pyHQL nutzt die Leistungsfähigkeit von HQL (HighQSoft Query Language), um Ihre Testdaten in Python zu erschließen. Es bietet eine saubere, Python-freundliche Methode zur Abfrage von ASAM ODS-Daten über den HQL Web Service, so dass Sie sich auf die Analyse konzentrieren können, anstatt auf Protokolldetails und Low-Level-Typ-Handling.
pyHQL ist für drei Zielgruppen konzipiert. Analysten und Ingenieure verwenden es für die interaktive Erkundung von Testdaten in Notebooks und kurzen Skripten. Entwickler verwenden es, um zuverlässige Integrationen und Dienste auf einer konsistenten Abfrageebene zu erstellen. Datenteams verwenden es, um Python-Workflows mit Ergebnissen zu füttern, die zu Analyseaufgaben passen - einschließlich Zeitreihen, speziellen Typen und dateibasierten Artefakten.
pyHQL verbindet sich mit einem HQL Web Service Endpunkt und einem ASAM ODS Server über einfache Verbindungsstrings. Der Client unterstützt ein sauberes Sitzungsverhalten (einschließlich Disconnect/Reconnect) und hilft Teams dabei, eine Abfrageschicht über gemischte Landschaften hinweg zu standardisieren - ohne dass die Abfragetechnik in jedem Skript oder Dienst neu implementiert werden muss.
pyHQL macht es einfach, ASAM ODS-Metadaten und Messdaten auf eine Art und Weise zu untersuchen, die sich an die Arbeitsweise von Python-Teams anpasst. Sie können schnell iterieren, die Ergebnisse als strukturierte Spalten und Werte prüfen und dieselben Abfragemuster in Notebooks, CLI und Skripten wiederverwenden. Dank der SQL-ähnlichen HQL-Syntax bleiben die Abfragen lesbar und überprüfbar, so dass Sie von der Datenermittlung zur Analyse übergehen können, ohne erst Exporttools erstellen zu müssen.
Gemessene Daten liegen oft in großen Wertmatrizen vor. Mit hqlvm-Abfragen ruft pyHQL Massendaten effizient ab und behält den technischen Kontext bei, einschließlich Spaltenmetadaten und Einheiten. Das macht es einfacher, robuste Berechnungen, Diagramme und Berichte zu erstellen, ohne dass Interpretationsdetails verloren gehen.
pyHQL unterstützt geregelte Schreibworkflows durch explizite Transaktionen, so dass Einfügungen und Aktualisierungen denselben Regeln folgen wie Ihr System of Record. Es unterstützt auch das Herunter- und Hochladen von Dateiinhalten, die in ASAM ODS gespeichert sind, und hilft so den Teams, Berichte und Artefakte mit dem Messkontext zu verknüpfen, anstatt sie in lokalen Ordnern zu verstreuen.
Installieren Sie pyHQL als unterstütztes HighQSoft Python-Paket (zum Beispiel über pip aus der mitgelieferten Distribution). Verbinden Sie sich dann mit zwei Strings: dem HQL Web Service Endpunkt und dem ASAM ODS-Verbindungs-URI. Dieser Ansatz eignet sich gut für persönliche Notebooks und gemeinsam genutzte Teamumgebungen, da die Konfiguration klein, eindeutig und leicht zu replizieren ist.
pyHQL bewahrt den Reichtum der ASAM ODS-Daten in Python-freundlichen Formen. Greifen Sie auf die Ergebnisse über Spaltennamen oder Indizes zu und arbeiten Sie mit Werten als native Python-Typen. Wo verfügbar, bleiben Datumsangaben, komplexwertige Signale, externe Referenzen und physikalische Einheiten über Ergebnisobjekte zugänglich, so dass die nachgeschaltete Verarbeitung explizit und weniger fehleranfällig bleibt.
Automatisierung braucht ein vorhersehbares Verhalten. pyHQL unterstützt saubere Disconnect/Reconnect-Muster und behandelt offene Transaktionen sicher, wenn Sitzungen enden - uncommitted Transaktionen werden beim Disconnect automatisch zurückgerollt, um verbleibende Sperren zu vermeiden. Als Teil des gewarteten HighQSoft HQL-Stacks profitiert pyHQL von laufenden Updates, wenn sich Standards und Plattformen weiterentwickeln.
Ein typischer Arbeitsablauf besteht darin, sich einmal zu verbinden, Metadaten abzufragen, um Messungen zu identifizieren, und dann Zeitreihen oder Wertmatrixdaten zur Analyse abzurufen. Bei Bedarf öffnen Sie eine Transaktion, um die Ergebnisse zurückzuschreiben oder um Dateianhänge kontrolliert zu verwalten.
from highqsoft.pyHQL.HQL import HQL
asam_ods_uri = "hql://user:password@ods_host:8788"
hql_service = "http://hql_service_host:9876"
hql = HQL(hql_service, asam_ods_uri)
# 1) Daten suchen (Metadatenabfrage)
res = hql.query("hql id, name, Created from aotest")
names = res.column("name").values()[0:5]
# 2) Abrufen von Massendaten (Zeitreihen/Wertmatrix)
vm = hql.query("hqlvm * from aosubmatrix where id = 2")
signal = vm.column("SunnyMinutes").values()
unit = vm.column("SunnyMinutes").unit()
# 3) Ergebnisse zurückschreiben (Transaktion)
tid = hql.transaction()
hql.query(f "hqlinsert [TRANSACTION={tid}] values=(name='Meine Instanz') into MeinElement")
hql.transaction(commit=tid)
# 4) Herunterladen eines Anhangs
hql.download("hql id, name from Attachment where id = 2", filename="report.bin")
# Sauberes Herunterfahren (sichere Handhabung für offene Transaktionen)
hql.disconnect()
Führen Sie HQL als zentral verfügbaren REST-Endpunkt aus, damit Python-Benutzer von ihren eigenen Umgebungen aus eine Verbindung zu pyHQL herstellen können. Dies eignet sich hervorragend für Unternehmen, die einen gemeinsamen Zugriff, ein einheitliches Abfrageverhalten und eine minimale clientseitige Einrichtung für viele Benutzer wünschen.
Verwenden Sie pyHQL in Notebooks zur Erkundung und übertragen Sie dann denselben Code in geplante Skripte oder Pipelineschritte. Dies schafft einen sauberen Weg von der Erkundung zur wiederholbaren Ausführung - vor allem, wenn dieselbe Analyse konsistent auf neuen Messungen laufen muss.
Betten Sie pyHQL in interne Tools, geplante Aufträge und Datendienste ein, um zu standardisieren, wie Python über HQL auf ASAM ODS zugreift. Dadurch bleibt die Abfragelogik über Teams und Umgebungen hinweg konsistent und es wird sichergestellt, dass Schreiboperationen und die Dateibehandlung durch explizite Transaktionen geregelt bleiben.
HighQSoft GmbH
Black-und-Decker-Straße 17b
D-65510 Idstein
