Daten­verbindungen

Wenige Klicks genügen, um Ihre Notebooks direkt im Editor mit Datenbanken zu verbinden. Sie können Ihre Daten in nativen SQL-Zellen abfragen, ohne Ihre Anmeldeinformationen mit der Umgebung zu teilen.

Datalore unterstützt die Benutzer-/Passwortauthentifizierung für Amazon Redshift, Azure SQL Database, MariaDB, MySQL, Oracle, PostgreSQL, Snowflake und weitere Datenbanksysteme. Bitte kontaktieren Sie uns unter datalore-support@jetbrains.com, wenn Sie spezielle Fragen zur Datenbankkonnektivität haben.

Wenn Sie eine Datenbankverbindung in Datalore erstellen, können Sie bestimmte Datenbankschemata und Tabellen für die Introspektion auswählen. Dadurch erhalten Sie schneller die ersten Introspektionsergebnisse, und auch die Schemanavigation wird vereinfacht.

Administratoren können jetzt benutzerdefinierte JDBC-Treiber hinzufügen, um Datenbanken zu verbinden, die Datalore On-Premises nicht nativ unterstützt. Go to <i>Admin panel</i> | <i>Miscellaneousand</i> use the <i>New custom database driver</i> dialog to select and upload driver files from your local system.

Verbindungen zu Remote-Datenbanken können in Datalore über SSH-Tunneling hergestellt werden. Dadurch wird eine verschlüsselte SSH-Verbindung zwischen Datalore und Ihrem Gateway-Server aufgebaut. Über SSH-Tunnel können Sie sich mit Datenbanken verbinden, die nicht in einem öffentlichen Netzwerk zugänglich sind.

Stellen Sie AWS-S3- und GCS-Buckets direkt im Notebook als Ordner bereit, ohne Ihre Anmeldeinformationen mit der Umgebung zu teilen.

Unabhängig von den Datenverbindungen, die über die Bedienoberfläche hergestellt werden können, lassen sich beliebige Buckets, Datenbanken oder Datenspeicher wie in Jupyter-Notebooks üblich per Code verbinden.

Mit nativen SQL-Zellen können Sie Ihre Datenbankverbindungen abfragen. Außer der SQL-Syntaxhervorhebung steht Ihnen auch eine Code-Completion basierend auf der Introspektion der Datenbanktabellen zur Verfügung. Das Abfrageergebnis wird automatisch in einen Pandas-DataFrame übertragen und kann in Python weiterbearbeitet werden.

Sie können SQL-Zellen verwenden, um 2D-DataFrames und CSV-Dateien aus angehängten Dokumenten genauso unkompliziert wie eine Datenbank abzufragen. Wählen Sie einfach einen DataFrame aus Ihrem Notebook aus und verwenden Sie ihn als Quelle für Ihre SQL-Zellen. Mit dieser Funktion können Sie per SQL die Daten verschiedener Quellen in einen einzigen DataFrame zusammenführen oder komplexe Abfragen in eine Abfolge von SQL-Zellen zerlegen.

In Datalore können Sie jetzt in Python-Code definierte Variablen (Zeichenfolgen, Zahlen, Boolesche Werte, Listen) in Ihren SQL-Zellen verwenden. Dadurch können Sie interaktive Berichte mit parametrisierten Abfragen erstellen, das Schreiben von SQL-Code minimieren und den Benutzer*innen der Berichte eine bessere Bedienoberfläche bieten.

Diese Funktion ermöglicht Ihnen das Arbeiten mit Datenbanken auch in isolierten Umgebungen. Sie können Ihren SQL-Code ohne Internetverbindung ausführen und dadurch sicherstellen, dass die zwischen Ihrem Notebook und der Datenbank ausgetauschten Informationen korrekt und konsistent sind und das Risiko von Datenkorruption oder -verlust minimiert wird.

Sie haben jetzt die Möglichkeit, Datenbankverbindungen über Workspaces hinweg zu klonen und sich dadurch viel Einrichtungsarbeit zu ersparen. Sparen Sie Zeit, indem Sie die Einstellungen einfach kopieren – Zugangsdaten bleiben davon ausgenommen. Sie können auch mehrere Workspaces gleichzeitig auswählen.

Sie können über die Dateisystem-Ansicht oder direkt über die Notebook-Oberfläche SMB/CIFS-Speicher zu Ihrem Workspace hinzufügen. Auf diese Weise können Sie die Inhalte in SMB-Ordnern nutzen und bearbeiten, ohne die Notebook-Umgebung zu verlassen.