Deklaratywne potoki

Last updated: 1.09.2026

Deklaratywne potoki pozwalają definiować, konfigurować i wdrażać Qlik Talend Data Integration projekty potoków całkowicie w kodzie, używając plików YAML. Edytujesz pliki w dowolnym zintegrowanym środowisku programistycznym lub systemie kontroli wersji, a następnie wdrażasz je, aby tworzyć lub aktualizować projekty.

Kiedy używać potoków deklaratywnych

Używaj deklaratywnych potoków do promowania:

• Współpraca

• Ciągła Integracja / Ciągłe Dostarczanie

• Powtarzalne wdrożenie do różnych środowisk

• Automatyzacja sterowana API

Oto typowe zastosowania:

• Definiuj potoki w kodzie dla ciągłej integracji i automatyzacji rozwoju.

• Wdrażaj identyczne konfiguracje potoku w wielu środowiskach (programistycznym, weryfikacyjnym, produkcyjnym).

• Ponowne użycie i udostępnianie definicji potoków między projektami lub zespołami.

• Automate tworzenie projektów na dużą skalę bez pracy ręcznej.

Jak to działa

Projekt potoku jest reprezentowany jako zestaw plików YAML zorganizowany w strukturę folderów, która odzwierciedla zadania i zbiory danych projektu. Pliki YAML są łatwiejsze do czytania, przeglądania różnic, recenzowania, ponownego użycia i tworzenia automatyzacji.

Możesz eksportować istniejący projekt jako YAML, edytować pliki i zaimportować je z powrotem, aby zastosować zmiany. Jeśli projekt jest połączony z kontrolą wersji, pliki YAML są bezpośrednio dostępne w Twoim repozytorium GitHub.

Więcej informacji na temat struktury pliku YAML można znaleźć w Pobieranie i edycja konfiguracji potoku.

Typowy przepływ pracy

Zanim zaczniesz, musisz skonfigurować swoje środowisko programistyczne i kontrolę wersji. Więcej informacji zawiera temat Pierwsze kroki z potokami deklaratywnymi.

Typowy deklaratywny potok pracy wygląda następująco:

1. Pobierz konfigurację potoku

   Możesz eksportować istniejący projekt jako YAML, pobrać go z kontroli wersji lub rozpocząć od szablonu.

   Pobieranie i edycja konfiguracji potoku

2. Edytuj konfigurację potoku

   Zmodyfikuj pliki YAML w swoim środowisku programistycznym. Możesz dodawać zadania, zmieniać wybrane źródła i aktualizować ustawienia.

   Przewodnik dewelopera: Potoki deklaratywne

3. Zweryfikuj konfigurację potoku

   sprawdź pliki pod kątem błędów składniowych i semantycznych przed wdrożeniem potoku.

   Walidowanie konfiguracji potoku

4. Wdróż konfigurację potoku

   Zaimportuj pliki, aby utworzyć lub zaktualizować projekt w Qlik Talend Data Integration.

   Możesz również zatwierdzić pliki w kontroli wersji i wykonać zastosowanie z kontroli wersji w projekcie w Qlik Talend Data Integration.

   Wdrażanie konfiguracji potoku

Relacja z kontrolą wersji

Gdy projekt jest połączony z kontrolą wersji, pliki YAML są przechowywane bezpośrednio w Twoim repozytorium GitHub. Możesz edytować pliki YAML w GitHubie lub w dowolnym IDE, a następnie zastosować zmiany z powrotem w projekcie.

Aby uzyskać informacje na temat łączenia projektu z kontrolą wersji, zobacz Zarządzanie projektami potoku przy użyciu kontroli wersji.

Używanie asystentów AI do konfigurowania potoków

Korzystaj z asystentów AI (takich jak GitHub Copilot czy Anthropic Claude), aby usprawnić tworzenie i edytowanie konfiguracji YAML. Aby zapewnić dokładność i zgodność ze standardami projektu, obserwować te najlepsze praktyki:

1. Wybierz model o wysokich możliwościach — Użyj modelu premium o dużym kontekście (na przykład Anthropic Claude Sonnet 4.6 lub nowszy) zamiast standardowego lub „automatycznego” modelu do złożonego generowania YAML i przestrzegania schematu. Zaawansowane modele poprawnie interpretują złożone schematy potoków i tworzą dokładniejsze konfiguracje.

2. Skonfiguruj instrukcje AI specyficzne dla projektu — Popraw jakość konfiguracji generowanej przez AI, dostarczając modelowi kontekst projektu. Utwórz plik instrukcji w katalogu głównym swojego obszaru roboczego VS Code. Wybierz jedną z następujących opcji:

   • CLAUDE.md (dla rozszerzenia kodu Anthropic Claude)

   • .github/copilot-instructions.md (dla GitHub Copilot)

   Zawartość pliku instrukcji powinna być następująca:

   This is a Qlik Talend Cloud Pipeline (QTCP) project. Before any project advice or YAML edits, I MUST read the source of truth first:
   https://raw.githubusercontent.com/qlik-oss/schemas/refs/heads/main/qtcp/ai-instructions.md

Używanie asystentów AI z Qlik narzędziami MCP

Gdy wdrożysz Qlik serwer MCP w swojej dzierżawie, asystenci AI mogą używać dedykowanych narzędzi MCP, aby programowo zarządzać projektami potoków.

Wymagania wstępne

• Qlik Serwer MCP jest wdrożony w Twojej dzierżawie

• Masz uprawnienie Qlik MCP: Dozwolone przypisane za pośrednictwem niestandardowej roli

• Masz uprawnienia do tworzenia lub edytowania projektów potoków

• Klient AI z obsługą MCP (taki jak VS Code z GitHub Copilot) jest skonfigurowany do używania Qlik serwera MCP

Dostępne możliwości MCP dla potoków danych

Asystenci AI mogą korzystać z następujących możliwości do konfigurowania i zarządzania projektami potoków:

• Wyszukaj miejsca — Uzyskaj listę dostępnych miejsc.

• Wyszukaj połączenia — Uzyskaj listę dostępnych połączeń danych.

• Wyszukaj projekty — Pobierz listę istniejących projektów potoku.

• Wyszukaj obiekty połączenia — Odkryj dostępne tabele i widoki ze źródła danych.

• Pobierz szczegóły projektu potoku — Pobierz wartości powiązań projektu.

Powiązane zasoby

• Aby wdrożyć serwer MCP, zobacz Qlik serwer MCP

• Aby uzyskać szczegółową dokumentację narzędzi MCP, zobacz Qlik Narzędzia MCP

• Wymagania dotyczące uprawnień, patrz Qlik dostęp do serwera MCP i uprawnienia