Deklarativa pipelines

Senast uppdaterad: 2026-09-08

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, och distribuerar dem sedan 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 mellan 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 enklare 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.

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 pipelinen.

   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 anslutet 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 på projektet.

För information om att ansluta ett projekt till versionskontroll, se Hantera dina pipelineprojekt med versionskontroll.

Använda AI-assistenter för att konfigurera pipelines

Använd AI-assistenter (som GitHub Copilot eller Anthropic Claude) för att effektivisera skapandet och redigeringen av YAML-konfigurationer. För att säkerställa noggrannhet och efterlevnad av projektstandarder, följa dessa bästa metoder:

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)

   Innehållet i din instruktionsfil ska vara följande:

   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

Använda AI-assistenter med Qlik MCP-verktyg

När du distribuerar en Qlik MCP-server i din klientorganisation, kan AI-assistenter använda dedikerade MCP-verktyg för att hjälpa till att hantera pipeline-projekt programmatiskt.

Förutsättningar

• Qlik MCP-server har distribuerats i din klientorganisation

• Du har Qlik MCP: Tillåten behörighet tilldelad via en anpassad roll

• Du har behörighet att skapa eller redigera pipelineprojekt

• En AI-klient med MCP-stöd (till exempel VS Code med GitHub Copilot) är konfigurerad att använda Qlik MCP-servern

Tillgängliga MCP-funktioner för datapipelines

AI-assistenter kan använda följande funktioner för att konfigurera och hantera pipelineprojekt:

• Sök efter utrymmen — Få en lista över tillgängliga utrymmen.

• Sök efter anslutningar — Hämta en lista över tillgängliga dataanslutningar.

• Sök efter projekt — Hämta en lista över befintliga pipelineprojekt.

• Sök efter kopplingsobjekt — Upptäck tillgängliga tabeller och vyer från en datakälla.

• Hämta pipeline-projektdetaljer — Hämta projektbindningsvärden.

Relaterade resurser

• För att distribuera MCP-servern, se Qlik MCP-server

• För detaljerad dokumentation om MCP-verktyg, se Qlik MCP-verktyg

• För behörighetskrav, se Qlik åtkomst och behörigheter till MCP-servern