example_after":"(x for x in data)","memory_impact":"High — saves memory proportional to data size"}],"summary":"Found 3 opportunities to use generator expressions.","benefit":"Generator expressions process data one item at a time — saving significant memory on large datasets."}

जनरेटर सलाहकार - कोड स्निपेट्स


curl --location --request POST 'https://zylalabs.com/api/12866/python+data+optimizer+api/25692/generator+advisor' --header 'Authorization: Bearer YOUR_API_KEY' 

--data-raw '{"code": "numbers = [1,2,3,4,5]\nsquares = [x * x for x in numbers]\ntotal = sum([x * x for x in range(1000000)])"}'

    

पायथन कोड में कई बूलियन वेरिएबल्स का पता लगाता है और उन्हें बिटवाइस फ्लैग्स का उपयोग करके एक एकल पूर्णांक में संयोजित करने की सिफारिश करता है 6 बूलियन्स को 168 बाइट्स की जगह 1 पूर्णांक के साथ 28 बाइट्स का उपयोग करके बदलता है - 83% की कमी



                                                                            
POST https://creators.zylalabs.com/api/12866/python+data+optimizer+api/25693/bitwise+optimizer
                                                                            
                                                                        

बिटवाइज ऑप्टिमाइज़र - एंडपॉइंट फीचर्स

ऑब्जेक्ट विवरण
रिक्वेस्ट बॉडी [आवश्यक] Json

शेष मुफ्त टेस्ट रिक्वेस्ट्स: 3 में से 3.


इनपुट पैरामीटर्स


API उदाहरण प्रतिक्रिया

{"status":"success","total_recommendations":1,"recommendations":[{"type":"multiple_booleans","boolean_variables":["is_active","is_admin","is_verified","is_premium","has_access","can_edit"],"count":6,"description":"Found 6 boolean variables that can be combined into one integer.","recommendation":"Replace multiple boolean variables with a single bitwise integer flag.","example_before":"is_active = True\nis_admin = True\nis_verified = True","example_after":"\nclass Flags:\n    IS_ACTIVE = 1\n    IS_ADMIN = 2\n    IS_VERIFIED = 4\n    IS_PREMIUM = 8\n    HAS_ACCESS = 16\n    CAN_EDIT = 32\n\n# Set flags\nflags = 0\nflags |= Flags.IS_ACTIVE\nflags |= Flags.IS_ADMIN\n\n# Check flags\nis_set = bool(flags & Flags.IS_ACTIVE)\n","memory_impact":"Saves 140 bytes — replacing 6 booleans with 1 integer"}],"savings":{"boolean_count":6,"original_size":168,"optimized_size":28,"saved":"140 bytes"},"summary":"Found 1 opportunities to use bitwise flags.","benefit":"Bitwise flags store multiple boolean states in one integer — saving memory and improving performance."}

बिटवाइज ऑप्टिमाइज़र - कोड स्निपेट्स


curl --location --request POST 'https://zylalabs.com/api/12866/python+data+optimizer+api/25693/bitwise+optimizer' --header 'Authorization: Bearer YOUR_API_KEY' 

--data-raw '{"code": "is_active = True\nis_admin = False\nis_verified = True\nis_premium = False\nhas_access = True\ncan_edit = False"}'

    

बड़े फ़ाइल संचालन के लिए पाइथन कोड का विश्लेषण करता है और मेमोरी मैपिंग तकनीकों की सिफारिश करता है mmap numpy.memmap और pandas chunksize की सिफारिश करता है ताकि 1GB फ़ाइलों पर 990MB तक बचत हो सके



                                                                            
POST https://creators.zylalabs.com/api/12866/python+data+optimizer+api/25694/memory+mapper
                                                                            
                                                                        

मेमोरी मैपर - एंडपॉइंट फीचर्स

ऑब्जेक्ट विवरण
रिक्वेस्ट बॉडी [आवश्यक] Json

शेष मुफ्त टेस्ट रिक्वेस्ट्स: 3 में से 3.


इनपुट पैरामीटर्स


API उदाहरण प्रतिक्रिया

{"status":"success","total_recommendations":3,"recommendations":[{"type":"file_open","line":3,"description":"File opened with standard open() — loads entire file into memory.","recommendation":"Use mmap for large files to avoid loading entire file into memory.","example_before":"\nwith open('large_file.bin', 'rb') as f:\n    data = f.read()\n","example_after":"\nimport mmap\nwith open('large_file.bin', 'rb') as f:\n    with mmap.mmap(f.fileno(), 0, access=mmap.ACCESS_READ) as mm:\n        data = mm[0:1024]  # Read only what you need\n","memory_impact":"High — reads only required bytes instead of entire file"},{"type":"numpy_file_load","line":5,"description":"numpy.loadtxt() loads entire file into memory.","recommendation":"Use numpy.memmap for large arrays to avoid full file loading.","example_before":"\nimport numpy as np\ndata = np.loadtxt('large_array.txt')\n","example_after":"\nimport numpy as np\ndata = np.memmap('large_array.bin', dtype='float32', mode='r')\n","memory_impact":"Very High — numpy memmap reads only accessed portions"},{"type":"pandas_file_load","line":6,"description":"pandas.read_csv() loads entire file into memory.","recommendation":"Use chunksize parameter to process file in smaller pieces.","example_before":"\nimport pandas as pd\ndf = pd.read_csv('large_file.csv')\n","example_after":"\nimport pandas as pd\nfor chunk in pd.read_csv('large_file.csv', chunksize=10000):\n    process(chunk)  # Process one chunk at a time\n","memory_impact":"Very High — processes file in chunks instead of loading all at once"}],"summary":"Found 3 opportunities to use memory mapping.","benefit":"Memory mapping reads only the parts of a file you need — saving significant memory on large files.","best_for":["Files larger than 100 MB","Binary data files","Large numpy arrays","Large CSV or data files"]}

मेमोरी मैपर - कोड स्निपेट्स


curl --location --request POST 'https://zylalabs.com/api/12866/python+data+optimizer+api/25694/memory+mapper' --header 'Authorization: Bearer YOUR_API_KEY' 

--data-raw '{"code": "import numpy as np\nimport pandas as pd\nfile = open('large_data.bin', 'rb')\ndata = file.read()\narray = np.loadtxt('large_array.txt')\ndf = pd.read_csv('large_file.csv')"}'

    

आपके PostgreSQL डेटाबेस से कनेक्ट करता है और हर तालिका और कॉलम को बड़े डेटा प्रकारों के लिए स्कैन करता है। प्रति पंक्ति बचाए गए बाइट्स के साथ सटीक सिफारिशें प्रदान करता है जैसे BIGINT को TINYINT या SMALLINT से बदलना



                                                                            
POST https://creators.zylalabs.com/api/12866/python+data+optimizer+api/25695/postgresql+advisor
                                                                            
                                                                        

पोस्टग्रेएसक्यूएल सलाहकार - एंडपॉइंट फीचर्स

ऑब्जेक्ट विवरण
रिक्वेस्ट बॉडी [आवश्यक] Json

शेष मुफ्त टेस्ट रिक्वेस्ट्स: 3 में से 3.


इनपुट पैरामीटर्स


API उदाहरण प्रतिक्रिया

{"status":"success","recommendations":{"error":"connection to server at \"localhost\" (127.0.0.1), port 5432 failed: Connection refused\n\tIs the server running on that host and accepting TCP/IP connections?\n"}}

पोस्टग्रेएसक्यूएल सलाहकार - कोड स्निपेट्स


curl --location --request POST 'https://zylalabs.com/api/12866/python+data+optimizer+api/25695/postgresql+advisor' --header 'Authorization: Bearer YOUR_API_KEY' 

--data-raw '{"connection_string": "host=localhost dbname=slimdata_test user=postgres password=1234 port=5432"}'

    

आपके MySQL डेटाबेस से कनेक्ट करता है और हर तालिका और कॉलम में ओवरसाइज़ेड डेटा प्रकारों की तलाश करता है पंक्ति के अनुसार बचाए गए байट के साथ सटीक सिफारिशें लौटाता है जैसे BIGINT को INT या DOUBLE को FLOAT से बदलना



                                                                            
POST https://creators.zylalabs.com/api/12866/python+data+optimizer+api/25696/mysql+advisor
                                                                            
                                                                        

MySQL सलाहकार - एंडपॉइंट फीचर्स

ऑब्जेक्ट विवरण
रिक्वेस्ट बॉडी [आवश्यक] Json

शेष मुफ्त टेस्ट रिक्वेस्ट्स: 3 में से 3.


इनपुट पैरामीटर्स


API उदाहरण प्रतिक्रिया

{"status":"success","recommendations":{"error":"2005 (HY000): Unknown MySQL server host 'your_host' (-3)"}}

MySQL सलाहकार - कोड स्निपेट्स


curl --location --request POST 'https://zylalabs.com/api/12866/python+data+optimizer+api/25696/mysql+advisor' --header 'Authorization: Bearer YOUR_API_KEY' 

--data-raw '{"host": "your_host", "user": "your_user", "password": "your_password", "database": "your_database", "port": 3306}'

    

अपने SQLite डेटाबेस फ़ाइल से कनेक्ट करें और ओवरसाइज़ डेटा प्रकारों की खोज के लिए प्रत्येक तालिका और कॉलम को स्कैन करें प्रति पंक्ति बचाए गए बाइट के साथ सटीक सिफारिशें लौटाएं जैसे कि बाइनरी डेटा स्टोरेज के लिए TEXT को BLOB से बदलना



                                                                            
POST https://creators.zylalabs.com/api/12866/python+data+optimizer+api/25697/sqlite+advisor
                                                                            
                                                                        

SQLite सलाहकार - एंडपॉइंट फीचर्स

ऑब्जेक्ट विवरण
रिक्वेस्ट बॉडी [आवश्यक] Json

शेष मुफ्त टेस्ट रिक्वेस्ट्स: 3 में से 3.


इनपुट पैरामीटर्स


API उदाहरण प्रतिक्रिया

{"status":"success","recommendations":{"error":"unable to open database file"}}

SQLite सलाहकार - कोड स्निपेट्स


curl --location --request POST 'https://zylalabs.com/api/12866/python+data+optimizer+api/25697/sqlite+advisor' --header 'Authorization: Bearer YOUR_API_KEY' 

--data-raw '{"db_path": "/path/to/your/database.db"}'

    

आपके MongoDB डेटाबेस से कनेक्ट होता है और बड़े डेटा प्रकारों के लिए संग्रह स्कीमाओं का स्कैन करता है। सिफारिशें लौटाता है जैसे कि Double को Float और Int64 को TINYINT से बदलना जिससे प्रति दस्तावेज बाइट्स की बचत होती है



                                                                            
POST https://creators.zylalabs.com/api/12866/python+data+optimizer+api/25698/mongodb+advisor
                                                                            
                                                                        

मोंगो डी बी सलाहकार - एंडपॉइंट फीचर्स

ऑब्जेक्ट विवरण
रिक्वेस्ट बॉडी [आवश्यक] Json

शेष मुफ्त टेस्ट रिक्वेस्ट्स: 3 में से 3.


इनपुट पैरामीटर्स


API उदाहरण प्रतिक्रिया

{"status":"success","recommendations":{"employees":[{"field":"age","current_type":"Int64 (8 bytes)","recommended_type":"TINYINT","saved":"7 bytes per row"},{"field":"salary","current_type":"Double (8 bytes)","recommended_type":"Float (4 bytes)","saved":"4 bytes per document"}]}}

मोंगो डी बी सलाहकार - कोड स्निपेट्स


curl --location --request POST 'https://zylalabs.com/api/12866/python+data+optimizer+api/25698/mongodb+advisor' --header 'Authorization: Bearer YOUR_API_KEY' 

--data-raw '{"connection_string": "mongodb+srv://aamirqadeerca_db_user:[email protected]/?appName=slimdata-test", "database": "slimdata_test"}'

    

यह माइक्रोसॉफ्ट SQL सर्वर के अपने डेटाबेस से कनेक्ट करता है और प्रत्येक तालिका और कॉलम को ओवरसाइज़्ड डेटा प्रकारों की तलाश में स्कैन करता है। यह सलाह लौटाता है जैसे BIGINT को INT से या NVARCHAR को VARCHAR से बदलना जिससे प्रति पंक्ति बाइट्स की बचत होती है



                                                                            
POST https://creators.zylalabs.com/api/12866/python+data+optimizer+api/25699/sql+server+advisor
                                                                            
                                                                        

SQL सर्वर सलाहकार - एंडपॉइंट फीचर्स

ऑब्जेक्ट विवरण
रिक्वेस्ट बॉडी [आवश्यक] Json

शेष मुफ्त टेस्ट रिक्वेस्ट्स: 3 में से 3.


इनपुट पैरामीटर्स


API उदाहरण प्रतिक्रिया

{"status":"success","recommendations":{"error":"('01000', \"[01000] [unixODBC][Driver Manager]Can't open lib 'ODBC Driver 17 for SQL Server' : file not found (0) (SQLDriverConnect)\")"}}

SQL सर्वर सलाहकार - कोड स्निपेट्स


curl --location --request POST 'https://zylalabs.com/api/12866/python+data+optimizer+api/25699/sql+server+advisor' --header 'Authorization: Bearer YOUR_API_KEY' 

--data-raw '{"connection_string": "Driver={ODBC Driver 17 for SQL Server};Server=your_server;Database=your_database;UID=your_user;PWD=your_password"}'

    

यह आपके Amazon RDS डेटाबेस से कनेक्ट होता है और प्रत्येक तालिका और कॉलम को ओवरसाइज़ डेटा प्रकारों के लिए स्कैन करता है यह MySQL और PostgreSQL दोनों इंजन का समर्थन करता है यह पंक्ति प्रति बचाए गए बाइट्स के साथ सटीक अनुशंसाएँ लौटाता है



                                                                            
POST https://creators.zylalabs.com/api/12866/python+data+optimizer+api/25700/amazon+rds+advisor
                                                                            
                                                                        

एब्ज़ॉज़र अमेज़न आरडीएस - एंडपॉइंट फीचर्स

ऑब्जेक्ट विवरण
रिक्वेस्ट बॉडी [आवश्यक] Json

शेष मुफ्त टेस्ट रिक्वेस्ट्स: 3 में से 3.


इनपुट पैरामीटर्स


API उदाहरण प्रतिक्रिया

{"status":"success","recommendations":{"error":"2005 (HY000): Unknown MySQL server host 'your_rds_endpoint' (-3)"}}

एब्ज़ॉज़र अमेज़न आरडीएस - कोड स्निपेट्स


curl --location --request POST 'https://zylalabs.com/api/12866/python+data+optimizer+api/25700/amazon+rds+advisor' --header 'Authorization: Bearer YOUR_API_KEY' 

--data-raw '{"host": "your_rds_endpoint", "user": "your_user", "password": "your_password", "database": "your_database", "engine": "mysql", "port": 3306}'

    

अपने Google BigQuery डेटा सेट से कनेक्ट करें और प्रत्येक तालिका को अतिभूत डेटा प्रकारों की तलाश में स्कैन करें सुझाव वापस करें जैसे INT64 को INT32 या FLOAT64 को FLOAT32 से बदलना जिससे प्रति पंक्ति बाइट्स की बचत होती है



                                                                            
POST https://creators.zylalabs.com/api/12866/python+data+optimizer+api/25701/bigquery+advisor
                                                                            
                                                                        

बिगक्वेरी सलाहकार - एंडपॉइंट फीचर्स

ऑब्जेक्ट विवरण
रिक्वेस्ट बॉडी [आवश्यक] Json

शेष मुफ्त टेस्ट रिक्वेस्ट्स: 3 में से 3.


इनपुट पैरामीटर्स


API उदाहरण प्रतिक्रिया

{"status":"success","recommendations":{"error":"400 GET https://bigquery.googleapis.com/bigquery/v2/projects/your_project_id/datasets/your_dataset_id?prettyPrint=false: Invalid resource name projects/your_project_id; Project id: your_project_id"}}

बिगक्वेरी सलाहकार - कोड स्निपेट्स


curl --location --request POST 'https://zylalabs.com/api/12866/python+data+optimizer+api/25701/bigquery+advisor' --header 'Authorization: Bearer YOUR_API_KEY' 

--data-raw '{"project_id": "your_project_id", "dataset_id": "your_dataset_id"}'

    

API एक्सेस कुंजी और प्रमाणीकरण

साइन अप करने के बाद, प्रत्येक डेवलपर को एक पर्सनल API एक्सेस की असाइन की जाती है, जो अक्षरों और अंकों का एक यूनिक संयोजन होता है, जिसका उपयोग हमारे API एंडपॉइंट तक पहुंचने के लिए किया जाता है। प्रमाणीकरण के लिए पायथन डेटा अनुकूलक API के साथ बस अपने बेयरर टोकन को Authorization हेडर में शामिल करें।
हेडर्स
हेडर विवरण
Authorization [आवश्यक] होना चाहिए Bearer access_key. जब आप सब्सक्राइब हों तो ऊपर "Your API Access Key" देखें।

सरल पारदर्शी प्राइसिंग

कोई लंबी अवधि की प्रतिबद्धता नहीं। कभी भी अपग्रेड, डाउनग्रेड या कैंसल करें। फ्री ट्रायल में 50 रिक्वेस्ट तक शामिल हैं।

🚀 एंटरप्राइज़

शुरू होता है
$ 10,000/वर्ष


  • कस्टम वॉल्यूम
  • कस्टम रेट लिमिट
  • विशेष ग्राहक सहायता
  • रीयल-टाइम API मॉनिटरिंग

ग्राहकों की पसंदीदा विशेषताएँ

  • ✔︎ केवल सफल रिक्वेस्ट के लिए भुगतान करें
  • ✔︎ फ्री 7-दिवसीय ट्रायल
  • ✔︎ मल्टी-लैंग्वेज सपोर्ट
  • ✔︎ एक API कुंजी, सभी APIs।
  • ✔︎ इंuitive डैशबोर्ड
  • ✔︎ व्यापक त्रुटि हैंडलिंग
  • ✔︎ डेवलपर-फ्रेंडली डॉक्यूमेंटेशन
  • ✔︎ पोस्टमैन इंटीग्रेशन
  • ✔︎ सुरक्षित HTTPS कनेक्शंस
  • ✔︎ विश्वसनीय अपटाइम

पायथन डेटा अनुकूलक API FAQs

O endpoint Optimize Data एक JSON ऑब्जेक्ट लौटाता है जिसमें डेटा की संरचना को ऑप्टिमाइज़ किया गया है एक रिपोर्ट जो मूल और ऑप्टिमाइज़ किए गए आकारों और पता लगाया गया डेटा प्रकार का विवरण देती है

प्रतिक्रिया में मुख्य क्षेत्र "optimised" (अनुकूलित डेटा संरचना) "savings" (एक वस्तु जिसमें "original_type" "optimized_type" "original_size" "optimized_size" और "saved" शामिल हैं) और "type_detected" (पहचानी गई डेटा प्रकार) हैं

उत्तर डेटा को JSON प्रारूप में व्यवस्थित किया गया है जिसमें एक "status" फ़ील्ड है जो सफलता या विफलता इंगीत करता है इसके बाद एक "result" ऑब्जेक्ट है जिसमें अनुकूलित डेटा और बचत रिपोर्ट है

ओ एंडपॉइंट ऑप्टिमाइज़ डाटा संरचित डेटा के बारे में जानकारी प्रदान करता है ऑप्टिमाइज्ड और मूल आकारों के बारे में बचाई गई मेमोरी की मात्रा और पहचाने गए डेटा के प्रकार

उपयोगकर्ता अपने डेटा अनुरोधों को विभिन्न पायथन डेटा संरचनाओं को भेजकर कस्टमाइज़ कर सकते हैं कोड स्निप्पेट्स या डेटाबेस कनेक्शन स्ट्रिंग्स को JSON प्रारूप में संलग्न करके ताकि उनकी विशिष्ट आवश्यकताओं के आधार पर अनुकूलन किया जा सके

उत्तर में "original_size" डेटा के आकार को इंगित करता है जो ऑप्टिमाइजेशन से पहले है "optimized_size" ऑप्टिमाइजेशन के बाद का आकार दिखाता है और "saved" ऑप्टिमाइजेशन की प्रक्रिया के माध्यम से प्राप्त की गई मेमोरी की कटौती को मापता है

रुचिकर उपयोग के मामलों में पायथन एप्लिकेशनों में मेमोरी उपयोग को कम करना, भंडारण लागत को कम करने के लिए डेटाबेस कॉलम प्रकारों का अनुकूलन करना, मेमोरी लीक की पहचान करना और मशीन लर्निंग कार्यों के लिए स्पार्स मैट्रिक्स को संकुचित करना शामिल है

डेटा की सटीकता को बनाए रखा जाता है जब असमर्थित डेटा प्रकारों की पहचान और बुद्धिमानी से प्रतिस्थापन किया जाता है जबकि यह सुनिश्चित करते हुए कि अनुकूलित प्रकारों में मूल डेटा का सही प्रतिनिधित्व किया जाए ताकि अनुकूलन प्रक्रिया के दौरान उसकी अखंडता को बनाए रखा जा सके

एपीआई विभिन्न पायथन डेटा संरचनाओं को अनुकूलित कर सकता है जिसमें सूचियाँ, ऐरे, शब्दकोश और विरल मैट्रिसेस शामिल हैं यह कोड स्निपेट्स और डेटाबेस कनेक्शन स्ट्रिंग्स का भी समर्थन करता है जिससे अनुकूलन परिदृश्यों की एक विस्तृत श्रृंखला संभव है

एपीआई गहराई से घुंघराले सूचियों को सपाट एरे में समतल कर सकता है जो जटिलता और मेमोरी उपयोग को कम करता है यह फीचर विशेष रूप से मशीन लर्निंग कार्यों में सामान्य रूप से पाए जाने वाले डेटा संरचनाओं का ऑप्टिमाइज़ करने के लिए उपयोगी है

"type_detected" क्षेत्र उस मूल डेटा प्रकार को दर्शाता है जिसे एपीआई ने अनुकूलन से पहले पहचाना था यह उपयोगकर्ताओं को यह समझने में मदद करता है कि किस प्रकार के डेटा को संसाधित किया गया था और यह सुनिश्चित करता है कि वे अनुकूलन परिणामों की पुष्टि कर सकें

हां, API विभिन्न डेटाबेस सिस्टमों के लिए अनुकूलन का समर्थन करता है, जिसमें PostgreSQL, MySQL, SQLite, MongoDB और SQL Server शामिल हैं। यह डेटा भंडारण की दक्षता बढ़ाने के लिए प्रत्येक प्रणाली के लिए अनुकूलित सिफारिशें प्रदान करता है

यदि इनपुट डेटा पहले से ही अनुकूलित है तो एपीआई अभी भी एक बचत रिपोर्ट लौटाएगा जो संकेत देता है कि आगे का अनुकूलन आवश्यक नहीं है यह उपयोगकर्ताओं को उनके मौजूदा डेटा संरचनाओं की दक्षता की पुष्टि करने में मदद करता है

एपीआई बुद्धिमानी से अप्रभावी डेटा प्रकारों की पहचान करता है और उन्हें बदलता है जबकि यह सुनिश्चित करता है कि अनुकूलित प्रकार मूल डेटा का सही प्रतिनिधित्व करते हैं यह प्रक्रिया डेटा की अखंडता बनाए रखती है और जानकारी के नुकसान को रोकती है

सूचियों को सेट में परिवर्तित करना डुप्लिकेट मानों को समाप्त करता है जिससे मेमोरी की बचत होती है जबकि ट्यूपल का उपयोग अपरिवर्तनीयता प्रदान करता है जो प्रत्येक संरचना के लिए लगभग 40 बाइट्स मेमोरी उपयोग को कम कर सकता है दोनों परिवर्तनों से डेटा की दक्षता बढ़ती है

बचत रिपोर्ट मूल आकार अनुकूलित आकार और कुल बचाए गए बाइट्स का विवरण देती है उपयोगकर्ता इस जानकारी का उपयोग अनुकूलन की प्रभावशीलता का आकलन करने और डेटा प्रबंधन के बारे में सूचित निर्णय लेने के लिए कर सकते हैं

सामान्य FAQs

Zyla API Hub APIs के लिए एक बड़ा स्टोर जैसा है, जहाँ आप हजारों APIs एक ही जगह पर पा सकते हैं। हम सभी APIs की समर्पित सपोर्ट और रीयल-टाइम मॉनिटरिंग भी प्रदान करते हैं। एक बार साइन अप करने के बाद, आप चुन सकते हैं कि कौन सी APIs उपयोग करनी हैं। बस याद रखें, प्रत्येक API को अपनी स्वयं की सब्सक्रिप्शन की आवश्यकता होती है। लेकिन यदि आप कई APIs पर सब्सक्राइब करते हैं, तो आप सभी के लिए एक ही की का उपयोग करेंगे, जिससे आपके लिए चीज़ें आसान हो जाती हैं।
कीमतें USD (अमेरिकी डॉलर), EUR (यूरो), CAD (कनाडाई डॉलर), AUD (ऑस्ट्रेलियाई डॉलर), और GBP (ब्रिटिश पाउंड) में सूचीबद्ध हैं। हम सभी प्रमुख डेबिट और क्रेडिट कार्ड स्वीकार करते हैं। हमारा पेमेंट सिस्टम नवीनतम सुरक्षा तकनीक का उपयोग करता है और Stripe द्वारा संचालित है, जो दुनिया की सबसे विश्वसनीय पेमेंट कंपनियों में से एक है। यदि आपको कार्ड से पेमेंट करने में कोई समस्या हो, तो बस हमसे संपर्क करें [email protected]

इसके अलावा, यदि आपके पास पहले से ही इनमें से किसी भी करेंसी (USD, EUR, CAD, AUD, GBP) में एक सक्रिय सब्सक्रिप्शन है, तो बाद की सब्सक्रिप्शंस के लिए वही करेंसी बनी रहेगी। जब तक आपके पास कोई सक्रिय सब्सक्रिप्शन नहीं है, आप किसी भी समय करेंसी बदल सकते हैं।
प्राइसिंग पेज पर दिखाई देने वाली स्थानीय करेंसी आपके IP पते के देश पर आधारित है और केवल संदर्भ के लिए प्रदान की गई है। वास्तविक कीमतें USD (अमेरिकी डॉलर) में हैं। जब आप भुगतान करते हैं, तो आपके कार्ड स्टेटमेंट पर चार्ज USD में दिखाई देगा, भले ही हमारी वेबसाइट पर आपको आपकी स्थानीय करेंसी में समतुल्य राशि दिखाई दे। इसका अर्थ है कि आप सीधे अपनी स्थानीय करेंसी से भुगतान नहीं कर सकते।
कभी-कभी, बैंक फ्रॉड प्रोटेक्शन सेटिंग्स के कारण चार्ज को डिक्लाइन कर सकता है। हम सुझाव देते हैं कि आप पहले अपने बैंक से संपर्क करें कि क्या वे हमारे चार्ज को ब्लॉक कर रहे हैं। साथ ही, आप बिलिंग पोर्टल तक पहुंच सकते हैं और भुगतान करने के लिए जुड़े कार्ड को बदल सकते हैं। यदि यह काम नहीं करता और आपको अतिरिक्त सहायता की आवश्यकता है, तो कृपया हमारी टीम से संपर्क करें [email protected]
कीमतें पुनरावर्ती मासिक या वार्षिक सब्सक्रिप्शन के आधार पर निर्धारित की जाती हैं, जो चुने गए प्लान पर निर्भर करती हैं।
API कॉल्स आपके प्लान से सफल रिक्वेस्ट के आधार पर घटाई जाती हैं। प्रत्येक प्लान में प्रति माह आप जितनी कॉल कर सकते हैं उसकी एक विशेष संख्या होती है। केवल सफल कॉल्स, जो स्टेटस 200 रिस्पॉन्स से इंगित होती हैं, आपकी कुल संख्या से घटाई जाएँगी। इससे सुनिश्चित होता है कि असफल या अधूरी रिक्वेस्ट आपके मासिक कोटा को प्रभावित नहीं करतीं।
Zyla API Hub एक पुनरावर्ती मासिक सब्सक्रिप्शन सिस्टम पर काम करता है। आपका बिलिंग साइकल उस दिन से शुरू होगा जिस दिन आप किसी पेड प्लान को खरीदते हैं, और अगले महीने के उसी दिन नवीनीकृत होगा। इसलिए यदि आप भविष्य के चार्ज से बचना चाहते हैं, तो समय पर अपनी सब्सक्रिप्शन कैंसल करना सुनिश्चित करें।
अपनी मौजूदा सब्सक्रिप्शन प्लान को अपग्रेड करने के लिए, बस API के प्राइसिंग पेज पर जाएँ और वह प्लान चुनें जिस पर आप अपग्रेड करना चाहते हैं। अपग्रेड तुरंत प्रभावी होगा, जिससे आपको नए प्लान की सुविधाओं का तुरंत आनंद मिलेगा। कृपया ध्यान दें कि आपके पिछले प्लान से बची हुई कॉल्स नए प्लान में नहीं जोड़ी जाएँगी, इसलिए अपग्रेड करने से पहले इसे ध्यान में रखें। आपको नए प्लान की पूरी राशि चार्ज की जाएगी।
यह देखने के लिए कि आपके पास वर्तमान महीने के लिए कितनी API कॉल्स बची हैं, रिस्पॉन्स हेडर में "X-Zyla-API-Calls-Monthly-Remaining" फ़ील्ड देखें। उदाहरण के लिए, यदि आपके प्लान में प्रति माह 1,000 रिक्वेस्ट की अनुमति है और आपने 100 का उपयोग किया है, तो रिस्पॉन्स हेडर में यह फ़ील्ड 900 बची हुई कॉल्स दिखाएगा।
आपके प्लान में अनुमत API रिक्वेस्ट्स की अधिकतम संख्या देखने के लिए, "X-Zyla-RateLimit-Limit" रिस्पॉन्स हेडर देखें। उदाहरण के लिए, यदि आपके प्लान में प्रति माह 1,000 रिक्वेस्ट्स शामिल हैं, तो यह हेडर 1,000 दिखाएगा।
"X-Zyla-RateLimit-Reset" हेडर यह दिखाता है कि आपकी रेट लिमिट रीसेट होने में कितने सेकंड बचे हैं। यह आपको बताता है कि आपकी रिक्वेस्ट गिनती कब से फिर से शुरू होगी। उदाहरण के लिए, यदि यह 3,600 दिखाता है, तो इसका मतलब है कि लिमिट रीसेट होने में 3,600 सेकंड बचे हैं।
हाँ, आप कभी भी अपने अकाउंट में जाकर और बिलिंग पेज पर कैंसिलेशन विकल्प चुनकर अपना प्लान कैंसल कर सकते हैं। कृपया ध्यान दें कि अपग्रेड, डाउनग्रेड और कैंसिलेशन तुरंत प्रभावी होते हैं। साथ ही, कैंसल करने पर आपको सेवा तक पहुंच नहीं होगी, भले ही आपके कोटा में कॉल्स बची हों।
आपको बिना किसी प्रतिबद्धता के हमारी APIs का अनुभव करने का मौका देने के लिए, हम 7-दिवसीय फ्री ट्रायल प्रदान करते हैं, जो आपको 50 API कॉल्स तक मुफ्त में करने की अनुमति देता है। यह ट्रायल केवल एक बार उपयोग किया जा सकता है, इसलिए हम सलाह देते हैं कि आप इसे उस API पर लागू करें जिसमें आपको सबसे अधिक रुचि है। जबकि अधिकांश APIs फ्री ट्रायल प्रदान करते हैं, कुछ शायद न करें। ट्रायल 7 दिनों के बाद या 50 रिक्वेस्ट होने पर, जो भी पहले हो, समाप्त हो जाता है। यदि आप ट्रायल के दौरान 50 रिक्वेस्ट लिमिट तक पहुँच जाते हैं, तो रिक्वेस्ट जारी रखने के लिए आपको "Start Your Paid Plan" करना होगा। आप अपने प्रोफाइल में Subscription -> जिस API पर आप सब्सक्राइब हैं उसे चुनें -> Pricing टैब में "Start Your Paid Plan" बटन पा सकते हैं। यदि आप 7वें दिन से पहले अपनी सब्सक्रिप्शन कैंसल नहीं करते हैं, तो आपका फ्री ट्रायल समाप्त हो जाएगा और आपका प्लान अपने आप चार्ज हो जाएगा, जिससे आपको अपने प्लान में निर्दिष्ट सभी API कॉल्स तक पहुंच मिल जाएगी। अवांछित चार्ज से बचने के लिए कृपया इसे ध्यान में रखें।
7 दिनों के बाद, आपको उस प्लान की पूरी राशि चार्ज की जाएगी, जिस पर आप ट्रायल के दौरान सब्सक्राइब थे। इसलिए, ट्रायल अवधि समाप्त होने से पहले कैंसल करना महत्वपूर्ण है। समय पर कैंसल करना भूलने के लिए रिफंड अनुरोध स्वीकार नहीं किए जाते।
जब आप किसी API के फ्री ट्रायल पर सब्सक्राइब करते हैं, तो आप 50 API कॉल्स तक कर सकते हैं। यदि आप इस लिमिट से आगे अतिरिक्त API कॉल्स करना चाहते हैं, तो API आपको "Start Your Paid Plan" करने का संकेत देगा। आप अपने प्रोफाइल में Subscription -> जिस API पर आप सब्सक्राइब हैं उसे चुनें -> Pricing टैब में "Start Your Paid Plan" बटन पा सकते हैं।
पAYOUT ऑर्डर्स महीने की 20 तारीख से 30 तारीख के बीच प्रोसेस किए जाते हैं। यदि आप अपना अनुरोध 20 तारीख से पहले सबमिट करते हैं, तो आपका पेमेंट इस समयावधि के भीतर प्रोसेस किया जाएगा।
आप तुरंत सहायता प्राप्त करने के लिए हमारे चैट चैनल के माध्यम से हमसे संपर्क कर सकते हैं। हम हमेशा सुबह 8 बजे से शाम 5 बजे (EST) तक ऑनलाइन रहते हैं। यदि आप हमें उस समय के बाद संपर्क करते हैं, तो हम यथाशीघ्र आपसे संपर्क करेंगे। इसके अलावा, आप हमें ईमेल के माध्यम से भी संपर्क कर सकते हैं [email protected]

संबंधित APIs