Data Productivity Cloud 是一个面向不同类型用户的数据平台

[Rajuahmed652]

在开发 MatiHelper 管道的这一部分时，我最初直接在 Webhook Post 组件中定义了 JSON 模板结构，并将变量语法替换为值。但在测试时，我遇到了错误，表明我错误地格式化了 JSON 负载。现在，我最终可以通过多种方式修复格式错误。本着“可能性的艺术”的精神，我认为这是一个展示 Matillion 代码的一些高端功能的好机会。

本质上是使数据管道的创建变得民主化。使用 Data Productivity Cloud 构建数据管道时，拖放式 UI 和引导式组件配置对低代码用户和高代码用户都很有吸引力。低代码用户可能了解他们的数据需求，但如果缺乏编程技能，可能不知道从何入手构建数据管道。Data Productivity Cloud 让这些用户能够轻松上手数据管道开发。

另一方面，习惯于从头构建数据管道的“高代码”用 德国 whatsapp 数据库 户仍然欣赏 Data Productivity Cloud 易于使用的用户界面。通过消除为常见数据工程任务创建和管理新代码的需要，高代码用户能够更好地利用他们的技能来解决更复杂的问题。

在数据工程、数据分析和人工智能领域，Python 和 SQL 是非常常用的语言。对于用户希望将 Python 或 SQL 等代码作为数据管道一部分的场景，Designer 界面提供了一个开箱即用的高级代码编辑器。Designer 代码编辑器可以帮助开发 Python 和 SQL 脚本等代码。此外，它还提供了一些特殊组件，允许您执行自定义 SQL 或 Python 代码。

尤其对于 Python 而言，Data Productivity Cloud 提供了多种直接和间接执行 Python 代码的方法。在 MatiHelper 管道中，我使用了 Python Pushdown 组件。这个“Pushdown”组件的本质是，组件中定义的代码会被发送到云数据平台（在本例中为 Snowflake）执行。Pushdown 组件的本质几乎使用了无限的
y。另请注意，父管道中的表迭代器设置为“顺序”模式，但所有迭代器组件也可以设置为在“并行”模式下运行。将此处的模式设置为“并行”将允许 MatiHelper 同时发送多个响应。要深入了解并行性及其在 Data Productivity Cloud 中的工作原理，请参阅我们关于扩展最佳实践的文章。