אינטגרציות¶

בחירת נתיב חיבור¶

סוג לקוח	נתיב מומלץ	למה
כלי BI (Tableau, Power BI, Looker)	JDBC	סטרימינג עמודתי Arrow Flight על גבי החוט; לכלי BI יש אשף JDBC מובנה והם נהנים מאספקה עמודתית בעלת תפוקה גבוהה עבור סטים גדולים של תוצאות
psql, DBeaver, כל כלי תואם-PG	pgwire (דרייבר PG ילידי)	ברירת מחדל חסרת-חיכוך — אין צורך בדרייבר מותאם אישית; השתמשו במה שיש לכם כבר
מחסנית נתונים Python (pandas, pyarrow)	`provisa-client` או ADBC גולמי	batches‏ Arrow בסטרימינג; ללא overhead של סריאליזציית שורות
Spark, DuckDB, צינורות בעלי-תפוקה-גבוהה	Arrow Flight (ADBC)	סטרימינג עמודתי בלתי-מוגבל ישירות לזיכרון Arrow
שירות-לשירות (חוזים מוקלדים)	Protobuf gRPC	proto מיוצר לכל תפקיד; שורות בסטרימינג; בטיחות טיפוסים
אפליקציות web, סקריפטים	HTTP (`/data/graphql`, `/data/sql`)	ללא דרייבר; HTTP סטנדרטי; בחירה מלאה של שפת שאילתה
לקוחות REST (תקן JSON:API)	`GET /data/jsonapi/{table}`	מעטפת JSON:API v1.0; קבוצות שדות דלילות, pagination, פילטור דרך פרמטרי שאילתה; ללא דרייבר

pgwire — דרייבר PostgreSQL ילידי¶

Provisa מממשת את פרוטוקול החוט של PostgreSQL (גרסת פרוטוקול 3.0). כל לקוח הדובר PostgreSQL מתחבר ללא דרייבר מותאם אישית.

הפעילו על ידי הגדרת PROVISA_PGWIRE_PORT (לדוגמה 5433) לפני הפעלת Provisa. מבוטל כאשר לא מוגדר או 0.

למה pgwire במקום JDBC?¶

דרייבר ה-JDBC משתמש ב-Arrow Flight כתעבורה שלו ודורש פריסת provisa-jdbc.jar. pgwire אינו דורש דבר — אם כבר יש לכם psql, DBeaver, SQLAlchemy, או דרייבר PG JDBC, סיימתם. זהו הנתיב בעל-החיכוך-הנמוך יותר עבור עומסי עבודה מבוססי-SQL בלבד.

JDBC הוא הבחירה הנכונה עבור כלי BI שיש להם אשף חיבור JDBC מובנה ונהנים מהסטרימינג העמודתי של Arrow Flight עבור סטי תוצאות גדולים. pgwire מקבל SQL חופשי מול הסכמה המפורסמת המלאה — אותן שאילתות, עלות הקמה נמוכה יותר.

psql¶

psql -h localhost -p 5433 -U alice

DBeaver¶

חיבור חדש ← PostgreSQL
Host: localhost, Port: 5433
שם משתמש / סיסמה כפי שהוגדרו ב-Provisa
אין צורך בהורדת דרייבר נוסף

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)

או עם asyncpg:

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

אימות¶

pgwire משתמשת באימות סיסמה בטקסט-גלוי המגושר לספק האימות המוגדר של Provisa (none או simple). במצב אמון (none), שם המשתמש ממופה ישירות לתפקיד — הסיסמה מתעלמת. MD5 אינו נתמך; הפעילו TLS (PROVISA_PGWIRE_CERT / PROVISA_PGWIRE_KEY) בעת הרצה על רשת לא-מהימנה.

מגבלות¶

SQL בלבד. GraphQL ו-Cypher אינם מתקבלים דרך pgwire.
לא read-only. COPY ... FROM STDIN מכניס שורות למקורות postgresql, mysql, sqlite, ו-mariadb, ו-DDL נתמך (ראו למטה).
DDL (CREATE, ALTER, DROP) נתמך ומנותב לנתיב Trino או הישיר; הטבלה החדשה נרשמת להקשר הקומפילציה וניתנת לשאילתה מיידית. COPY ... TO STDOUT (ייצוא) ו-COPY ... FROM STDIN (ייבוא) נתמכים בפורמטים text ו-csv.
שאילתות information_schema ו-pg_catalog מיורטות ונענות משכבת קטלוג DuckDB — כלי גילוי סכמה עובדים כראוי.

דרייבר JDBC¶

דרייבר ה-JDBC של Provisa משתמש ב-Arrow Flight כתעבורה הבסיסית שלו. זהו הנתיב המומלץ עבור כלי BI עם אשף חיבור JDBC.

חיבור¶

הורידו את provisa-jdbc.jar (תמיד ה-release העדכני ביותר) והוסיפו אותו לנתיב הדרייברים של הכלי שלכם.

URL של JDBC:

jdbc:provisa://<host>:8815

האימות משתמש במאפייני JDBC סטנדרטיים user / password. Provisa מאמתת את האישורים מול ספק האימות המוגדר ומקצה את התפקיד — הלקוח אינו בוחר תפקיד משלו.

הגדרת כלי BI¶

Tableau

Manage ← Drivers ← Install Provisa JDBC
Connect ← Other Databases (JDBC)
URL: jdbc:provisa://localhost:8815
הזינו שם משתמש וסיסמה כשמתבקש

DBeaver (נתיב JDBC — עבור נתיב pgwire ראו למעלה)

Database ← New Connection ← JDBC
Driver: הוסיפו provisa-jdbc.jar
URL: jdbc:provisa://localhost:8815
הזינו שם משתמש וסיסמה בלשונית Authentication

Power BI — השתמשו ב-ODBC gateway עם ה-bridge JDBC-ODBC של Provisa (כלול במתקין).

לקוחות Arrow Flight¶

Arrow Flight (פורט 8815) הוא הנתיב המומלץ עבור כלי נתונים התומכים בו. תוצאות עוברות בסטרימינג כ-RecordBatches של Arrow ללא מימוש בזיכרון Provisa.

Python (`provisa-client`)¶

הנתיב המומלץ עבור Python — עוטף גם GraphQL וגם 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 } }")

ראו docs/python-client.md לרפרנס המלא כולל DB-API 2.0, דיאלקט SQLAlchemy, ו-ADBC.

Python (PyArrow גולמי)¶

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()

הכרטיס אינו נושא תפקיד. השרת מקצה את התפקיד מספק האימות המוגדר. במקומות שבהם בחירת תפקיד מותרת, העבירו אותה במטא-דאטה של קריאת ה-gRPC תחת המפתח x-provisa-role (לדוגמה flight.FlightCallOptions(headers=[(b"x-provisa-role", b"analyst")])), לא ב-JSON של הכרטיס.

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 (פורט 50051)¶

נתיב שירות-לשירות. Provisa מייצרת .proto לכל תפקיד בעת ההפעלה — כל תפקיד רואה רק את הטבלאות והעמודות שיש לו גישה אליהן.

הורידו את ה-proto עבור התפקיד שלכם:

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

השתמשו ב-grpc_server_reflection כדי לגלות את הסכמה באופן פרוגרמטי.

התפקיד מועבר דרך מפתח המטא-דאטה x-provisa-role בכל RPC. שאילתות סטרימינג פולטות הודעה אחת לכל שורה; מוטציות הן unary.

הפעלת פקודות על פני פרוטוקולים¶

פקודה (command) היא פונקציה במעקב או webhook רשומים — callable רשום בשכבה הסמנטית של Provisa עם kind (‏query או mutation) ו-impl_kind המתאר כיצד היא רצה. כל משטח מנתב הפעלות דרך מבצע ממושל יחיד (invoke_tracked_function) האוכף writable_by וממשל באופן אחיד (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`	מה רץ	שדות קישור
`source_procedure`	פרוצדורה מאוחסנת על מקור רשום (ברירת מחדל)	`sourceId`, `schemaName`, `functionName`
`script`	סקריפט צד-שרת	`script`
`http`	קריאת HTTP יוצאת	`url`, `method`
`grpc`	קריאת gRPC יוצאת לשרת חיצוני	`target`, `method`
`python`	callable של Python המתארח על ידי Provisa (REQ-885)	`callable` (לדוגמה `demo.py_functions:random_dataset`)

כאשר פקודה מכריזה על return_schema (סכמת JSON עם type: array, items: object), היא מחזירת-סט — כל משטח מקרין אותה כסט שורות מוקלד. פקודות ההדגמה random_python_set (‏impl_kind = python) ו-random_grpc_set (‏impl_kind = grpc) ממחישות הן callable מתארח והן bridge‏ gRPC חיצוני המחזירים שורות בעלות ערכים אקראיים; שתיהן רשומות ב-config/provisa-install.yaml. [tool-verified: config/provisa-install.yaml:809-856]

מטריצת פרוטוקולים¶

משטח	תחביר	דוגמה
GraphQL	`kind=query` ← שדה Query; `kind=mutation` ← שדה Mutation; מקודם-דומיין כאשר `domain_prefix: true`	`{ ps__random_python_set(rows: 5, seed: 42) { id region amount } }`
pgwire / Arrow Flight / MCP `run_sql`	`SELECT * FROM fn(args)` או `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 / דרייבר)	`CALL fn(args)` — ארגומנטים פוזיציוניים ממופים לשמות ארגומנט מוצהרים	`CALL random_python_set(3, 7)`
Provisa gRPC (פורט 50051)	Unary‏ `CallCommand(CommandRequest{name, args_json})` ← `CommandResponse{rows_json}`	`grpcurl -d '{"name":"random_python_set","args_json":"{\"rows\":5}"}' ... ProvisaService/CallCommand`

השדה kind שולט במיקום ב-GraphQL בלבד — משטחי SQL, Cypher, Bolt, ו-gRPC מקבלים פקודות query ו-mutation באופן זהה.

Apollo Federation¶

Provisa יכולה לפעול כ-subgraph‏ Federation v2, וחושפת את הסכמה המפורסמת שלה ל-Apollo Router או Apollo Gateway.

הגדרה¶

הפעילו federation ב-config.yaml:

federation:
  enabled: true
  subgraph_name: provisa-data

Provisa מייצרת דירקטיבות @key על עמודות מפתח-ראשי ו-@external/@provides על קשרים חוצי-subgraph באופן אוטומטי.

רישום עם Apollo Router¶

ב-supergraph.yaml שלכם:

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

הריצו rover supergraph compose --config supergraph.yaml כדי לייצר את סכמת ה-supergraph.

ישויות (Entities)¶

Provisa עונה לשאילתות _entities עבור joins חוצי-subgraph. כל טבלה עם מפתח ראשי ניתנת לפתרון אוטומטית כישות Federation.

ייבוא Hasura v2 / DDN¶

ראו docs/import.md עבור הגירה מ-Hasura ל-Provisa.

Kafka¶

ראו docs/sources.md עבור תצורת טופיק Kafka כטבלאות read-only ו-sinks לתוצאות שאילתה.

חילופין סמנטיים של Apache Ossie (REQ-1316)¶

Provisa מחליפה מודלים סמנטיים עם Apache Ossie (מפרט 0.2.0.dev0, incubating; לשעבר Open Semantic Interchange) דרך מתאם גבול. אוצר המילים הפנימי של Provisa לעולם אינו משנה שם לזה של Ossie — המפרט מכריז על שינויים שוברים כסבירים, כך שהצימוד מוגבל למתאם. [tool-verified: provisa/ossie/convert.py docstring lines 7–16; OSSIE_VERSION = "0.2.0.dev0", provisa/ossie/convert.py line 29]

ייצוא¶

משטח הייצוא הקנוני הוא נקודת קצה HTTP חיה. היא גוזרת את מסמך Ossie ממצב חי בכל בקשה — ללא מטמון, ללא שלב ייצור.

GET /admin/ossie

התגובה היא מסמך YAML עם 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"]

עמוד Metrics מציע גם כפתור Download ו-URL נקודת קצה הניתן להעתקה בפאנל Ossie Interchange, שניהם מפנים לאותה נקודת קצה. [tool-verified: OssieInterchangePanel.tsx lines 64–79: endpointUrl = window.location.origin + OSSIE_ENDPOINT_PATH]

מה מיוצא¶

המתאם ממפה אובייקטי Provisa לאובייקטי Ossie כדלקמן:

אובייקט Provisa	אובייקט Ossie	הערות
`Table`	`dataset`	`source` = `catalog.schema.table`; מפתחות ראשיים/ייחודיים מתצורת עמודה ומ-`UniqueConstraint`
`Column`	`field`	`expression` = הפניית עמודה (דיאלקט ANSI_SQL); עמודות זמן מקבלות `dimension.is_time: true`
`Relationship`	`relationship`	כינוי (alias) נעשה בו שימוש כשם כאשר מוגדר; קשרים מחושבים (יעד-פונקציה) מדולגים
`Metric`	`metric`	`name`, `expression` (ANSI_SQL), `datatype`, `description`, `ai_context` — ללא-אובדן בעיצוב
`modeling_role` / `modeling_history`	`custom_extensions[].vendor_name="provisa"`	round-trip בלבד; כלים אחרים עשויים להתעלם

[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"]

ממשל, RLS, ליניאז', וסמנטיקת גרף אינם מיוצאים. הם עשויים לנוע בחריץ custom_extensions האופציונלי של provisa עבור נאמנות round-trip, אך החילופין לעולם אינם תלויים בכך שכלים אחרים יקראו אותו. [tool-verified: provisa/ossie/convert.py docstring lines 13–15]

טיפוסי עמודה לא-מוכרים של Provisa עוברים כלשונם; המתאם לעולם אינו ממפה בשקט לטיפוס שגוי. [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"]

מיפוי טיפוסים¶

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

טיפוס Provisa / מקור	`datatype` של Ossie
`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`
כל דבר אחר	עובר כלשונו

ייבוא¶

הייבוא מקבל מסמך Ossie (YAML או JSON) ומחזיר הצעות רישום. שום דבר אינו נרשם אוטומטית — הגדרות מיובאות לעולם אינן עוקפות את שלב הסקירה.

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

<ossie document>

השרת מפענח את המסמך עם parse_ossie_model, המאמת מבנה ומחזיר מחלקת נתונים OssieImport המכילה טבלאות, קשרים, ומטריקות מוצעים כ-dicts רגילים. כל בעיה מבנית היא 400 עם שגיאה בעלת-שם-נתיב, לדוגמה 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"]

מסך הסקירה¶

בממשק המשתמש, כפתור Import (עמוד Metrics ← פאנל Ossie Interchange) פותח בורר קבצים. לאחר שהמסמך נשלח ומפוענח, נפתח modal סקירה עם כל טבלה, קשר, ומטריקה מוצעים רשומים כפריט מסומן. המודלר יכול לבטל סימון של כל דבר כדי להחריג אותו. לחיצה על Apply רושמת את הפריטים המסומנים דרך מוטציות הרישום הקיימות — טבלאות תחילה, ואז קשרים (המפנים לטבלאות), ואז מטריקות. [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)"]

תפקיד המידול (modeling role) והיסטוריית המידול המאוחסנים במסמך Ossie מיוצא-Provisa עוברים round-trip נכון דרך הייבוא. [tool-verified: _parse_dataset custom_extensions handling, provisa/ossie/convert.py lines 287–300: "REQ-1320: round-trip the provisa modeling metadata slot"]

מטריקות על פני פרוטוקולים (REQ-1319)¶

ההגדרה של מטריקה ממושלת — הביטוי, התיאור, וה-ai_context שלה — נעה עם הערך לכל משטח שאילתה דרך הרחבת קומפיילר יחידה. אין עותקים. הקומפיילר שומר את הסכמה metrics עבור גישת SQL; כל פרוטוקול אז מוסיף ערוץ מטא-דאטה משלו.

[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¶

פנו לכל מטריקה כרלציה וירטואלית בסכמת metrics. עמודות הממד שאתם בוחרים הופכות ל-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;

הקומפיילר מרחיב את הצורה metrics.<name> לצירוף המקובץ האמיתי לפני שהממשל רץ. תיאורי עמודות נחשפים כרשומות pg_description, כך ש-DBeaver ו-\d+ של psql מציגים אותם. [tool-verified: metric_semantic_sql, provisa/compiler/metric_expand.py lines 52–70; REQ-1319: "description surfaced via pg_description"]

SELECT * נדחה — יש לציין את העמודות במפורש. [tool-verified: expand_metric_query, provisa/compiler/metric_expand.py lines 302–306]

GraphQL¶

מטריקות מוקרנות בתוך שדה השורש _aggregate כבלוק metrics. [inferred: per REQ-1319; aggregate_gen.py not read in this session]

טקסט ההגדרה (description, ai_context) מופיע במסמכי ה-introspection של GraphQL, כך ש כלים מודעי-סכמה וכלי codegen קולטים אותו אוטומטית. [inferred: per REQ-1319: "definition in introspection docs"]

MCP (סוכני AI)¶

שני כלים חושפים מטריקות ללקוחות MCP:

list_metrics — מחזיר את כל המטריקות הממושלות הנראות ל-session, עם name, description, ו-ai_context.
query_metric — מקבל שם מטריקה ורשימת ממדים וקורא לנתיב ה-semantic-SQL של הקומפיילר, ומחזיר את תוצאת הצירוף.

[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]

סוכנים הקוראים ל-list_metrics לפני בניית שאילתה בוחרים מטריקה ממושלת לפי שם במקום לכתוב SQL צירוף ידנית. השדה ai_context הוא המקום להציב את טקסט ההגדרה המנחה בחירה נכונה.

Arrow Flight¶

מטריקות ניתנות-לכתובת כ-descriptors‏ flight של מטריקה המחזירים טבלאות Arrow. [inferred: per REQ-1319: "Arrow Flight: metric flight descriptors returning Arrow tables"; provisa/api/flight/catalog.py not read in this session]

השתמשו באותה צורת SQL‏ metrics.<name> דרך נתיב הכרטיס הסטנדרטי של Flight SQL.

Bolt / Cypher (Neo4j Browser)¶

קראו למטריקה באמצעות הפרוצדורה provisa.metric():

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]

טבלאות Fact ו-Dimension נושאות תוויות node‏ :Fact ו-:Dimension בגרף הפדרטיבי, כך ש Bloom מרנדר את צורת הכוכב באופן אוטומטי. [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]

שאילתות בשפה טבעית¶

מתאם הסכמה של NL פותר אוצר מילים של מטריקות בשאלות בשפה-טבעית ישירות למטריקה בתוספת ממדים, ואז מייצר SQL סמנטי. [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"]

טבלאות Fact מתויגות [fact] בפרומפט ה-NL; טבלאות dimension מתויגות [dimension]. המתאם מטה נתיבי join מ-fact לעבר dimension בעת פתרון שאלות. [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]

Streaming¶

שילוב view_metrics עם materialize ו-sink‏ Kafka מייצר פלט מטריקה push-on-change באמצעות מכונת המימוש הקיימת. אין צורך בצינור חדש. [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]

Observability (OTel)¶

הערכות מטריקה מתועדות (traced) וניתנות לייצוא כמטריקות OpenTelemetry. [inferred: per REQ-1319: "Observability: metric evaluations traced and exportable as OTel metrics"; OTel integration code not read in this session]