Быстрый старт: быстрое прототипирование с драйвером mssql-python под Python

В этом кратком руководстве вы Streamlit быстро создаёте отчёт, чтобы заранее собирать отзывы пользователей. Вы используете драйвер mssql-python для Python, чтобы подключиться к базе данных и считывать данные в отчет.

Драйвер mssql-python не требует внешних зависимостей на компьютерах Windows. Драйвер устанавливает все, что требуется с одной pip установкой, что позволяет использовать самую последнюю версию драйвера в новых сценариях без нарушения работы других сценариев, для обновления и тестирования которых у вас нет времени.

Документация | Исходный код mssql-python | Пакет (PyPI) | uv

Предпосылки

Python 3.10 или более поздней версии.
Если у вас еще нет Python, установите среду выполнения Python и диспетчер пакетов pip из python.org.
Не хотите использовать собственную среду? Следуйте инструкциям в разделе Контейнерная и локальная разработка, чтобы создать воспроизводимую среду разработки в devcontainer или GitHub Codespaces.
Visual Studio Code со следующими расширениями:
- Расширение Python для Visual Studio Code
Интерфейс azure Command-Line (CLI) для проверки подлинности без пароля в macOS и Linux.
Если у вас еще нет uv, следуйте инструкциям по установке.
База данных на SQL Server, База данных SQL Azure или базе данных SQL в Fabric с примерной схемой AdventureWorks2025 и допустимой строкой подключения.

Установите необходимые компоненты для операционной системы

Установите единовременные предварительные условия для операционной системы. Пользователи Windows могут пропустить этот шаг. Для полной информации о платформе см. Установить mssql-python.

apk add libtool krb5-libs krb5-dev libstdc++

apt-get install -y libltdl7 libkrb5-3 libgssapi-krb5-2

dnf install -y libtool-ltdl krb5-libs

zypper install -y libltdl7 libkrb5-3 libgssapi-krb5-2

zypper install -y libltdl7

brew install openssl

Создание базы данных SQL

Создайте или подключитесь к SQL-базе данных на одной из следующих платформ:

Создание базы данных SQL в минутах с помощью портала Azure

Создание проекта и запуск кода

Создание проекта
Добавление зависимостей
Запуск Visual Studio Code
Обновление pyproject.toml
Обновление main.py
Сохранение строки подключения
Использование uv run для выполнения скрипта

Создание нового проекта

Откройте командную строку в каталоге разработки. Если у вас его нет, создайте новую директорию, например python или scripts. Избегайте папок на OneDrive, так как синхронизация может мешать управлению виртуальной средой.

Создайте новый проект с uv.

uv init rapid-prototyping-qs
cd rapid-prototyping-qs

Добавление зависимостей

В том же каталоге установите mssql-pythonи streamlitpython-dotenv пакеты.

uv add mssql-python python-dotenv streamlit

Запустите Visual Studio Code.

В том же каталоге выполните следующую команду.

code .

Обновление pyproject.toml

Откройте файл в редакторе pyproject.toml . Этот файл содержит метаданные вашего проекта.

Обновите значение description.

description = "A quick example of rapid prototyping using the mssql-python driver and Streamlit."

Сохраните и закройте файл.

Обновление main.py

Откройте файл с именем main.py. Он должен быть похож на этот пример.
```
def main():
    print("Hello from rapid-prototyping-qs!")

if __name__ == "__main__":
    main()
```
В верхней части файла добавьте следующие импорты перед строкой с def main().

Подсказка

Если в Visual Studio Code возникли проблемы с разрешением пакетов, необходимо обновить интерпретатор для использования виртуальной среды.
```
from os import getenv
from dotenv import load_dotenv
from mssql_python import connect, Connection
import pandas as pd
import streamlit as st
```

Между импортом и строкой с def main(), добавьте следующий код.

def page_load() -> None:
    st.set_page_config(
        page_title="View Data",
        page_icon=":bar_chart:",
        layout="wide",
        initial_sidebar_state="expanded"
    )

    st.title("AdventureWorksLT Customer Order History")

    SQL_QUERY = """
    SELECT c.*
    FROM SalesLT.Customer AS c
    INNER JOIN SalesLT.SalesOrderHeader AS soh
        ON c.CustomerID = soh.CustomerID;
    """

    df = load_data(SQL_QUERY)

    event = st.dataframe(
        df,
        use_container_width=True,
        hide_index=True,
        on_select="rerun",
        selection_mode="single-row"
    )

    customer = event.selection.rows

    SPEND_QUERY_ALL = """
    SELECT
        soh.OrderDate,
        SUM(sod.OrderQty),
        SUM(sod.OrderQty * sod.UnitPrice) AS spend,
        pc.Name AS ProductCategory
    FROM SalesLT.SalesOrderDetail AS sod
    INNER JOIN SalesLT.SalesOrderHeader AS soh
        ON sod.SalesOrderID = soh.SalesOrderID
    INNER JOIN SalesLT.Product AS p
        ON sod.ProductID = p.ProductID
    INNER JOIN SalesLT.ProductCategory AS pc
        ON p.ProductCategoryID = pc.ProductCategoryID
    GROUP BY soh.OrderDate, pc.Name
    ORDER BY soh.OrderDate, pc.Name;
    """
    SPEND_QUERY_CUSTOMER = """
    SELECT
        soh.OrderDate,
        SUM(sod.OrderQty),
        SUM(sod.OrderQty * sod.UnitPrice) AS spend,
        pc.Name AS ProductCategory
    FROM SalesLT.SalesOrderDetail AS sod
    INNER JOIN SalesLT.SalesOrderHeader AS soh
        ON sod.SalesOrderID = soh.SalesOrderID
    INNER JOIN SalesLT.Product AS p
        ON sod.ProductID = p.ProductID
    INNER JOIN SalesLT.ProductCategory AS pc
        ON p.ProductCategoryID = pc.ProductCategoryID
    WHERE soh.CustomerID = ?
    GROUP BY soh.OrderDate, pc.Name
    ORDER BY soh.OrderDate, pc.Name;
    """
    if len(customer) == 0:
        spend_df = load_data(SPEND_QUERY_ALL)
    else:
        customer_id = int(df.loc[customer, 'CustomerID'].values[0])
        spend_df = load_data(SPEND_QUERY_CUSTOMER, params=(customer_id,))

    st.write("Here's a summary of spend by product category over time:")
    st.bar_chart(spend_df.set_index('ProductCategory')['spend'], use_container_width=True)

    if len(customer) > 0:
        st.write(f"Displaying orders for Customer ID: {df.loc[customer, 'CustomerID'].values[0]}")
        customer_id = int(df.loc[customer, 'CustomerID'].values[0])
        SQL_QUERY = """
        SELECT *
        FROM SalesLT.SalesOrderHeader AS soh
        WHERE soh.CustomerID = ?;
        """
        st.dataframe(load_data(SQL_QUERY, params=(customer_id,)), hide_index=True, use_container_width=True)
        SQL_QUERY = """
        SELECT sod.*
        FROM SalesLT.SalesOrderHeader AS soh
        INNER JOIN SalesLT.SalesOrderDetail AS sod
            ON soh.SalesOrderID = sod.SalesOrderID
        WHERE soh.CustomerID = ?;
        """
        st.dataframe(load_data(SQL_QUERY, params=(customer_id,)), hide_index=True, use_container_width=True)

Между импортом и def page_load() -> None:добавьте этот код.

_connection = None

def get_connection() -> Connection:
    global _connection
    if not _connection:
        load_dotenv()
        _connection = connect(getenv("SQL_CONNECTION_STRING"))
    return _connection

@st.cache_data
def load_data(SQL_QUERY, params=None) -> pd.DataFrame:
    data = pd.read_sql_query(SQL_QUERY, get_connection(), params=params)
    return data

Найдите этот код.

def main():
    print("Hello from rapid-prototyping-qs!")

Замените его этим кодом.

def main() -> None:
    page_load()
    if _connection:
        _connection.close()

Сохраните и закройте main.py.

Сохранение строки подключения

.gitignore Откройте файл и добавьте исключение для .env файлов. Ваш файл должен быть похож на следующий пример.
```
# Python-generated files
__pycache__/
*.py[oc]
build/
dist/
wheels/
*.egg-info

# Virtual environments
.venv

# Connection strings and secrets
.env
```
Сохраните и закройте .gitignore.
В текущем каталоге создайте новый файл с именем .env.
В файле .env добавьте запись для строки подключения с именем SQL_CONNECTION_STRING. Замените заполнители фактическими значениями.
```
SQL_CONNECTION_STRING="Server=<server>;Database=<database>;Encrypt=yes;TrustServerCertificate=no;Authentication=ActiveDirectoryInteractive"
```
Строка строка подключения зависит от типа SQL-базы данных, к которой вы подключаетесь. Для База данных SQL Azure или базы данных SQL в Fabric используйте строку подключения ODBC со вкладки строк подключения и настройте тип аутентификации под ваш сценарий. Для получения дополнительной информации о синтаксисе строка подключения см. раздел Connection strings for mssql-python.

Подсказка

На macOS, оба ActiveDirectoryInteractive и ActiveDirectoryDefault работают для проверки подлинности Microsoft Entra. ActiveDirectoryInteractive запрашивает вход при каждом запуске скрипта. Чтобы избежать повторяющихся запросов при входе, войдите один раз с помощью команды Azure CLIaz login и используйте ActiveDirectoryDefault. ActiveDirectoryDefault повторно использует кэшированные учетные данные.

Использование uv run для выполнения скрипта

В окне терминала до или в новом окне терминала, открываемом в том же каталоге, выполните следующую команду.
```
uv run streamlit run main.py
```
Отчет откроется на новой вкладке в веб-браузере.
Попробуйте свой отчет, чтобы узнать, как он работает. Если изменить что-либо, сохраните main.py и используйте параметр перезагрузки в правом верхнем углу окна браузера.
Чтобы предоставить общий доступ к прототипу, скопируйте все файлы, кроме .venv папки на другой компьютер. Папка .venv повторно создается при первом запуске.

Обратная связь

Были ли сведения на этой странице полезными?

Последнее обновление: 2026-10-19