整合¶

選擇連接方式¶

客戶端類型	建議方式	原因
BI 工具（Tableau、Power BI、Looker）	JDBC	透過線路進行 Arrow Flight 欄式串流；BI 工具內建 JDBC 精靈，並可受惠於欄式高吞吐量傳送大型結果集
psql、DBeaver，任何相容 PG 的工具	pgwire（原生 PG 驅動程式）	零摩擦預設選項 —— 毋須自訂驅動程式；直接使用現有工具
Python 數據堆疊（pandas、pyarrow）	`provisa-client` 或原生 ADBC	串流 Arrow 批次；無逐行序列化開銷
Spark、DuckDB、高吞吐量管線	Arrow Flight（ADBC）	無限制欄式串流，直接進入 Arrow 記憶體
服務對服務（型別化合約）	Protobuf gRPC	按角色生成的 proto；串流資料列；型別安全
Web 應用程式、指令碼	HTTP（`/data/graphql`、`/data/sql`）	無需驅動程式；標準 HTTP；查詢語言可自由選擇
REST 客戶端（JSON:API 標準）	`GET /data/jsonapi/{table}`	JSON:API v1.0 封套；透過查詢參數提供稀疏欄位集、分頁、篩選；無需驅動程式

pgwire —— 原生 PostgreSQL 驅動程式¶

Provisa 實作 PostgreSQL 線路協定（協定版本 3.0）。任何能說 PostgreSQL 語言的客戶端均可在毋須自訂驅動程式的情況下連接。

啟動 Provisa 前設定 PROVISA_PGWIRE_PORT（例如 5433）以啟用此功能。未設定或設為 0 時停用。

為何選用 pgwire 而非 JDBC？¶

JDBC 驅動程式以 Arrow Flight 作為傳輸方式，並需要部署 provisa-jdbc.jar。pgwire 則毋須任何額外部署 —— 若已擁有 psql、DBeaver、SQLAlchemy 或 PG JDBC 驅動程式，即可直接使用。對於純 SQL 工作負載而言，這是摩擦最少的方式。

對於內建 JDBC 連接精靈、並可受惠於 Arrow Flight 欄式串流以處理大型結果集的 BI 工具，JDBC 是正確的選擇。pgwire 則可對完整發佈的結構描述執行自由 SQL —— 相同的查詢，設定成本更低。

psql¶

psql -h localhost -p 5433 -U alice

DBeaver¶

新增連接 → PostgreSQL
主機：localhost，連接埠：5433
用戶名 / 密碼按 Provisa 設定
毋須下載額外驅動程式

SQLAlchemy（Python）¶

from sqlalchemy import create_engine

engine = create_engine("postgresql+psycopg2://alice:secret@localhost:5433/provisa")
df = pd.read_sql("SELECT * FROM sales.orders", engine)

或使用 asyncpg：

engine = create_engine("postgresql+asyncpg://alice:secret@localhost:5433/provisa")

身份驗證¶

pgwire 使用明文密碼驗證，並連接至 Provisa 設定的身份驗證提供者（none 或 simple）。在信任模式（none）下，用戶名會直接對應至角色 —— 密碼會被忽略。不支援 MD5；在不受信任的網絡上運作時，請啟用 TLS（PROVISA_PGWIRE_CERT / PROVISA_PGWIRE_KEY）。

限制¶

僅支援 SQL。透過 pgwire 不接受 GraphQL 及 Cypher。
並非唯讀。COPY ... FROM STDIN 會將資料列插入 postgresql、mysql、sqlite 及 mariadb 數據來源，並支援 DDL（見下文）。
支援 DDL（CREATE、ALTER、DROP），並會轉發至 Trino 或直接路徑；新表格會登記於編譯上下文中，並可即時查詢。COPY ... TO STDOUT（匯出）及 COPY ... FROM STDIN（匯入）均支援 text 及 csv 格式。
針對 information_schema 及 pg_catalog 的查詢會被攔截，並由 DuckDB 目錄墊片回應 —— 結構描述探索工具可正常運作。

JDBC 驅動程式¶

Provisa 的 JDBC 驅動程式以 Arrow Flight 作為底層傳輸方式。對於具備 JDBC 連接精靈的 BI 工具而言，這是建議使用的方式。

連接¶

下載 provisa-jdbc.jar（永遠是最新版本），並將其加入工具的驅動程式路徑。

JDBC URL：

jdbc:provisa://<host>:8815

身份驗證使用標準 JDBC 的 user / password 屬性。Provisa 會依據已設定的身份驗證提供者驗證憑證，並指派角色 —— 客戶端不能自行選擇角色。

BI 工具設定¶

Tableau

管理 → 驅動程式 → 安裝 Provisa JDBC
連接 → 其他數據庫（JDBC）
URL：jdbc:provisa://localhost:8815
系統提示時輸入用戶名及密碼

DBeaver（JDBC 方式 —— pgwire 方式見上文）

數據庫 → 新增連接 → JDBC
驅動程式：新增 provisa-jdbc.jar
URL：jdbc:provisa://localhost:8815
在「身份驗證」分頁輸入用戶名及密碼

Power BI —— 使用 ODBC 閘道連同 Provisa JDBC-ODBC 橋接器（已包含在安裝程式中）。

Arrow Flight 客戶端¶

Arrow Flight（連接埠 8815）是支援此功能的數據工具建議使用的方式。結果會以 Arrow RecordBatch 形式串流，毋須於 Provisa 記憶體中具體化。

Python（`provisa-client`）¶

建議使用的 Python 方式 —— 同時封裝 GraphQL 及 Arrow Flight：

pip install provisa-client

from provisa_client import ProvisaClient

client = ProvisaClient("http://localhost:8001", username="alice", password="secret")

# Arrow Flight → pyarrow Table (high-throughput, streaming)
table = client.flight("SELECT id, amount FROM sales.orders")

# Arrow Flight → pandas DataFrame
df = client.flight_df("SELECT id, amount FROM sales.orders")

# GraphQL → DataFrame
df = client.query_df("{ orders { id amount } }")

完整參考資料（包括 DB-API 2.0、SQLAlchemy 方言及 ADBC）請參閱 docs/python-client.md。

Python（原生 PyArrow）¶

import pyarrow.flight as flight

client = flight.connect("grpc://localhost:8815")
ticket = flight.Ticket(b'{"query": "SELECT id, amount FROM sales.orders"}')
df = client.do_get(ticket).read_all().to_pandas()

票證不會攜帶任何角色。伺服器會依據已設定的身份驗證提供者指派角色。若容許選擇角色，請於 gRPC 呼叫的元數據中，以 x-provisa-role 鍵傳遞（例如 flight.FlightCallOptions(headers=[(b"x-provisa-role", b"analyst")])），而非置於票證 JSON 內。

ADBC¶

import adbc_driver_flightsql.dbapi as adbc

conn = adbc.connect("grpc://localhost:8815", db_kwargs={"username": "alice", "password": "secret"})
cursor = conn.cursor()
cursor.execute("SELECT id, amount FROM sales.orders")
table = cursor.fetch_arrow_table()

DuckDB¶

import duckdb, pyarrow.flight as flight

client = flight.connect("grpc://localhost:8815")
ticket = flight.Ticket(b'{"query": "SELECT * FROM sales.orders"}')
arrow_table = client.do_get(ticket).read_all()

conn = duckdb.connect()
result = conn.execute("SELECT region, sum(amount) FROM arrow_table GROUP BY 1").df()

Spark（PySpark）¶

from pyspark.sql import SparkSession
spark = SparkSession.builder \
    .config("spark.jars.packages", "org.apache.arrow:flight-core:14.0.0") \
    .getOrCreate()

# Use ADBC Flight connector or load via pandas → Spark

Protobuf gRPC（連接埠 50051）¶

服務對服務方式。Provisa 於啟動時按角色生成 .proto —— 每個角色只會看到其有權存取的表格及欄位。

下載您角色的 proto：

curl http://localhost:8001/proto/analyst > provisa_analyst.proto

使用 grpc_server_reflection 以程式方式探索結構描述。

角色會透過每次 RPC 的 x-provisa-role 元數據鍵傳遞。串流查詢會逐列發出訊息；變異則為單元操作。

跨協定調用命令¶

命令是登記於 Provisa 語意層的已追蹤函式或 webhook —— 一個可調用元素，具有 kind（query 或 mutation）及描述其執行方式的 impl_kind。所有介面均透過單一受管治的執行器（invoke_tracked_function）路由調用，統一強制執行 writable_by 及治理（REQ-1156）。[tool-verified: provisa/api/data/action_exec.py, provisa/bolt/session.py:786-791, provisa/grpc/server.py:107-135, provisa/pgwire/function_call.py:80-88, provisa/api/flight/server.py:542-554]

`impl_kind`	執行內容	綁定欄位
`source_procedure`	已登記數據來源上的儲存程序（預設值）	`sourceId`、`schemaName`、`functionName`
`script`	伺服器端指令碼	`script`
`http`	對外 HTTP 呼叫	`url`、`method`
`grpc`	對外部伺服器的 gRPC 呼叫	`target`、`method`
`python`	由 Provisa 代管的 Python 可調用元素（REQ-885）	`callable`（例如 `demo.py_functions:random_dataset`）

當命令宣告 return_schema（type: array, items: object 的 JSON Schema）時，即屬於集合回傳型 —— 所有介面均會將其投影為型別化的資料列集。示範命令 random_python_set（impl_kind 為 python）及 random_grpc_set（impl_kind 為 grpc）分別示範了代管的可調用元素及回傳隨機值資料列的外部 gRPC 橋接；兩者均已登記於 config/provisa-install.yaml。[tool-verified: config/provisa-install.yaml:809-856]

協定對照表¶

介面	語法	範例
GraphQL	`kind=query` → Query 欄位；`kind=mutation` → Mutation 欄位；`domain_prefix: true` 時加上網域前綴	`{ ps__random_python_set(rows: 5, seed: 42) { id region amount } }`
pgwire / Arrow Flight / MCP `run_sql`	`SELECT * FROM fn(args)` 或 `SELECT fn(args)`	`SELECT * FROM random_python_set(5, 42)`
Cypher HTTP（`POST /data/cypher`）	`CALL fn(args) YIELD cols`	`CALL random_python_set(5, 42) YIELD id, region, amount`
Bolt（Neo4j Browser / 驅動程式）	`CALL fn(args)` —— 位置引數會對應至已宣告的引數名稱	`CALL random_python_set(3, 7)`
Provisa gRPC（連接埠 50051）	單元 `CallCommand(CommandRequest{name, args_json})` → `CommandResponse{rows_json}`	`grpcurl -d '{"name":"random_python_set","args_json":"{\"rows\":5}"}' ... ProvisaService/CallCommand`

kind 欄位僅控制在 GraphQL 中的擺放位置 —— SQL、Cypher、Bolt 及 gRPC 介面均同樣接受 query 及 mutation 命令。

Apollo Federation¶

Provisa 可作為 Federation v2 子圖，將其已發佈的結構描述向 Apollo Router 或 Apollo Gateway 公開。

設定¶

在 config.yaml 中啟用聯邦：

federation:
  enabled: true
  subgraph_name: provisa-data

Provisa 會自動於主索引鍵欄位生成 @key 指令，並於跨子圖關聯上生成 @external/@provides。

向 Apollo Router 登記¶

於您的 supergraph.yaml 中：

subgraphs:
  provisa-data:
    routing_url: http://provisa:8001/data/graphql
    schema:
      subgraph_url: http://provisa:8001/data/graphql

執行 rover supergraph compose --config supergraph.yaml 以生成超級圖結構描述。

實體¶

Provisa 會回應 _entities 查詢，以進行跨子圖聯結。任何具有主索引鍵的表格均可自動作為 Federation 實體解析。

Hasura v2 / DDN 匯入¶

有關由 Hasura 遷移至 Provisa，請參閱 docs/import.md。

Kafka¶

有關將 Kafka 主題設定為唯讀表格及查詢結果接收端，請參閱 docs/sources.md。

Apache Ossie 語意交換（REQ-1316）¶

Provisa 透過邊界配接器，與 Apache Ossie（規格 0.2.0.dev0，孵化中；前稱 Open Semantic Interchange）交換語意模型。Provisa 的內部詞彙永不會重新命名為 Ossie 的詞彙 —— 由於規格聲明極有可能出現破壞性變更，因此耦合僅限於配接器之內。 [tool-verified: provisa/ossie/convert.py docstring lines 7–16; OSSIE_VERSION = "0.2.0.dev0", provisa/ossie/convert.py line 29]

匯出¶

規範匯出介面是一個即時 HTTP 端點。它會於每次請求時，從即時狀態衍生 Ossie 文件 —— 無快取、無生成步驟。

GET /admin/ossie

回應是一份 YAML 文件，帶有 Content-Disposition: attachment; filename=provisa.ossie.yaml。 [tool-verified: ossie_router.py lines 20–33: "THE canonical live Ossie endpoint: the semantic model derived from live state on every read — no caching, no regeneration step"]

Metrics 頁面亦於 Ossie Interchange 面板提供下載按鈕及可複製的端點 URL，兩者均指向同一端點。 [tool-verified: OssieInterchangePanel.tsx lines 64–79: endpointUrl = window.location.origin + OSSIE_ENDPOINT_PATH]

匯出內容¶

配接器會將 Provisa 物件對應至 Ossie 物件，如下所示：

Provisa 物件	Ossie 物件	備註
`Table`	`dataset`	`source` = `catalog.schema.table`；主索引鍵／唯一索引鍵來自欄位設定及 `UniqueConstraint`
`Column`	`field`	`expression` = 欄位參照（ANSI_SQL 方言）；時間欄位會獲得 `dimension.is_time: true`
`Relationship`	`relationship`	已設定別名時使用別名作為名稱；已計算（函式目標）的關聯會被略過
`Metric`	`metric`	`name`、`expression`（ANSI_SQL）、`datatype`、`description`、`ai_context` —— 依設計無損
`modeling_role` / `modeling_history`	`custom_extensions[].vendor_name="provisa"`	僅供往返使用；其他工具可予以忽略

[tool-verified: _table_to_dataset, build_ossie_model, provisa/ossie/convert.py lines 90–198; _table_to_dataset comment at line 153: "Computed (function-target) relationships have no dataset target — not representable in Ossie; skipping is the defined export boundary"]

治理、行級安全、數據血緣及圖形語意均不會被匯出。它們可於 custom_extensions 的選用性 provisa 插槽中流轉，以維持往返保真度，但交換過程永不依賴其他工具讀取此資料。 [tool-verified: provisa/ossie/convert.py docstring lines 13–15]

未知的 Provisa 欄位型別會原樣通過；配接器永不會靜默地對應至錯誤型別。[tool-verified: _map_datatype, provisa/ossie/convert.py lines 70–77: "Unknown types pass through verbatim — mapping silently to a wrong type would corrupt the model"]

型別對應¶

[tool-verified: _DATATYPE_MAP, provisa/ossie/convert.py lines 35–65]

Provisa／數據來源型別	Ossie `datatype`
`varchar`、`text`、`char`、`uuid`、`string`	`string`
`int`、`integer`、`bigint`、`smallint`、`int4`、`int8`、`tinyint`	`integer`
`numeric`、`decimal`、`float`、`double`、`real`	`number`
`bool`、`boolean`	`boolean`
`date`	`date`
`time`	`time`
`timestamp`、`timestamptz`、`datetime`	`timestamp`
其他任何型別	原樣通過

匯入¶

匯入接受 Ossie 文件（YAML 或 JSON），並回傳登記提案。系統不會自動登記任何內容 —— 已匯入的定義永不會繞過覆核步驟。

POST /admin/ossie/import
Content-Type: text/yaml   (or application/json)

<ossie document>

伺服器以 parse_ossie_model 剖析文件，此函式會驗證結構，並回傳包含建議表格、關聯及指標（以純字典形式呈現）的 OssieImport 資料類別。任何結構性問題均會傳回帶有具名路徑錯誤的 400，例如 ossie import: missing semantic_model[0].datasets[1].source。 [tool-verified: import_ossie, provisa/api/admin/ossie_router.py lines 36–52: "Nothing is registered here — imported definitions never bypass registration review"]

覆核畫面¶

在使用者介面中，匯入按鈕（Metrics 頁面 → Ossie Interchange 面板）會開啟檔案選取器。文件提交並剖析後，會開啟覆核對話框，列出每項建議的表格、關聯及指標，並以已勾選項目呈現。建模人員可取消勾選任何項目以將其排除。按一下套用後，已勾選的項目會透過現有的登記變異（mutation）進行登記 —— 先登記表格，再登記關聯（因其參照表格），最後登記指標。 [tool-verified: OssieInterchangePanel.tsx lines 88–165: "Review screen opens with everything checked; trimming = unchecking"; "Tables first, then relationships... then metrics — each through the EXISTING registration mutations (REQ-1316)"]

儲存於 Provisa 匯出之 Ossie 文件中的建模角色及歷史記錄，會透過匯入正確地往返還原。 [tool-verified: _parse_dataset custom_extensions handling, provisa/ossie/convert.py lines 287–300: "REQ-1320: round-trip the provisa modeling metadata slot"]

跨協定指標（REQ-1319）¶

受管治指標的定義 —— 其表達式、描述及 ai_context —— 會透過單一編譯器展開，隨其數值傳遞至每個查詢介面。當中不存在任何複本。編譯器為 SQL 存取保留 metrics 結構描述；每個協定其後再各自加入其本身的元數據通道。

[tool-verified: METRICS_SCHEMA = "metrics", provisa/compiler/metric_expand.py line 43; REQ-1319 requirement text: "the definition (description, ai_context) travels with the value everywhere, with no copies"]

SQL / pgwire¶

將任何指標視為 metrics 結構描述中的虛擬關係加以定址。您所選取的維度欄位會成為 GROUP BY：

-- Grand total
SELECT value FROM metrics.net_revenue;

-- By region
SELECT region, value FROM metrics.net_revenue GROUP BY region;

-- By region and month, filtered
SELECT region, month, value
FROM metrics.net_revenue
WHERE net_revenue.status = 'completed'
GROUP BY region, month;

編譯器會在治理執行之前，將 metrics.<name> 形式展開為實際的分組聚合。欄位描述會以 pg_description 條目呈現，因此 DBeaver 及 psql 的 \d+ 均可顯示。[tool-verified: metric_semantic_sql, provisa/compiler/metric_expand.py lines 52–70; REQ-1319: "description surfaced via pg_description"]

SELECT * 會被拒絕 —— 請明確指定欄位名稱。 [tool-verified: expand_metric_query, provisa/compiler/metric_expand.py lines 302–306]

GraphQL¶

指標會於根欄位 _aggregate 內以 metrics 區塊形式投影。 [inferred: per REQ-1319; aggregate_gen.py not read in this session]

定義文字（description、ai_context）會顯示於 GraphQL 內省文件中，因此具結構描述感知能力的工具及程式碼生成器均可自動接收。 [inferred: per REQ-1319: "definition in introspection docs"]

MCP（AI 代理）¶

有兩個工具向 MCP 客戶端公開指標：

list_metrics —— 回傳該工作階段可見的所有受管治指標，包含 name、description 及 ai_context。
query_metric —— 接受一個指標名稱及一個維度清單，並呼叫編譯器的語意 SQL 路徑，回傳聚合結果。

[inferred: per REQ-1319: "MCP: list_metrics and query_metric tools carrying ai_context, so agents select governed meanings instead of composing aggregation SQL"; provisa/api/mcp/tools.py not read in this session]

代理在建構查詢前先呼叫 list_metrics，即可按名稱選取受管治指標，而非手動撰寫聚合 SQL。 ai_context 欄位正是放置指引正確選取之定義文字的位置。

Arrow Flight¶

指標可透過回傳 Arrow 表格的指標飛行描述符（metric flight descriptor）加以定址。 [inferred: per REQ-1319: "Arrow Flight: metric flight descriptors returning Arrow tables"; provisa/api/flight/catalog.py not read in this session]

透過標準 Flight SQL 票證路徑，使用相同的 metrics.<name> SQL 形式。

Bolt / Cypher（Neo4j Browser）¶

使用 provisa.metric() 程序調用指標：

CALL provisa.metric('net_revenue', ['region']) YIELD region, value

[inferred: per REQ-1319: "Bolt/Cypher: a provisa.metric() procedure"; the procedure signature is inferred from the REQ text and not verified against provisa/bolt/session.py in this session]

事實表及維度表於聯邦圖中帶有 :Fact 及 :Dimension 節點標籤，因此 Bloom 可自動呈現星形結構。 [inferred: per REQ-1319 and REQ-1320: "federated graph labels nodes :Fact/:Dimension so Bloom renders the star"; provisa/cypher/label_map.py not read in this session]

自然語言查詢¶

自然語言結構描述比對器會將自然語言問題中的指標詞彙，直接解析為指標及維度，然後生成語意 SQL。[tool-verified: resolve_metric, provisa/nl/schema_matcher.py is exercised in test_nl_metrics.py lines 76–78: sql = matcher.resolve_metric("What is the total revenue by region?") → "SELECT region, value FROM metrics.total_revenue GROUP BY region"]

事實表於自然語言提示中標記為 [fact]；維度表則標記為 [dimension]。比對器於解析問題時，會偏向以事實表至維度表的聯結路徑。 [tool-verified: test_format_entities_tags_star_roles, tests/unit/test_nl_metrics.py lines 129–132: assert "table: orders [fact] fields: amount" in block]

串流¶

將 view_metrics 與 materialize 及 Kafka 接收端結合，即可利用現有的具體化機制，產生變更即推送（push-on-change）的指標輸出。毋須任何新管線。 [inferred: per REQ-1319: "Streaming: view_metrics + materialize + Kafka sink yields push-on-change metrics from existing machinery"; implementation not verified beyond the requirement text]

可觀測性（OTel）¶

指標評估會被追蹤，並可匯出為 OpenTelemetry 指標。 [inferred: per REQ-1319: "Observability: metric evaluations traced and exportable as OTel metrics"; OTel integration code not read in this session]

整合¶