通常，数据管道需要按照设定的时间表运行，就像客运列车按照时刻表运行一样。在 Data Productivity Cloud 中，可以通过 UI 轻松安排管道的调度。另一个常见场景是将数据生产力云管道作为跨多个系统或平台的大型工作流的一部分运行。为了支持这些以及更复杂的 DataOps 场景，可以使用各种数据生产力云 API 端点。可用的 API 端点包括远程执行管道的功能。
有时，数据生命周期的性质要求从源头持续提取数据。数据生产力云平台支持流数据源，从而实现近乎实时的数据提取。如今，流管道支持常用的关系数据库源，并且会随着时间的推移添加更多数据源。
始终在线的管道
在 MatiHelper Slack AI 应用程序中，主管道设计为持 希腊 whatsapp 数据库 续运行，以便在新消息创建后不久就将其消费到 Slack。由于数据旅程的起点是 Slack，而数据只能通过可访问的 Slack API 端点检索，因此核心管道编排逻辑中内置了微批处理方法。
微批次复制
pipelineName 属性映射到 MatiHelper 管道名称 ( Slack AI - Main )。请注意，如果管道位于文件夹中，则文件夹名称也必须作为 pipelineName 值的一部分。在本例中，管道位于名为 SlackAI App 的文件夹中。
上面的请求正文未定义可选的 versionName 属性。如果设置了该属性，则确保执行管道的一个特殊命名版本（在发布管道时创建）。如果未设置，则使用最新的构件来执行管道。
另请注意请求正文中的 scalarVariables 部分。此部分允许在运行时定义变量值。如果未在运行时明确定义变量值，则任何指定的管道或项目变量在执行管道时都将使用其默认值。MatiHelper 管道的第一次执行将定义指定管道变量的值。并且，随着 MatiHelper 继续调用自身，它将继续将初始变量值传递给下一次执行。这允许您并行执行多个 MatiHelper 管道，每个管道监控不同的 Slack 通道，并为每次并行执行使用不同的管道变量值。