數據來源類型¶

執行模型¶

每個查詢最終都經聯邦引擎執行，由它提供跨所有數據來源的聯邦能力。數據來源依其連通性分為三類。 [tool-verified: provisa/core/models.py lines 84–132] (REQ-550)

類別	有直接驅動程式	有聯邦連接器	例子
可直接執行	是	是	PostgreSQL、MySQL、MariaDB、SingleStore、SQL Server、Oracle、DuckDB
僅聯邦	否	是	Redshift、Druid、Exasol、Hive、Iceberg、Delta Lake、Hive（S3 支援）
直接讀取（副本）	是	是	Snowflake、Databricks、ClickHouse——驅動程式讀取數據並落地一份副本；查詢在啟用中的引擎裡針對該副本執行
具體化 → 聯邦	否	否	REST/OpenAPI、遠端 GraphQL、gRPC、Neo4j Cypher、SPARQL、WebSocket、RSS、CSV、SQLite、Parquet、Ingest（推送接收器）、GovData、SharePoint、Splunk

可直接執行的數據來源經其原生驅動程式執行單一來源查詢（低於 100 毫秒），繞過聯邦引擎（REQ-027、REQ-229）。它們保有完整的連接器支援，並在與其他數據來源聯結時參與聯邦（REQ-028）。

僅聯邦的數據來源一律經聯邦層查詢。沒有直接驅動程式存在（REQ-229）。

直接讀取（副本）的數據來源具備一個 DirectDriver，會原生地（在可行處以 Arrow 原生方式）自倉庫讀取，把一份副本落地到啟用中引擎的具體化儲存區，之後查詢便針對該副本執行。見作為具名數據來源的倉庫。

具體化的數據來源沒有聯邦連接器。Provisa 取得其數據（於啟動時或查詢時），並以 Parquet 快取於 S3 或 PostgreSQL 中，使聯邦引擎能就跨來源查詢觸及它（REQ-309）。

所有數據來源¶

Provisa 註冊了 53 種數據來源類型。下方表格涵蓋全部 53 種；索引即為計數。 [tool-verified: provisa/core/models.py SourceType]

#	群組	數據來源類型
1–13	RDBMS	`postgresql`, `mysql`, `mariadb`, `singlestore`, `sqlserver`, `oracle`, `duckdb`, `cockroachdb`, `yugabytedb`, `greenplum`, `tidb`, `firebird`, `airport`
14–20	雲端數據倉庫	`snowflake`, `bigquery`, `databricks`, `redshift`, `fabric`, `synapse`, `trino`
21–25	分析／OLAP	`clickhouse`, `druid`, `exasol`, `elasticsearch`, `pinot`
26–30	數據湖／開放表格式	`iceberg`, `delta_lake`, `hudi`, `hive`, `hive_s3`
31–33	NoSQL	`mongodb`, `cassandra`, `redis`
34–36	串流	`kafka`, `websocket`, `rss`
37	推送接收器	`ingest`
38–39	圖形與語意	`neo4j`, `sparql`
40–43	檔案式	`sqlite`, `csv`, `parquet`, `files`
44–45	可觀測性與其他	`google_sheets`, `prometheus`
46–47	企業 SaaS	`sharepoint`, `splunk`
48–50	API 數據來源	`openapi`, `graphql_remote`, `grpc_remote`
51	GovData	`govdata`
52–53	數據品質檢查器	`soda`, `great_expectations`

Provisa 支援的每一種數據來源類型的參照。「直接驅動程式」指單一來源查詢原生地針對該數據來源執行（低於 100 毫秒）（REQ-027）。「連接器名稱」是該數據來源參與多來源 JOIN 時所用的聯邦連接器（REQ-028）。 [tool-verified: provisa/core/source_registry.py SOURCE_TO_DIALECT; provisa/federation/trino_connectors.py trino_connector_name]

RDBMS¶

數據來源類型	直接驅動程式	連接器名稱	方言	變更操作
`postgresql`	asyncpg	postgresql	postgres	是
`mysql`	aiomysql	mysql	mysql	是
`mariadb`	aiomysql	mariadb	mysql	是
`singlestore`	—	singlestore	singlestore	聯邦
`sqlserver`	aioodbc	sqlserver	tsql	是
`oracle`	oracledb	oracle	oracle	是
`duckdb`	duckdb	memory	duckdb	是
`cockroachdb`	asyncpg（pg wire）	postgresql	postgres	是
`yugabytedb`	asyncpg（pg wire）	postgresql	postgres	是
`greenplum`	asyncpg（pg wire）	postgresql	postgres	是
`tidb`	aiomysql（mysql wire）	mysql	mysql	是
`firebird`	—	—（DuckDB 擴充）	—	否
`airport`	—	—（DuckDB 擴充）	—	否

wire 相容的資料庫重用基礎 wire 的 JDBC 驅動程式、原生非同步驅動程式與方言——CockroachDB、YugabyteDB 與 Greenplum 走 PostgreSQL wire；TiDB 走 MySQL wire。它們只需要登錄項目，毋須新的連接器程式碼。 [tool-verified: provisa/core/source_registry.py _PG_WIRE_TYPES, _MYSQL_WIRE_TYPES] (REQ-950)

firebird（Firebird 3/4/5）與 airport（Arrow Flight 伺服器）是已註冊的數據來源類型，當 DuckDB 為啟用中的引擎時，經 DuckDB 社群擴充就地觸及——沒有直接驅動程式，也沒有聯邦連接器。 [tool-verified: provisa/core/models.py lines 44, 93] (REQ-899)

雲端數據倉庫¶

[tool-verified: executor/drivers/snowflake.py, executor/drivers/databricks.py, executor/drivers/registry.py]

數據來源類型	直接驅動程式	連接器名稱	方言	變更操作	備註
`snowflake`	SnowflakeDriver	snowflake	snowflake	聯邦	經 snowflake-connector-python 讀取；落地副本；`federation_hints` 中的 `account`／`warehouse`／`role`（REQ-988）
`bigquery`	—	bigquery	bigquery	聯邦	無 DirectDriver；經聯邦引擎或 BigQuery 引擎 ATTACH 觸及
`databricks`	DatabricksDriver	delta_lake	databricks	聯邦	經 databricks-sql-connector 讀取（Cloud Fetch、Arrow）；落地副本；`federation_hints` 中必填 `http_path`（REQ-987）
`redshift`	—	redshift	redshift	聯邦	—
`fabric`	MssqlWarehouseDriver	—	tsql	聯邦	Microsoft Fabric Warehouse；T-SQL over TDS、Azure AD 驗證；落地副本（REQ-995）
`synapse`	MssqlWarehouseDriver	—	tsql	聯邦	Azure Synapse SQL；T-SQL over TDS、Azure AD 驗證；落地副本（REQ-995）
`trino`	SQLAlchemyDriver	—	—	聯邦	經 SQLAlchemy trino 方言讀取遠端 Trino/Presto 協調器；在任何引擎上落地副本（REQ-994）

分析／OLAP¶

[tool-verified: executor/drivers/clickhouse.py]

數據來源類型	直接驅動程式	連接器名稱	方言	變更操作	備註
`clickhouse`	ClickHouseDriver	clickhouse	clickhouse	聯邦	經 clickhouse-connect（HTTP）讀取；TLS 時在 `federation_hints` 中設 `secure: "true"`（REQ-986）
`druid`	—	druid	druid	否	—
`exasol`	—	exasol	exasol	否	—
`elasticsearch`	—	elasticsearch	—	否	連接器屬性來自該類型的映射 DSL [tool-verified: `trino_connectors.py:309`]
`pinot`	—	pinot	—	否	Trino `pinot` 連接器；`pinot.controller-urls` = Pinot 控制器的 host:port [tool-verified: `trino_connectors.py:199`]

數據湖／開放表格式¶

這些數據來源類型僅供聯邦使用——沒有直接驅動程式，沒有方言。 [tool-verified: LAKE_ONLY_SOURCES in provisa/core/source_registry.py] (REQ-229)

數據來源類型	連接器名稱	時間旅行	備註
`iceberg`	iceberg	是（`as_of` 引數，REQ-372）	—
`delta_lake`	delta_lake	是（`as_of` 引數，REQ-372）	—
`hive`	hive	否	—
`hudi`	—（ClickHouse `Hudi` 引擎，零複製——REQ-1178）	否	無聯邦連接器；當 ClickHouse 為啟用中的引擎時就地觸及
`hive_s3`	hive	否	S3 支援的 Hive

NoSQL¶

mongodb、cassandra 與 redis 有 Trino 連接器（redis 自該類型的映射 DSL 建構其屬性）。 [tool-verified: provisa/federation/trino_connectors.py; provisa/core/models.py] (REQ-017, REQ-1097)

數據來源類型	連接器名稱	變更操作
`mongodb`	mongodb	否
`cassandra`	cassandra	否
`redis`	redis	否

串流¶

數據來源類型	機制	變更操作
`kafka`	聯邦 Kafka 連接器；結構描述經 Confluent Schema Registry（Avro、Protobuf、JSON Schema）、手動定義或樣本推斷取得（REQ-147、REQ-150）	僅接收端（REQ-176）
`websocket`	外部 WebSocket 饋送——連線、訂閱、接收事件；結果經具體化（REQ-338）	否
`rss`	RSS 2.0／Atom 饋送——輪詢，以 pubDate/updated 標記水位；結果經具體化（REQ-342、REQ-343）	否

推送接收器¶

數據來源類型	機制	變更操作
`ingest`	外部服務 POST JSON 事件；結果經具體化（REQ-331、REQ-335）	否

圖形與語意¶

數據來源類型	機制	變更操作
`neo4j`	經 HTTP API 的 Cypher，結果快取於 PostgreSQL（REQ-295）	否
`sparql`	SPARQL 1.1 POST，結果快取於 PostgreSQL（REQ-297）	否

檔案式¶

兩種機制涵蓋檔案。兩者都使用 path 欄位而非 host／port。 [tool-verified: provisa/core/models.py] (REQ-553)

單一檔案數據來源——sqlite、csv、parquet 把 path 指向單一檔案。

數據來源類型	傳輸	變更操作
`sqlite`	本機	是
`csv`	本機	否
`parquet`	本機、`s3://`	否

私有貯體需要憑證（自環境取得的 AWS 區域與金鑰）。若 CSV 走 s3:// 或 http(s)://，或要一次註冊多個檔案，請用 files 數據來源。 [tool-verified: provisa/file_source/source.py]

files 數據來源——把 path 指向一個 glob，遞迴爬取，並把該目錄註冊為一個由表構成的聯邦目錄。它讀取多種格式、經多種傳輸；下列集合來自檔案連接器（kenstott/calcite fork）。 [tool-verified: provisa/core/catalog.py files branch and provisa/core/models.py SOURCE_TO_CONNECTOR; format and transport lists from the calcite file adapter — FileSchema.java, storage/StorageProviderFactory.java]

格式	傳輸
CSV、TSV、JSON、YAML、Excel（XLS/XLSX）、Parquet、Arrow，以及轉換成表的文件——HTML、Markdown、DOCX、PPTX	本機檔案系統、HTTP(S)、`s3://`、`hdfs://`、`ftp://`／`ftps://`、`sftp://`、`iceberg://`、SharePoint（REST 與 Microsoft Graph）

- id: sales_files
  type: files
  path: s3://bucket/sales/**/*.csv   # glob; local and http(s):// also supported

可觀測性與其他¶

prometheus 有 Trino 連接器（屬性自該類型的映射 DSL 建構）。google_sheets 是已註冊的數據來源類型，沒有 Trino 連接器，經 API 快取管線具體化。 [tool-verified: provisa/federation/trino_connectors.py:314; provisa/core/models.py lines 87–88]

數據來源類型	連接器名稱	變更操作
`google_sheets`	—（經具體化）	否
`prometheus`	prometheus	否

企業 SaaS 連接器¶

SharePoint 與 Splunk 經 Apache Calcite 連接器（kenstott/calcite fork）註冊。兩者都沒有直接驅動程式——Provisa 啟動連接器隨附的 Calcite pgwire 伺服器（pgwire-sharepoint、pgwire-splunk），以通用 PostgreSQL 端點的身分連線，並把資料列落地到具體化儲存區供聯邦使用（REQ-954）。兩個連接器都一律啟用不分大小寫的名稱比對，以配合各產品自身不分大小寫的語意（REQ-725、REQ-730）。 [tool-verified: provisa/core/models.py lines 99–100; provisa/federation/trino_connectors.py lines 223–286]

`sharepoint`¶

SharePoint 清單被列舉為結構描述，並以可查詢的表對外呈現（REQ-726、REQ-731）。兩種驗證方式：CLIENT_CREDENTIALS（預設）與經 PFX 憑證的憑證式驗證（REQ-727）。mapping 中的密鑰值在抵達連接器之前，先經密鑰引擎解析（REQ-729）。 [tool-verified: provisa/federation/trino_connectors.py lines 230–252]

數據來源欄位	連接器屬性	備註
`base_url` or `host`	`site-url`	SharePoint 網站 URL
`username`	`client-id`	Azure 應用程式用戶端 ID
`password`	`client-secret`	Azure 應用程式用戶端密鑰
`database`	`tenant-id`	Azure 租用戶 UUID
`mapping.auth_type`	`auth-type`	`CLIENT_CREDENTIALS`（預設）或 `CERTIFICATE`
`mapping.certificate_path`	`certificate-path`	`auth_type: CERTIFICATE` 時的 PFX 路徑
`mapping.certificate_password`	`certificate-password`	PFX 密碼

當連接器不提供 information_schema.columns 時，請經 registerTable 變更操作以明確的資料行定義（自 Microsoft Graph API 取得）註冊該表（REQ-732）。

- id: hr-sharepoint
  type: sharepoint
  base_url: https://kenstott.sharepoint.com
  username: ${env:SP_CLIENT_ID}
  password: ${env:SP_CLIENT_SECRET}
  database: ${env:SP_TENANT_ID}
  mapping:
    auth_type: CLIENT_CREDENTIALS

`splunk`¶

Splunk 搜尋結果可作為表查詢（例如 internal_server）（REQ-721）。連接器 URL 來自 base_url，或以 https://{host}:{port} 建構，預設連接埠為 8089（REQ-722）。驗證：當 mapping.use_token 為 true（預設）時，password 作為 API 權杖傳遞；為 false 時，username 與 password 作為獨立憑證傳遞（REQ-723）。 [tool-verified: provisa/federation/trino_connectors.py lines 262–286]

數據來源欄位	連接器屬性	備註
`base_url` / `host` + `port`	`url`	`base_url`，否則為 `https://host:port`（連接埠預設 8089）
`password`	`token` or `password`	`use_token: true` 時為 token
`username`	`user`	僅在 `use_token: false` 時
`database`	`app`	限定於某個 Splunk 應用程式
`mapping.datamodel_filter`	`datamodel-filter`	篩選至某個數據模型
`mapping.disable_ssl_validation`	`disable-ssl-validation`	供自簽憑證使用（REQ-724）

- id: ops-splunk
  type: splunk
  host: splunk
  port: 8089
  password: ${env:SPLUNK_TOKEN}
  mapping:
    use_token: true
    disable_ssl_validation: true

API 數據來源¶

把任何 HTTP 端點註冊為可查詢的表。 [tool-verified: provisa/core/models.py SourceType enum] (REQ-314, REQ-307, REQ-322)

API 類型	探索	資料行推斷
`openapi`	OpenAPI 規格剖析（REQ-314、REQ-316）	基本型別 → 原生，物件 → JSONB
`graphql_remote`	結構描述自省（REQ-307、REQ-308）	基本型別 → 原生，物件 → JSONB
`grpc_remote`	伺服器反射（REQ-322、REQ-325）	基本型別 → 原生，物件 → JSONB

API 回應被取得、快取於 PostgreSQL（TTL 可設定），並以 GraphQL 類型對外呈現（REQ-309、REQ-318、REQ-327）。已快取的表與任何其他數據來源一樣參與聯邦查詢（REQ-313）。

JSONB 規則：以 JSONB 儲存的複合資料行（物件、陣列）不可篩選（REQ-119）。子欄位存取在 SQL 中使用 ->> 抽取（REQ-151）。表與表之間的關係以純量 FK 資料行宣告——JSONB blob 資料行不是聯結目標。當需要對巢狀欄位篩選或聯結時，請用 JSONB 晉升把它們轉為原生純量資料行（REQ-119）。

GovData¶

美國政府開放數據。存取按主題分組分割。 [tool-verified: provisa/core/models.py lines 543–609]

每個 govdata 數據來源選定一個主題。該主題決定哪些 GovData 結構描述會對外呈現。ref 與 geo 結構描述一律作為連結結構描述納入——它們不逐主題列出，但一律存在。 [tool-verified: provisa/core/models.py line 562–563 comment]

主題	對外呈現的結構描述
`COMMERCE`	`sec`, `patents`
`ECONOMY`	`econ`
`EDUCATION`	`census`, `edu`
`HEALTH`	`health`
`CYBER`	`cyber_threat`, `cyber_vuln`
`PUBLIC_SAFETY`	`crime`
`ENVIRONMENT`	`lands`
`WEATHER`	`weather`
`GOVERNMENT`	`fedregister`, `fec`
`ALL`	以上每一個結構描述

sources:

  - id: federal-commerce
    type: govdata
    subject: COMMERCE
    domain_id: federal-analytics
    description: U.S. commerce and securities data

欄位	必填	預設	說明
`id`	是	—	唯一識別碼
`subject`	是	—	上述主題值之一
`domain_id`	是	—	此數據來源所屬的網域
`description`	否	`""`	供人閱讀的說明

數據品質檢查器（REQ-1443）¶

數據品質檢查器是一種數據來源類型，不是一個子系統。它的掃描輸出就是數據：一項檢查結果是一次觀測，因此它經一般的數據來源路徑落地，並與其他每一個數據來源一樣繼承節奏、鮮度、事件、族系、治理、RLS、格線與匯出。 [tool-verified: provisa/core/models.py lines 110–116 SourceType.soda, SourceType.great_expectations; provisa/events/source_loader.py make_dq_loader]

支援兩種，而這個選擇既是功能選擇，也同樣是授權選擇。

數據來源類型	契約方言	額外項	授權	託管雲端平面
`soda`	Soda 契約 YAML	`pip install .[soda]`（`soda-postgres`）	Elastic License 2.0	拒絕——見下文
`great_expectations`	Expectation suite JSON	`pip install .[gx]`（`great-expectations[postgresql]`）	Apache 2.0	允許

Elastic License 2.0 禁止把該軟體以託管或受管服務的形式提供給第三方，而在 SaaS 平面內代租用戶執行 Soda 正正是這件事。config/capabilities.yaml 以 soda 選項上的 cloud_eligible: false 承載這項區分，託管平面會讀取該旗標。想要 Soda 的託管部署，需觸及一個由營運者自行執行、由營運者提供的 Soda 端點。 [tool-verified: config/capabilities.yaml lines 197–203]

Provisa 不隨附也不連結任何一者。掃描在子解譯器（python -m provisa.dq.worker）中執行，那是唯一匯入 soda_core 或 great_expectations 的地方，因此一個原始碼可得的檢查器絕不會進入伺服器處理程序，而檢查器當掉時殺掉的是一個子處理程序，不是事件迴圈。 [tool-verified: provisa/dq/runner.py build_command, run_contract]

該數據來源指向 Provisa 自己的 pgwire 端點。 正是這一點讓單一個 postgres 驅動程式得以檢查以 Snowflake 或 Iceberg 為後盾的表：檢查器掃描的是聯邦檢視，不是底層系統。由於政策套用在該連線上，掃描身分是宣告出來的，而非繼承而來——一組被篩選過的資料列，絕不能產生一項悄然通過的檢查。

sources:

  - id: dq
    type: soda
    domain_id: sales-analytics
    description: Soda contract scans over the governed estate
    mapping:
      host: localhost
      port: 5439          # Provisa's pgwire endpoint
      database: provisa
      user: dq_scanner    # the scan identity, declared explicitly
      password: ${env:PROVISA_DQ_PASSWORD}

每份契約一張結果表，而契約就是整份註冊。 該表承載 dq_contract——契約原文逐字——關於其形狀就再無其他。資料行、水位與晉升全部是推導出來的。 [tool-verified: provisa/dq/registration.py derive_checker_table]

tables:

  - source_id: dq
    schema_name: quality
    table_name: orders_scan
    domain_id: sales-analytics
    change_signal: ttl_probe
    cache_ttl: 3600
    columns:
      - name: scan_id          # declared only to carry visible_to; replaced at parse
        visible_to: [analyst, admin]
    dq_contract: |
      dataset: provisa/sales/orders
      columns:
        - name: customer_id
          checks:
            - missing:
                threshold:
                  metric: percent
                  must_be_less_than: 1
      checks:
        - row_count:
            must_be_greater_than: 0

註冊從那段文字推導出什麼：

族系。 契約本身已指名其目標數據集，因此註冊會以 extract_inputs 剖析 SQL 的方式剖析它（REQ-939），並解析到受治理的表。一份定義，沒有第二份可能漂移的副本。指名一個未受治理數據集的契約，會在註冊時大聲失敗，而不是落地一堆沒人要的資料列。
資料行。 結果封套屬於檢查器，不屬於營運者——自 scan_id 到 diagnostics 共 16 個隨附資料行。已宣告的資料行只被讀取其 visible_to（必須一致），之後即被取代。 [tool-verified: provisa/dq/results.py _ENVELOPE, results_columns]
水位。 scan_time 成為水位，這使得落地成為附加（REQ-982）。掃描歷史在沒有歷史子系統的情況下累積。
晉升。 freshness_max_timestamp 與 dataset_rows_tested 自 diagnostics jsonb 晉升為具型別的資料行（REQ-119）。要加更多，做法與任何其他 jsonb 資料行相同。 [tool-verified: provisa/dq/results.py DQ_PROMOTIONS]

時序不引入新欄位。change_signal 加上 cache_ttl 給出輪詢節奏；mv_debounce_quiet 與 mv_debounce_max_delay 把一波上游爆發收攏成一次掃描（REQ-963）；一個日曆粒度使它變成週期性（REQ-962）；expected_events 會扣住掃描，直到其輸入在該窗口內達到鮮度（REQ-961）。輪詢迴圈就是掃描排程器。

outcome 是 pass、fail、warn、error、skipped 之一。它們沒有一個是裁決——若想要強制執行，那是稍後的一項獨立宣告：一道預檢，或一個建於已落地結果之上的 MV。由於一次已落地的觀測不帶決定性義務（REQ-964），這裡容許放進絕不可能坐在預檢閘門上的非決定性檢查——異常分數、尾隨窗口變化、對照當下的鮮度。

契約在 UI 中、在表編輯介面的數據品質面板中撰寫，而那裡的契約原文永遠是真相來源。試跑會針對上線中的表執行該契約並顯示結果而不落地——這正是你如何抓到一份數據集名稱解析到意料之外的地方、否則只會落地一堆通過資料列的契約。

自訂連接器（REQ-1177）¶

當營運者在 config/custom_connectors.yaml 中為某個新數據來源類型宣告一個連接器時，原生聯邦引擎——Postgres、DuckDB 與 ClickHouse——即取得對它的可達性。毋須任何程式碼。 [tool-verified: provisa/federation/custom_connectors.py load_custom_connectors; provisa/federation/engine.py build_pg_engine, build_duckdb_engine, build_clickhouse_engine]

連接器可擴充性本身早於此。Trino 引擎長久以來在它自己那一層就是可擴充的——一個按數據來源類型參數化的通用 JDBC 連接器、一份逐類型的目錄 .properties 本體，以及 Provisa 自己的自訂 Trino 連接器外掛（Splunk、SharePoint、Calcite）。 [tool-verified: provisa/federation/trino_connectors.py _TrinoJdbcConnector, _TRINO_JDBC_TYPES; trino/plugins/trino-splunk, trino/plugins/trino-sharepoint, trino/plugins/trino-calcite] REQ-1177 把同樣的設定驅動可擴充性帶到那兩個原生、免叢集的引擎，它們先前只有一組固定的連接器。

該設定檔出貨時是空的。內建連接器已涵蓋開箱即用的觸及範圍；此檔案中的一切都由營運者撰寫。 [tool-verified: config/custom_connectors.yaml line 52: connectors: []] 設定 PROVISA_CUSTOM_CONNECTORS 可指向另一個路徑（供測試使用時很有用）。

描述元種類¶

引擎	種類	機制	描述元提供什麼
`postgres`	`pg_fdw`	SQL/MED（ISO 標準）	`extension`, `server_options`, `user_mapping`, `supports_import`, `table_options`, `remote_schema`
`duckdb`	`duckdb_attach`	INSTALL/LOAD + ATTACH	`extension`, `probe_symbol`, `attach_template`, `remote_schema`
`duckdb`	`duckdb_scan`	INSTALL/LOAD + 掃描器檢視	`extension`, `probe_symbol`, `scan_template`
`clickhouse`	`clickhouse_database`	`CREATE DATABASE ENGINE=…`（自動呈現每一張遠端表）	`ch_engine`, `engine_template`
`clickhouse`	`clickhouse_table`	逐表 `CREATE TABLE ENGINE=…`（資料行來自登錄）	`ch_engine`, `engine_template`（可帶 `{table}`）
`clickhouse`	`clickhouse_scan`	`CREATE TABLE ENGINE=…`，由 ClickHouse 推斷結構描述	`ch_engine`, `engine_template`

Postgres 是通用的。 SQL/MED 是 ISO 標準，因此每個符合標準的 FDW 都共用同一套 DDL 形狀：CREATE SERVER … FOREIGN DATA WRAPPER <fdw> OPTIONS(…)、選用的 CREATE USER MAPPING，然後是 IMPORT FOREIGN SCHEMA（當 supports_import: true）或逐表明確的 CREATE FOREIGN TABLE（當為 false）。一份 pg_fdw 描述元只提供逐 FDW 的差異——擴充名稱、伺服器選項索引鍵、使用者映射索引鍵、匯入旗標、表選項。因此任何符合標準的 FDW 都能單憑設定驅動。 [tool-verified: provisa/federation/custom_connectors.py GenericPgFdwConnector.details lines 98–125]

DuckDB 支援兩種機制。 經 ATTACH 呈現目錄的擴充用 duckdb_attach；呈現讀取表函式的擴充用 duckdb_scan。兩種模式都不符合的擴充不受支援。 [tool-verified: provisa/federation/custom_connectors.py GenericDuckDbAttachConnector, GenericDuckDbScanConnector]

ClickHouse 支援三種機制，各對應一種整合引擎形狀：一個自動呈現每張遠端表的關聯式 DATABASE 引擎（clickhouse_database，例如 Redis/MySQL）、一個資料行由登錄提供的逐表引擎（clickhouse_table，例如 JDBC/ODBC 橋接——engine_template 可帶一個由執行階段繫結的 {table} 佔位符），以及一個由 ClickHouse 推斷結構描述的檔案／湖／URL 引擎（clickhouse_scan，例如 HDFS/URL）。SQLite（DATABASE 引擎、檔案、無伺服器）與 Hudi（湖倉、零複製）開箱即有。 [tool-verified: provisa/federation/custom_connectors.py GenericClickHouseDatabaseConnector, GenericClickHouseTableConnector, GenericClickHouseScanConnector; provisa/federation/clickhouse_connectors.py ClickHouseSqliteConnector, ClickHouseHudiConnector] (REQ-1178)

未知的 kind 值會在啟動時大聲失敗——描述元的一個錯字絕不可悄悄讓某個數據來源類型變成不可達。 [tool-verified: provisa/federation/custom_connectors.py load_custom_connectors lines 178–197]

探測閘門¶

可用性在附掛時針對各引擎的標準探索目錄驗證：

Postgres——檢查 pg_extension，然後 pg_available_extensions。 [tool-verified: provisa/federation/connector_duckdb.py _probe_pg_extension lines 333–344]
DuckDB——執行 INSTALL／LOAD 並在 duckdb_functions() 中檢查所宣告的 probe_symbol。 [tool-verified: provisa/federation/connector_duckdb.py _DuckDBExtensionConnector.probe lines 160–180]
ClickHouse——在 system.table_engines 中檢查所宣告的 ch_engine；建置中不存在即大聲失敗。 [tool-verified: provisa/federation/custom_connectors.py _probe_clickhouse_engine]

一個已宣告但無法安裝的擴充會大聲失敗。沒有默默略過，沒有備援。探測失敗的連接器，在該部署中就是不啟用。

樣板變數¶

每個 server_options 值、user_mapping 值、attach_template 與 scan_template 都可使用 {field} 佔位符。可用欄位： [tool-verified: provisa/federation/custom_connectors.py _source_fields lines 53–63]

{id}、{host}、{port}、{database}、{username}、{password}、{path}、{schema_name}、{table_name}，加上 federation_hints 中的任何索引鍵。DuckDB 的 attach 樣板另外收到 {alias}——Provisa 指派給所附掛資料庫的內部目錄別名。

引用未知欄位的樣板會在附掛時大聲失敗，讓描述元與數據來源的不相符在損壞的 DDL 抵達引擎之前浮現。

例子¶

Postgres——經 mongo_fdw 的 MongoDB（無結構描述匯入；資料行逐表提供）

# config/custom_connectors.yaml
connectors:
  - engine: postgres
    source_type: mongodb
    kind: pg_fdw
    extension: mongo_fdw
    mechanism: attach_r
    server_options:
      address: "{host}"
      port: "{port}"
    user_mapping:
      username: "{username}"
      password: "{password}"
    supports_import: false
    table_options:
      database: "{database}"
      collection: "{table_name}"

DuckDB——經 read_xlsx 的 Excel 檔案（掃描表函式）

  - engine: duckdb
    source_type: xlsx
    kind: duckdb_scan
    extension: excel
    install_from_community: false
    probe_symbol: read_xlsx
    scan_template: "read_xlsx('{path}')"

[tool-verified: config/custom_connectors.yaml commented examples, lines 26–50]

任一描述元就位後，註冊帶有所宣告 source_type 的數據來源即會經該自訂連接器路由，前提是探測成功。毋須其他設定變更。

作為具名數據來源的倉庫¶

Snowflake、Databricks 與 ClickHouse 可註冊為具名數據來源，與哪個聯邦引擎啟用中無關。 [tool-verified: executor/drivers/snowflake.py (REQ-988), executor/drivers/databricks.py (REQ-987), executor/drivers/clickhouse.py (REQ-986)]

註冊後，Provisa 經該數據來源的 DirectDriver 讀取倉庫，並把一份副本落地到啟用中引擎的具體化儲存區。查詢隨後針對該副本執行。這有別於傳統的可直接執行路徑（asyncpg、aiomysql），後者完全繞過引擎——這裡引擎仍然執行查詢，但針對的是一份本地副本，而不是每次請求都經網路連往倉庫。

在倉庫支援之處，讀取是 Arrow 原生的：Databricks 用 Cloud Fetch，Snowflake 用 fetch_arrow_table，ClickHouse 用原生資料行式 HTTP 介面。

標準的 host／port／username／password 欄位承載不了的延伸連線參數，放進 federation_hints：

sources:
  - id: my-databricks
    type: databricks
    host: my-workspace.azuredatabricks.net
    password: ${env:DATABRICKS_TOKEN}
    federation_hints:
      http_path: /sql/1.0/warehouses/xxxx   # required — the SQL Warehouse connection detail

  - id: my-snowflake
    type: snowflake
    host: org.snowflakecomputing.com
    username: svc_provisa
    password: ${env:SNOWFLAKE_PASSWORD}
    federation_hints:
      account: myorg-myaccount    # required — Snowflake account identifier
      warehouse: COMPUTE_WH       # optional — virtual warehouse to use
      role: PROVISA_ROLE          # optional — Snowflake role

  - id: my-clickhouse
    type: clickhouse
    host: ch.example.com
    port: 8123
    database: analytics
    username: default
    password: ${env:CLICKHOUSE_PASSWORD}
    federation_hints:
      secure: "true"              # optional — enables TLS on the HTTP interface

註冊為具名數據來源，與把同一個倉庫選為聯邦引擎是彼此獨立的。在 DuckDB 引擎上的一個 Snowflake 數據來源，把副本落地到 DuckDB，不是落到 Snowflake。

雲端物件／湖數據（S3／GCS／R2 上的 parquet、csv、iceberg、delta_lake 檔案）是另一種數據來源類型，當啟用中的引擎有該類型的 ATTACH 連接器時，就地附掛。不落地副本——引擎直接掃描物件儲存。那些數據來源的憑證同樣放進 federation_hints：

sources:
  - id: r2-events
    type: parquet
    path: s3://my-bucket/events/2026/*.parquet
    federation_hints:
      access_key_id: ${env:R2_ACCESS_KEY}
      secret_access_key: ${env:R2_SECRET}
      account_id: ${env:R2_ACCOUNT_ID}     # Cloudflare R2 account (S3-compatible)

數據來源設定欄位¶

所有數據來源共用一組共通欄位。 [tool-verified: provisa/core/models.py Source class, lines 138–204]

欄位	必填	預設	說明
`id`	是	—	唯一識別碼；英數字加連字號／底線
`type`	是	—	數據來源類型（見上方表格）
`host`	否	`""`	主機名稱或 IP
`port`	否	`0`	連接埠號
`database`	否	`""`	資料庫名稱
`username`	否	`""`	使用者名稱
`password`	否	`""`	密碼；密鑰解析請用 `${env:VAR}`
`path`	否	`null`	檔案式與物件／湖數據來源的檔案路徑或雲端 URI
`base_url`	否	`null`	OpenAPI 數據來源的基底 URL
`pool_min`	否	`1`	連線池最小大小（REQ-052）
`pool_max`	否	`5`	連線池最大大小（REQ-052）
`use_pgbouncer`	否	`false`	經 PgBouncer 路由連線（REQ-053）
`pgbouncer_port`	否	`6432`	PgBouncer 連接埠（REQ-053）
`cache_enabled`	否	`true`	啟用 API 回應快取
`cache_ttl`	否	`null`	快取 TTL（秒）；為 null 時繼承全域預設
`cache_catalog`	否	`null`	API 快取所用的聯邦目錄；預設為數據來源自己的目錄
`cache_schema`	否	`api_cache`	快取目錄內的結構描述
`naming_convention`	否	`null`	為此數據來源覆寫全域命名慣例（REQ-194）
`federation_hints`	否	`{}`	傳給聯邦引擎的工作階段屬性，以及倉庫數據來源的延伸連線參數（REQ-278、REQ-281）
`mapping`	否	`{}`	NoSQL 與 SaaS 數據來源的類型專屬連接器設定（例如 SharePoint 的 `auth_type`、Splunk 的 `use_token`）（REQ-251）
`allowed_domains`	否	`[]`	把數據來源限制於特定網域；空 = 不受限
`description`	否	`""`	供人閱讀的說明

Kafka 數據來源¶

Kafka 主題另外設定於 kafka_sources 之下，以某個已註冊 kafka 數據來源的 id 為索引鍵。 [tool-verified: config/provisa.yaml lines 138–151] (REQ-147)

kafka_sources:

  - id: kafka-support
    topics:

      - id: tickets
        topic: support.tickets
        domain_id: sales-analytics
        description: "Inbound support tickets"
        default_window: 1h
        columns:

          - name: id
          - name: subject
          - name: status
          - name: created_at

欄位	說明
`id`	必須符合某個 `type: kafka` 數據來源的 `id`
`topics[].id`	此主題在 Provisa 內的邏輯名稱
`topics[].topic`	Kafka 主題名稱
`topics[].domain_id`	此主題所屬的網域
`topics[].description`	供人閱讀的說明
`topics[].default_window`	窗口查詢的預設時間窗口（例如 `1h`）（REQ-148）
`topics[].columns`	該主題結構描述的資料行定義（REQ-150）

資料行可見性¶

每個資料行上的 visible_to 欄位，是能看見該資料行的角色 ID 清單。 [tool-verified: provisa/core/models.py Column class line 248; config/provisa.yaml lines 39–51]

columns:

  - name: email
    visible_to: [admin]        # only admin role sees this column

  - name: region
    visible_to: [admin, analyst]  # both roles see this column

未列入某角色 visible_to 清單的資料行，不會出現在該角色的 GraphQL 結構描述中，也無法被查詢或在篩選中引用（REQ-039）。

關係¶

關係連接兩張已註冊的表，並在 GraphQL 中呈現為巢狀欄位。 [tool-verified: provisa/core/models.py Relationship class lines 323–343; config/provisa.yaml lines 103–110] (REQ-019)

relationships:

  - id: orders-to-customers
    source_table_id: orders
    target_table_id: customers
    source_column: customer_id
    target_column: id
    cardinality: many-to-one

欄位	必填	說明
`id`	是	此關係的唯一識別碼
`source_table_id`	是	持有外部索引鍵的表
`target_table_id`	是	被引用的表；計算式關係為空
`source_column`	是	來源表上的資料行
`target_column`	是	目標表上的資料行；計算式關係為空
`cardinality`	是	`many-to-one` 或 `one-to-many`（REQ-019）
`materialize`	否	為跨來源聯結自動建立具體化檢視（REQ-158）。在由聯結資料表支撐的邊上，該檢視涵蓋的是兩跳走訪，而不是一次直接 join（REQ-1586）
`refresh_interval`	否	MV 重新整理間隔（秒）（預設：300）
`target_function_name`	否	計算式關係的 DB 函式名稱
`function_arg`	否	哪個函式引數接收來源資料行的值
`alias`	否	供人閱讀的關係類型（例如 `WORKS_FOR`）
`graphql_alias`	否	為此關係在父類型上呈現的 SDL 欄位命名。未提供時，名稱自目標表的 `field_name` 與關係基數推導。 [tool-verified: `provisa/compiler/schema_gen.py:1050`]
`disable_cypher`	否	為 `true` 時，把此關係排除在 Cypher 圖形邊之外
`source_json_key`	否	JOIN 之前先自來源資料行抽出此索引鍵作為 JSON 物件
`via_table`	否	這條邊所穿過的聯結資料表的已註冊資料表名稱。設定它會使該邊成為由聯結資料表支撐的邊；留空則它仍是外部索引鍵邊（REQ-1586）
`via_source_column`	否	與 `source_column` 配對的聯結資料表欄位。複合索引鍵時以逗號分隔並按位置對應
`via_target_column`	否	與 `target_column` 配對的聯結資料表欄位
`via_type_column`	否	判別欄，用於一張聯結資料表承載多種關係類型的情形
`via_type_value`	否	這條邊所釘定的判別值
`via_label_source`	否	由哪一項來命名 Cypher 類型：`column`（判別值）、`table`（聯結資料表的名稱）或 `fixed`（宣告的別名）。三者都會轉成大寫蛇形

由聯結資料表支撐的關係¶

關聯資料表可以被宣告為一等的 Cypher 關係而不是節點，這樣它自己的欄位就成為該關係的屬性：（REQ-1586）

relationships:

  - id: pets-bonded-pair
    source_table_id: pets
    target_table_id: pets
    source_column: id
    target_column: id
    cardinality: one-to-many
    via_table: pet_companions
    via_source_column: pet_id
    via_target_column: companion_pet_id
    via_type_column: relation_type
    via_type_value: bonded pair
    via_label_source: column

聯結資料表和其他資料表一樣是一張已註冊的資料表，必須先註冊，關係才能指向它。按判別值逐一宣告：pet_companions 上的三個資料列產生 BONDED_PAIR、LITTERMATE 與 SHARES_ENCLOSURE 三種不同的 Cypher 類型，每一種都把聯結資料列其餘的欄位作為邊屬性攜帶。隨附的示範設定宣告的正是這樣。

聯結邊是 Cypher 關係，而不是 GraphQL join 欄位：GraphQL join 產生器為單一欄位對建構它的 ON 子句，沒有位置容納第二跳，因此聯結邊被排除在產生的 SDL 與 pg_constraint 之外。[tool-verified: provisa/compiler/schema_gen.py:304] 聯結資料表仍可作為它自己的根欄位被查詢，並且會從 Cypher 圖綱要的節點一側移除，因此永遠不會作為節點標籤出現。

materialize: true 在聯結邊上同樣有效，它具體化的是走訪，而不是一次直接的 pets 到 pets join：檢視保存來源端跳、聯結跳、判別欄，以及聯結資料表自身的欄位與目標資料表的欄位並列。由於聯結資料表是 join 的第三條腿，這條邊是否跨來源要跨三張資料表來判斷——若聯結資料表所在的來源與它連接的兩張資料表不同，即使那兩張資料表同源也會被具體化。一次宣告具體化一種邊類型，因此為 bonded pair 建構的檢視永遠不會回答 littermate 的走訪。

基數值 [tool-verified: provisa/core/models.py Cardinality enum, lines 79–81]：

many-to-one——每一列來源資料列對應一列目標資料列（FK 對 PK）
one-to-many——每一列來源資料列對應多列目標資料列（上者的反向）

資料列層級安全規則¶

RLS 規則在查詢時注入 WHERE 子句，範圍限定於某個角色，並可選擇限定於某張表或某個網域。 [tool-verified: provisa/core/models.py RLSRule class lines 391–395; config/provisa.yaml lines 128–131] (REQ-041)

rls_rules:

  - table_id: orders          # applies to orders table only
    role_id: analyst
    filter: "region = current_setting('provisa.user_region')"

  - domain_id: sales-analytics  # applies to every table in domain (REQ-402)
    role_id: analyst
    filter: "tenant_id = current_setting('provisa.tenant_id')"

當同一個角色同時存在網域層級與表層級的規則時，表層級規則優先（REQ-403）。

欄位	必填	說明
`table_id`	條件式	要套用規則的表；與 `domain_id` 互斥
`domain_id`	條件式	要套用規則的網域；套用至該網域內所有表（REQ-402）
`role_id`	是	此規則所套用的角色
`filter`	是	注入 `WHERE` 的 SQL 述詞；可引用工作階段變數（REQ-041）

函式與 Webhook¶

DB 函式¶

追蹤一個資料庫函式，並把它呈現為 GraphQL 查詢或變更操作。 [tool-verified: provisa/core/models.py Function class lines 423–438; config/provisa.yaml lines 152–164] (REQ-205)

資料庫數據來源也能自供應商目錄（pg_proc、information_schema.routines 或供應商對應物）自動探索其預存程序與函式，免去逐一手動註冊。探索會讀取 prokind 與 provolatile：immutable／stable 的函式註冊為參數化關聯（程序引數變成查詢參數，形狀與 OpenAPI GET 表相同），而 volatile 的程序註冊為變更操作／受追蹤函式。已探索的常式流經 Stage-2 治理的方式，與手動註冊者完全相同。 [tool-verified: provisa/api/admin/introspect.py:541, provisa/api/admin/introspect.py:593] (REQ-887)

functions:

  - name: get_customers_by_region
    source_id: sales-pg
    schema: public
    function_name: get_customers_by_region
    returns: customers
    domain_id: sales-analytics
    description: "Returns customers filtered by region"
    visible_to: [admin, analyst]
    kind: query
    arguments:

      - name: p_region
        type: String

欄位	必填	預設	說明
`name`	是	—	GraphQL 欄位名稱
`source_id`	是	—	含有該函式的數據來源
`schema`	否	`public`	資料庫結構描述
`function_name`	是	—	實際的資料庫函式名稱
`returns`	是	—	該函式回傳的已註冊表 ID（REQ-207）
`arguments`	否	`[]`	`{name, type}` 引數定義清單（REQ-211）
`visible_to`	否	`[]`	能呼叫此函式的角色
`writable_by`	否	`[]`	能以變更操作呼叫此函式的角色
`domain_id`	否	`""`	此函式所屬的網域
`description`	否	`null`	GraphQL 欄位說明
`kind`	否	`mutation`	`"query"` 或 `"mutation"`（REQ-205）

Webhook¶

把一個外部 HTTP 端點呈現為 GraphQL 查詢或變更操作。 [tool-verified: provisa/core/models.py Webhook class lines 441–455; config/provisa.yaml lines 166–178] (REQ-209)

webhooks:

  - name: notify_support
    url: http://localhost:9999/notify
    method: POST
    timeout_ms: 3000
    domain_id: sales-analytics
    description: "Send a support notification"
    visible_to: [admin]
    kind: mutation
    arguments:

      - name: message
        type: String

欄位	必填	預設	說明
`name`	是	—	GraphQL 欄位名稱
`url`	是	—	Webhook 端點 URL
`method`	否	`POST`	HTTP 方法
`timeout_ms`	否	`5000`	請求逾時（毫秒）
`returns`	否	`null`	已註冊表 ID，或 null 表示內嵌類型
`inline_return_type`	否	`[]`	自訂回傳形狀的 `{name, type}` 欄位清單（REQ-210）
`arguments`	否	`[]`	`{name, type}` 引數定義清單
`visible_to`	否	`[]`	能呼叫此 webhook 的角色
`domain_id`	否	`""`	此 webhook 所屬的網域
`description`	否	`null`	GraphQL 欄位說明
`kind`	否	`mutation`	`"query"` 或 `"mutation"`

驗證¶

驗證設定於 auth 索引鍵之下。 [tool-verified: provisa/core/models.py AuthConfig class lines 467–477] (REQ-120)

提供者	說明
`none`	不驗證；所有請求皆視為 `default_role`
`firebase`	Firebase Authentication；需要 `project_id` 與 `service_account_key`（REQ-121）
`keycloak`	Keycloak OIDC（REQ-122）
`oauth`	通用 OAuth 2.0（REQ-123）
`simple`	不經外部提供者的使用者名稱／密碼（REQ-124）

auth:
  provider: firebase
  assignments_source: provisa   # "claims" or "provisa"
  default_role: analyst
  default_assignments:

    - role_id: analyst
      domain_id: "*"
  firebase:
    project_id: ${env:FIREBASE_PROJECT_ID}
    service_account_key: ${env:FIREBASE_SERVICE_ACCOUNT_KEY}

assignments_source: claims 自 JWT 宣告讀取角色指派。assignments_source: provisa 自 Provisa 自己的指派儲存區讀取。 [tool-verified: provisa/core/models.py line 476] (REQ-551)

執行路由¶

直接執行——單一來源的 RDBMS 查詢路由到原生驅動程式，取得低於 100 毫秒的延遲（REQ-027）。數據來源需同時具備 SOURCE_TO_DIALECT 項目與 SOURCE_TO_CONNECTOR 項目才能支援此路徑（REQ-229）。

聯邦執行——多來源查詢，以及沒有直接驅動程式的數據來源，經聯邦引擎路由（REQ-028）。Provisa 內含一個內嵌聯邦引擎；大規模部署可指向你自己的相容叢集（REQ-226）。

統計——註冊時，Provisa 對每張已發佈的表執行 ANALYZE，為成本式最佳化器預熱（資料列數、null 比例、相異值、最小／最大值）。失敗會被記錄，且不會阻擋註冊（REQ-275）。

圖形與語意數據來源¶

Neo4j¶

把一個 Neo4j 圖形資料庫註冊為可查詢的數據來源。管理員撰寫投影出純量值的 Cypher 查詢；Provisa 快取結果並把它們呈現為 GraphQL 類型（REQ-295）。

Cypher 查詢必須在 RETURN 子句中使用屬性存取子（RETURN n.id AS id, n.name AS name）——回傳節點物件在註冊時即被拒絕（REQ-296）。

# Register via admin API (no YAML config required)
POST /admin/sources/neo4j
{
  "source_id": "graph",
  "host": "neo4j",
  "port": 7474,
  "database": "neo4j"
}

# Register a table (preview + validate before persisting)
POST /admin/sources/neo4j/graph/tables
{
  "table_name": "person_skills",
  "cypher": "MATCH (p:Person)-[:HAS_SKILL]->(s:Skill) RETURN p.name AS name, s.skill AS skill, p.experience AS years",
  "ttl": 300
}

預覽端點（POST /admin/sources/neo4j/{id}/preview）回傳樣本資料列，並在 Cypher 回傳節點物件時阻擋註冊（REQ-296）。

SPARQL¶

把任何符合 SPARQL 1.1 的三元組儲存（Apache Jena Fuseki、Virtuoso、Stardog 等）註冊為可查詢的數據來源（REQ-297）。

查詢必須是 SELECT 查詢。SELECT 子句中的變數名稱自動成為資料行名稱（REQ-297）。

# Register via admin API
POST /admin/sources/sparql
{
  "source_id": "knowledge-graph",
  "endpoint_url": "http://fuseki:3030/ds/sparql",
  "default_graph_uri": "http://example.org/graph"
}

# Register a table (executes LIMIT 5 probe to validate and infer columns)
POST /admin/sources/sparql/knowledge-graph/tables
{
  "table_name": "product_categories",
  "sparql_query": "SELECT ?product ?label ?category WHERE { ?product a :Product ; rdfs:label ?label ; :hasCategory ?category . }",
  "ttl": 600
}

兩個連接器都使用 API 數據來源快取管線——結果以可設定的 TTL 儲存在 PostgreSQL，使它們可用於跨來源的聯邦 JOIN（REQ-295、REQ-297、REQ-299）。

連線範例¶

PostgreSQL¶

- id: sales-pg
  type: postgresql
  host: postgres
  port: 5432
  database: provisa
  username: provisa
  password: ${env:PG_PASSWORD}

Snowflake¶

- id: analytics-sf
  type: snowflake
  host: org.snowflakecomputing.com
  port: 443
  database: ANALYTICS
  username: svc_provisa
  password: ${env:SNOWFLAKE_PASSWORD}
  federation_hints:
    account: myorg-myaccount
    warehouse: COMPUTE_WH

Databricks¶

- id: lakehouse-db
  type: databricks
  host: my-workspace.azuredatabricks.net
  password: ${env:DATABRICKS_TOKEN}
  federation_hints:
    http_path: /sql/1.0/warehouses/xxxx

MongoDB¶

- id: reviews-mongo
  type: mongodb
  host: mongodb
  port: 27017
  database: provisa
  username: ""
  password: ""

跨來源查詢¶

{
  orders(where: {region: {eq: "us"}}) {
    id
    amount
    customers {       # PostgreSQL
      name
      email
    }
    productReviews {  # MongoDB (federated)
      rating
      comment
    }
  }
}

單一來源的部分直接路由（REQ-027）。跨來源 JOIN 經聯邦執行，並帶自動型別強制轉換（REQ-028、REQ-552）。