Python 用戶端（`provisa-client`）¶

Provisa 的 Python 用戶端。提供四種介面：

介面	使用場景
`ProvisaClient`	GraphQL 查詢、Arrow Flight、DataFrame 輸出
DB-API 2.0（`connect`）	標準 Python 資料庫介面（PEP 249）
SQLAlchemy 方言	BI 工具、ORM、Pandas `read_sql`
ADBC	經 Flight 的 Arrow 原生欄式串流

安裝¶

pip install provisa-client                      # core (ProvisaClient + DB-API)
pip install "provisa-client[pandas]"            # adds pandas
pip install "provisa-client[sqlalchemy]"        # adds SQLAlchemy dialect
pip install "provisa-client[adbc]"              # adds ADBC over Arrow Flight

ProvisaClient¶

快速上手¶

from provisa_client import ProvisaClient

client = ProvisaClient(
    "http://localhost:8001",
    token="provisa_pat_...",   # personal access token, or a provider bearer token
    role="analyst",
)

ProvisaClient 接收的是憑證。它沒有自己的登入步驟，所以從不索取使用者名稱及密碼。指令碼需要無人值守執行時，請使用個人存取權杖：你在自己的個人資料中簽發它，它有有效期，並且可以在不改動帳戶的情況下撤銷。提供者的 bearer 權杖用法相同。兩者都放在 token 中，用戶端會在 HTTP 及 Arrow Flight 兩條路徑上出示它。

若要用密碼換取權杖，向 /auth/login 發送 POST 並讀取 access_token：

import httpx

body = httpx.post(
    "http://localhost:8001/auth/login",
    json={"username": "alice", "password": "secret"},
).json()
client = ProvisaClient("http://localhost:8001", token=body["access_token"])

DB-API 及 ADBC 入口會替你完成這次交換，詳見下文。

GraphQL 查詢¶

# Raw response dict
result = client.query("{ orders { id amount region } }")

# With variables
result = client.query(
    "query Q($region: String!) { orders(region: $region) { id amount } }",
    variables={"region": "west"},
)

# pandas DataFrame (first root field is flattened)
df = client.query_df("{ orders { id amount region } }")

非同步¶

result = await client.aquery("{ orders { id amount } }")

Arrow Flight（高吞吐量欄式）¶

大型結果集請使用 Flight。資料以 Arrow 記錄批次的形式串流傳輸，從不在伺服器上具體化。

import pyarrow as pa

table: pa.Table = client.flight("{ orders { id amount region } }")
df = client.flight_df("{ orders { id amount region } }")

Flight 預設連往連接埠 8815。可以 flight_port= 覆寫：

client = ProvisaClient("http://prod.example.com", flight_port=8815)

目錄探索¶

tables_df = client.list_tables()

連線參考¶

參數	預設值	描述
`url`	`http://localhost:8001`	Provisa 伺服器基礎 URL
`token`	`None`	Bearer 憑證——提供者權杖或個人存取權杖；若採密碼驗證則留空
`role`	`None`	要代為執行的角色，以 `X-Provisa-Role` 傳送，只有在該角色已指派給使用者時才會生效；省略時，請求以身份本身的角色執行
`flight_port`	`8815`	Arrow Flight gRPC 連接埠

錯誤處理¶

query() 於 HTTP 錯誤時擲出 httpx.HTTPStatusError。 query_df() 於回應含有 GraphQL 錯誤時擲出 RuntimeError。

在 Jupyter 中使用 Provisa¶

在匯入之前，先安裝到正在執行的核心中。pandas 擴充提供 DataFrame 輸出；如果還需要透過方言使用 pandas.read_sql，請加上 sqlalchemy。

%pip install "provisa-client[pandas]"

憑證¶

筆記本會把儲存格輸出儲存到 .ipynb 檔案中。在儲存格裡輸入的權杖會和你的程式碼一起寫入磁碟。不要這樣做。

ProvisaClient 不讀取環境：請明確傳入憑證，取自環境變數。（下文的 provisa_client.query() 會替你讀取。）

import os
from provisa_client import ProvisaClient

client = ProvisaClient(
    os.environ["PROVISA_URL"],           # choose your own variable name
    token=os.environ["PROVISA_TOKEN"],   # personal access token
    role=os.environ.get("PROVISA_ROLE"), # optional; omit to run as your own role
    org=os.environ.get("PROVISA_ORG"),   # required on a multi-tenant deployment; None otherwise
)

在啟動 Jupyter 之前在 shell 中設定這些變數，或用 python-dotenv 載入 .env 檔案。無論哪種方式，都不要讓它們出現在筆記本中。

一次呼叫：`query()`¶

provisa_client.query() 接受一條 SQL、GraphQL 或 Cypher 陳述式，傳回一個 pandas DataFrame。由伺服器判斷是哪種語言。無需事先建構任何物件：連線來自環境或設定檔。

import provisa_client

df = provisa_client.query("SELECT region, amount FROM shop.orders")
admin_view = provisa_client.query("SELECT region, amount FROM shop.orders", role="org_admin")

role= 以該角色執行一次讀取，作為 X-Provisa-Role 傳送。伺服器只對你持有的角色生效。讀取經由 Arrow Flight；將 transport 設為 http 可改為傳送到 /data/query。await provisa_client.aquery(...) 是可等待的形式。

每項設定從第一個指定它的位置讀取：

provisa_client.sign_in(...) 的關鍵字引數，它為之後的所有讀取一次性解析連線；
環境變數：PROVISA_URL、PROVISA_TOKEN、PROVISA_USERNAME、PROVISA_PASSWORD、PROVISA_ROLE、PROVISA_ORG、PROVISA_FLIGHT_PORT、PROVISA_TRANSPORT；
~/.provisa/credentials 中的一個區段：[default]，或 PROVISA_PROFILE（或 sign_in(profile=...)）指定的那一段。

[default]
url = https://provisa.example.com
token = provisa_pat_...
role = analyst

[staging]
url = https://staging.provisa.example.com
username = ana

token 是個人存取權杖或工作階段權杖。如果改為提供 username 及 password，用戶端會在 POST /auth/login 把它們換成工作階段權杖。這適用於登入提供者接受密碼的部署（basic、simple、LDAP）。把密碼放在 PROVISA_PASSWORD 中，不要寫進檔案。登入被拒、缺少 URL，或指定的設定檔不在檔案中，都會報錯並說明原因。Provisa 沒有可由筆記本透過瀏覽器驅動的登入流程，所以單一登入的部署請使用個人存取權杖。

儲存格魔法指令¶

%pip install "provisa-client[notebook]"
%load_ext provisa_client.magics

%%sql eu --role analyst_eu
SELECT region, customer_email FROM shop.orders

%%sql、%%graphql 和 %%cypher 用 query() 回答儲存格。DataFrame 就是儲存格的結果。魔法指令後的名稱還會在筆記本中繫結該結果（上例中的 eu）；--role 以該角色執行這個儲存格。

JupySQL（%load_ext sql）也定義了 %%sql。兩者都載入時，%%sql 歸最後載入的擴充所有。Provisa 的版本接受 --role，並透過 Arrow Flight 讀取。JupySQL 也可以使用，透過 SQLAlchemy 方言：%sql provisa+http://user:password@host:port 建立連線，%sql/%%sql 執行受治理的陳述式，%sqlcmd tables -s <domain> 和 %sqlcmd columns -t <table> -s <domain> 列出目錄。

在瀏覽器中（Pyodide）¶

在 Pyodide 下，query() 以頁面已登入使用者的身分，從提供該頁面的伺服器讀取。主機頁面把該使用者保存在核心的全域範圍中：

self.provisaAuth = { baseUrl: "", role: "analyst_eu", bearer: "<token>", org: null };

對於頁面自身的來源，baseUrl 為空。用戶端每次請求都會讀取 provisaAuth，因此輪換後的權杖無需重新啟動即可生效。載入了 pyarrow 時結果以 Arrow 傳回；否則以 JSON 傳回。Cypher 陳述式總是以 JSON 傳回。query() 是阻塞呼叫，Web Worker（筆記本核心執行的地方）可以這樣做；在頁面主執行緒上它會拋出錯誤，應改用 await provisa_client.aquery(...)。

從 GraphQL、SQL 和 Cypher 取得 DataFrame¶

query_df() 接受這三種查詢語言，並傳回 pandas DataFrame。

# GraphQL — first root field is extracted automatically
df = client.query_df("{ orders { id amount region } }")

# SQL
df = client.query_df("SELECT id, amount, region FROM orders WHERE region = 'west'")

# Cypher
df = client.query_df("MATCH (o:Order) RETURN o.id, o.amount, o.region")

GraphQL 回應把資料放在一個根欄位名稱下；query_df() 會將其提取出來。SQL 和 Cypher 回應帶有伺服器給出的明確欄位名稱，直接對應。

大量讀取用 Arrow Flight¶

flight_df() 以 Arrow 記錄批次串流傳輸資料，而不是反序列化 JSON。對於寬表或超過幾十萬列的結果集，它更快，佔用的記憶體更少。

df = client.flight_df("SELECT * FROM events")

Arrow 會保留欄類型。整數仍是整數，時間戳記仍是時間戳記，而 JSON 做不到這一點。在意結構描述時，單憑這一點就該優先選擇 Flight。

Flight 預設連線 8815 連接埠。如果伺服器使用其他連接埠，請向 ProvisaClient 建構函式傳入 flight_port=。

透過 SQLAlchemy 方言使用 `pandas.read_sql`¶

把 sqlalchemy 擴充安裝到核心中：

%pip install "provisa-client[sqlalchemy]"

然後用 provisa+http:// URL 建構一個 engine。從環境變數讀取憑證，這樣它們永遠不會出現在你的筆記本裏。

import os
import pandas as pd
from sqlalchemy import create_engine

host = os.environ["PROVISA_HOST"]       # e.g. "localhost:8001"
user = os.environ["PROVISA_USER"]
pwd  = os.environ["PROVISA_PASSWORD"]

engine = create_engine(f"provisa+http://{user}:{pwd}@{host}")

df = pd.read_sql("SELECT id, amount FROM orders", engine)

該方言只把使用者名稱及密碼向 /auth/login 傳送一次，並在 engine 的整個生命週期內持有得到的權杖。憑證不會隨每次查詢重複傳送。

DB-API 2.0¶

標準 PEP 249 介面。適用於任何接受 DB-API 連線的工具。

from provisa_client import connect

conn = connect(
    "http://localhost:8001",
    username="alice",
    password="secret",
    role="analyst",     # optional; omit to run as the role the login returns
)

connect 把使用者名稱及密碼傳送到 /auth/login，並持有傳回的 access_token，所以連線攜帶的是真正的憑證。role 用於請求某個角色，只有當身分被指派了該角色時伺服器才會採納。省略時，連線以登入解析出的角色執行。

執行查詢¶

游標接受 GraphQL 或 SQL，並自動識別收到的是哪一種。

cur = conn.cursor()

# GraphQL
cur.execute("{ orders { id amount region } }")
rows = cur.fetchall()           # list of tuples
one  = cur.fetchone()           # single tuple or None
many = cur.fetchmany(size=50)   # up to N tuples

# SQL (routed through Stage 2 governance)
cur.execute("SELECT id, amount FROM orders WHERE region = 'west'")
rows = cur.fetchall()

欄位中繼資料¶

cur.execute("{ orders { id amount } }")
print(cur.description)
# [('id', None, ...), ('amount', None, ...)]
print(cur.rowcount)

具名參數¶

cur.execute(
    "SELECT * FROM orders WHERE region = :region",
    {"region": "west"},
)

Context Manager¶

with connect("http://localhost:8001", username="alice", password="secret") as conn:
    with conn.cursor() as cur:
        cur.execute("{ orders { id amount } }")
        print(cur.fetchall())

SQLAlchemy 方言¶

pip install "provisa-client[sqlalchemy]"

URL 結構描述：provisa+http:// 或 provisa+https://

from sqlalchemy import create_engine, text

engine = create_engine("provisa+http://alice:secret@localhost:8001")

with engine.connect() as conn:
    result = conn.execute(text("{ orders { id amount region } }"))
    for row in result:
        print(row)

搭配 pandas¶

import pandas as pd

df = pd.read_sql("{ orders { id amount } }", engine)

URL 參數¶

參數	描述	預設值
`role`	要請求的角色；由伺服器端驗證	登入所解析出的角色

engine = create_engine(
    "provisa+http://alice:secret@localhost:8001?role=analyst"
)

結構描述內省¶

方言反映提供給你的角色的目錄，以連線的使用者、角色和組織身分從 GET /data/catalog 讀取。每個網域是一個結構描述，每張資料表都位於其中之一：get_schema_names() 列出各個網域，get_table_names(schema="shop") 按 SQL 名稱列出該網域的資料表，get_columns("orders", schema="shop") 給出每個欄位的類型、可空性和描述。未指定結構描述時，get_table_names() 不列出任何資料表。未知的資料表會拋出 NoSuchTableError；伺服器拒絕的目錄會拋出錯誤。

ADBC¶

基於 Arrow Flight 的 Arrow Database Connectivity。它直接傳回 pyarrow.Table，無須 JSON 反序列化。

pip install "provisa-client[adbc]"

from provisa_client.adbc import adbc_connect

conn = adbc_connect(
    "http://localhost:8001",
    user="alice",
    password="secret",
    role="analyst",   # optional; server validates the requested role
    port=8815,        # Arrow Flight port
)

adbc_connect 先透過 HTTP 登入，並把得到的權杖放進每張 Flight 票據，所以 Flight 伺服器認證連線的方式與 REST 介面相同。role 參數是一個請求，伺服器會依據身分的指派對其驗證。它永遠不會變成身分本身。

擷取為 Arrow Table¶

with conn.cursor() as cur:
    cur.execute("{ orders { id amount region } }")
    table = cur.fetch_arrow_table()   # pyarrow.Table
    df = table.to_pandas()

擷取為 tuple¶

with conn.cursor() as cur:
    cur.execute("{ orders { id amount } }")
    rows = cur.fetchall()    # list of tuples
    one  = cur.fetchone()    # single tuple or None

欄位中繼資料¶

cur.execute("{ orders { id amount } }")
print(cur.description)
# [('id', None, ...), ('amount', None, ...)]

Context Manager¶

with adbc_connect("http://localhost:8001", user="alice", password="secret") as conn:
    with conn.cursor() as cur:
        cur.execute("{ orders { id amount } }")
        table = cur.fetch_arrow_table()

ADBC 預設連往連接埠 8815 上的 Flight 伺服器。傳入 port= 可連往綁定於非預設連接埠的 Flight 伺服器。

Python 用戶端（provisa-client）¶

安裝¶

ProvisaClient¶

快速上手¶

GraphQL 查詢¶

非同步¶

Arrow Flight（高吞吐量欄式）¶

目錄探索¶

連線參考¶

錯誤處理¶

在 Jupyter 中使用 Provisa¶

憑證¶

一次呼叫：query()¶

儲存格魔法指令¶

在瀏覽器中（Pyodide）¶

從 GraphQL、SQL 和 Cypher 取得 DataFrame¶

大量讀取用 Arrow Flight¶

透過 SQLAlchemy 方言使用 pandas.read_sql¶

DB-API 2.0¶

執行查詢¶

欄位中繼資料¶

具名參數¶

Context Manager¶

SQLAlchemy 方言¶

搭配 pandas¶

URL 參數¶

結構描述內省¶

ADBC¶

擷取為 Arrow Table¶

擷取為 tuple¶

欄位中繼資料¶

Context Manager¶

Python 用戶端（`provisa-client`）¶

一次呼叫：`query()`¶

透過 SQLAlchemy 方言使用 `pandas.read_sql`¶