🚀Динамический SQL в PolyAnalyst: запрос формируется по данным из JSON.

Друзья, в новом видео мы показываем, как можно гибко подходить к загрузке данных из внешних баз: SQL-запрос строится автоматически на основе входных параметров, которые поступают в систему в формате JSON.

Если коротко, то это делается так:

1. Загружаются параметризующие исходные данные — JSON-файл (или любой другой источник/файл, но в примере именно JSON).

2. С помощью узла «Производные колонки» формируются две ключевые колонки:

connection name — имя соединения с базой данных;

query — текст SQL-запроса, в который подставляются значения из JSON. Важный момент: в текст SQL-запроса подставляются колонки из JSON-файла.

Далее узел «Параметры» связывает эти колонки с настройками узла «Импорт JDBC».

В результате узел JDBC выполняет именно тот запрос, который был сконструирован динамически, и возвращает данные.

Зачем это нужно?
Такой подход позволяет создавать универсальные сценарии обработки, которые сами адаптируются к входным данным: например, запрашивать разные таблицы, менять условия фильтрации, подставлять даты или идентификаторы — всё это без необходимости переписывать или копировать сценарии.

📽 Смотрите видео по ссылке.

P.S. Как видите, одну из ключевых ролей в этой механике играет узел «Параметры». Совсем недавно мы проводили вебинар, где показывали интересные задачи, которые можно решать с помощью параметризации, например:
• Фильтрация транзакций по сотням правил из одной таблицы для выявления подозрительных операций.
• Оркестрация подключений к сотням БД для ежедневного сбора данных.
• Создание десятков производных колонок по единой формуле без рутинных настроек каждой колонки.
• Формирование многоуровневых текстовых классификаторов на основе утвержденных справочников.
• Настройка мониторинга новостных RSS-лент и веб-страниц.

#PolyAnalyst #SQL #JSON #JDBC #Автоматизация #ETL #Видеоурок