Deklarativa pipelines | Qlik CloudHjälp
Gå till huvudinnehåll Gå till ytterligare innehåll

Deklarativa pipelines

Deklarativa pipelines låter dig definiera, konfigurera och distribuera Qlik Talend Data Integration pipeline-projekt helt i kod med YAML-filer. Du redigerar filerna i valfri integrerad utvecklingsmiljö eller versionskontrollsystem, sedan distribuerar du dem för att skapa eller uppdatera projekt.

När man ska använda deklarativa pipelines

Använd deklarativa pipelines för att främja:

  • Samarbete

  • Kontinuerlig integration / Kontinuerlig leverans

  • Repeterbar distribution till olika miljöer

  • API-styrd automatisering

Här är några typiska användningsfall:

  • Definiera pipelines i kod för kontinuerlig integration och utvecklingsautomatisering.

  • Distribuera identiska pipelinekonfigurationer över flera miljöer (utveckling, verifiering, produktion).

  • Återanvänd och dela pipelinedefinitioner över projekt eller team.

  • Automate skapande av storskaliga projekt utan manuellt arbete.

Hur det fungerar

Ett pipelineprojekt representeras som en uppsättning YAML-filer organiserade i en mappstruktur som speglar projektets uppgifter och datamängder. YAML-filer är lättare att läsa, se skillnader, granska, återanvända och skapa automatisering.

Du kan exportera ett befintligt projekt som YAML, redigera filerna och importera dem tillbaka för att tillämpa dina ändringar. Om projektet är anslutet till versionskontroll, är YAML-filerna direkt tillgängliga i din GitHub-databas.

För mer information om YAML-filstrukturen, se Hämta och redigera en pipelinekonfiguration.

Anteckning om informationBindningsfiler (qtcp_bindings_definition.json och binding.json) förblir i JSON-format för kompatibilitet med bindnings-API:et. För äldre export eller i befintliga GitHub-projekt, filen heter bindingTemplate.json och inte qtcp_bindings_definition.json.

Typiskt arbetsflöde

Innan du börjar, måste du konfigurera din utvecklingsmiljö och versionskontroll. Mer information finns i Komma igång med deklarativa pipelines.

Ett typiskt deklarativt pipeline-arbetsflöde ser ut så här:

  1. Hämta pipelinekonfigurationen

    Du kan exportera ett befintligt projekt som YAML, hämta det från versionskontroll eller börja från en mall.

    Hämta och redigera en pipelinekonfiguration

  2. Redigera pipelinekonfigurationen

    Ändra YAML-filerna i din utvecklingsmiljö. Du kan lägga till uppgifter, ändra källval och uppdatera inställningar.

    Utvecklarguide: Deklarativa pipelines

  3. Validera pipelinekonfigurationen

    kontrollera filerna efter syntax- och semantikfel innan du distribuerar pipeline.

    Validerar en pipelinekonfiguration

  4. Distribuera pipelinekonfigurationen

    Importera filerna för att skapa eller uppdatera projektet i Qlik Talend Data Integration.

    Du kan också checka in filerna till versionskontroll och tillämpa från versionskontroll i projektet i Qlik Talend Data Integration.

    Distribuera en pipelinekonfiguration

Relation till versionskontroll

När ett projekt är kopplat till versionskontroll, lagras YAML-filerna direkt i din GitHub-databas. Du kan redigera YAML-filerna i GitHub eller i valfri IDE, och sedan tillämpa ändringarna tillbaka till projektet.

Mer information om att ansluta ett projekt till versionskontroll finns i Hantera dina pipelineprojekt med versionskontroll.

Anteckning om informationOm du har ett befintligt projekt som är anslutet till versionskontroll och använder det äldre JSON-formatet, kan du migrera det till YAML. Mer information finns i Migrering av ett projekt till YAML-format.

Använda AI-assistenter för att konfigurera pipelines

Använd AI-assistenter (som GitHub Copilot eller Anthropic Claude) för att effektivisera skapande och redigering av YAML-konfigurationer. För att säkerställa noggrannhet och efterlevnad av projektstandarder, följ dessa metodtips:

  1. Välj en högkapacitetsmodell — Använd en premiummodell med stor kontext (till exempel Anthropic Claude Sonnet 4.6 eller högre) snarare än en standard- eller "auto"-modell för komplex YAML-generering och följsamhet till schema. Avancerade modeller tolkar korrekt komplexa pipeline-scheman och producerar mer exakta konfigurationer.

  2. Konfigurera projektspecifika AI-instruktioner — Förbättra kvaliteten på AI-genererade konfigurationer genom att tillhandahålla projektkontext till modellen. Skapa en instruktionsfil i roten av din VS Code-arbetsyta. Välj ett av följande alternativ:

    • CLAUDE.md (för Anthropic Claude Code komplement)

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

    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

Var den här sidan till hjälp för dig?

Om du stöter på några problem med den här sidan eller innehållet på den, t.ex. ett stavfel, ett saknat steg eller ett tekniskt fel – meddela oss!