Hızlı Başlangıç: Python için mssql-python sürücüsüyle hızlı prototip oluşturma

Bu hızlı başlangıçta, Streamlit kullanarak, kullanıcı geri bildirimlerini erkenden toplayabilmeniz için hızlıca bir rapor oluşturursunuz. Python için mssql-python sürücüsünü kullanarak veritabanınıza bağlanır ve raporunuza yüklenen verileri okursunuz.

Sürücü, mssql-python Windows makinelerinde dış bağımlılık gerektirmez. Sürücü, ihtiyaç duyduğu her şeyi tek pip bir yüklemeyle yükler ve yükseltmeye ve test etmeye vaktiniz olmayan diğer betikleri bozmadan yeni betikler için sürücünün en son sürümünü kullanmanıza olanak sağlar.

mssql-python belgeleri | mssql-python kaynak kodu | Paket (PyPI) | Uv

Önkoşullar

• Python 3.10 veya üzeri.

• Python'larınız yoksa, python.orgPython çalışma zamanını ve pip paket yöneticisini yükleyin.

• Kendi ortamınızı kullanmak istemiyor musunuz? Container ve yerel geliştirmeyi takip ederek tekrarlanabilir bir devcontainer veya GitHub Codespaces ortamı oluşturun.

• Visual Studio Code aşağıdaki uzantılarla:

  • Visual Studio Code için Python uzantısı

• macOS ve Linux'ta parolasız kimlik doğrulaması için Azure Command-Line Arabirimi (CLI).

• henüz sahip uvdeğilseniz yükleme yönergelerini izleyin.

• SQL Server, Azure SQL Veritabanı veya Fabric'teki SQL veritabanından biri üzerinde AdventureWorks2025 örnek şema ve geçerli bir bağlantı dizesi.

İşletim sistemi ön koşullarını kurma

Tek seferlik işletim sistemine özgü önkoşulları yükleyin. Windows kullanıcıları bu adımı atlayabilir. Platformun tam detayları için mssql-python'u Install sayfasına bakınız.

Alpine

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

Debian/Ubuntu

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

RHEL

dnf install -y libtool-ltdl krb5-libs

SUSE

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

openSUSE

zypper install -y libltdl7

macOS

brew install openssl

SQL veritabanı oluşturma

Aşağıdaki platformlardan birinde bir SQL veritabanı oluşturun veya bağlanın:

Azure SQL Veritabanı

Azure portalını kullanarak dakikalar içinde SQL veritabanı oluşturma

Fabric'de SQL veritabanı

Microsoft Fabric'teki SQL veritabanınıza AdventureWorks örnek verilerini yükleme

Microsoft SQL Server

SQL Server'ı Kurulum Büyücüsü'nden kur

AdventureWorks örnek veritabanları

SQL Server konteyneri

Docker'da bir SQL Server konteyneri oluştur

sqlcmd ile bir SQL Server konteyneri oluştur

VS Code için MSSQL uzantısı ile bir SQL Server konteyneri oluşturun

Projeyi oluşturma ve kodu çalıştırma

• Yeni proje oluşturma
• Bağımlılık ekleme
• Visual Studio Code'ı başlatma
• pyproject.toml güncelleştirme
• Main.py'yi Güncelle
• Bağlantı dizesini kaydetme
• Betik dosyasını çalıştırmak için uv run kullanın

Yeni proje oluşturma

1. Geliştirme dizininizde bir komut istemi açın. Eğer bir dizin yoksa, yeni bir dizin oluşturun, örneğin python veya scripts. OneDrive'ınızdaki klasörlerden kaçının, çünkü senkronizasyon sanal ortamınızı yönetmenize engel olabilir.

2. ile yeni bir uv oluşturun.

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

Bağımlılık ekleme

Aynı dizinde , mssql-pythonve streamlit paketlerini yükleyinpython-dotenv.

uv add mssql-python python-dotenv streamlit

Visual Studio Code'ı başlatma

Aynı dizinde aşağıdaki komutu çalıştırın.

code .

pyproject.toml güncelle

1. pyproject.toml Dosyayı düzenleyicinizde açın. Bu dosya, projenizin meta verilerini içerir.

2. Değeri description güncelleyin.

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

3. Dosyayı kaydedin ve kapatın.

Güncelle main.py

1. adlı main.pydosyayı açın. Bu örneğe benzer olmalıdır.

   def main():
       print("Hello from rapid-prototyping-qs!")
   
   if __name__ == "__main__":
       main()
   

2. Dosyanın en üstüne, def main() içeren satırdan önce aşağıdaki importları ekleyin.

   Tavsiye

   Visual Studio Code paketleri çözümleme konusunda sorun yaşıyorsa, yorumlayıcıyı sanal ortamı kullanacak şekilde güncelleştirmeniz gerekir.

   from os import getenv
   from dotenv import load_dotenv
   from mssql_python import connect, Connection
   import pandas as pd
   import streamlit as st
   

3. İçeri aktarmalar ile satır def main() arasına aşağıdaki kodu ekleyin.

   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)
   

4. İmportlar ile def page_load() -> None: arasında, bu kodu ekleyin.

   _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
   

5. Bu kodu bulun.

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

6. Bu kodla değiştirin.

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

7. kaydedin ve kapatın main.py.

Bağlantı dizesini kaydetme

1. .gitignore dosyasını açın ve .env dosyaları için bir dışlama ekleyin. Dosyanız aşağıdaki örneğe benzer olmalıdır.

   # Python-generated files
   __pycache__/
   *.py[oc]
   build/
   dist/
   wheels/
   *.egg-info
   
   # Virtual environments
   .venv
   
   # Connection strings and secrets
   .env
   

2. kaydedin ve kapatın .gitignore.

3. Geçerli dizinde adlı .envyeni bir dosya oluşturun.

4. dosyasının içine .env bağlantı dizeniz için adlı SQL_CONNECTION_STRINGbir girdi ekleyin. Yer tutucuları gerçek değerlerinizle değiştirin.

   SQL_CONNECTION_STRING="Server=<server>;Database=<database>;Encrypt=yes;TrustServerCertificate=no;Authentication=ActiveDirectoryInteractive"
   

   Bağlantı dizesi, bağlandığınız SQL veritabanı türüne bağlıdır. Azure SQL Veritabanı veya Fabric'teki SQL veritabanı için, bağlantı dizileri sekmesindeki ODBC bağlantı dizesi'i kullanın ve senaryonuza göre kimlik doğrulama türünü ayarlayın. bağlantı dizesi sözdizimi hakkında daha fazla bilgi için mssql-python için bağlantı dizileri bölümünü inceleyebilirsiniz.

   Tavsiye

   macOS'ta hem ActiveDirectoryInteractive hem de ActiveDirectoryDefault Microsoft Entra kimlik doğrulaması için çalışır. ActiveDirectoryInteractive betiği her çalıştırdığınızda oturum açmanızı ister. Tekrar tekrar giriş istemlerini önlemek için, Azure CLIaz login komutuyla bir kez oturum açın ve ActiveDirectoryDefault kullanın. ActiveDirectoryDefault Önbelleğe alınan kimlik bilgilerini tekrar kullanır.

Betiği yürütmek için uv çalıştır komutunu kullan

1. Önceki terminal penceresinde veya aynı dizine açılan yeni bir terminal penceresinde aşağıdaki komutu çalıştırın.

   uv run streamlit run main.py
   

   Raporunuz web tarayıcınızda yeni bir sekmede açılır.

2. Nasıl çalıştığını görmek için raporunuzu deneyin. Herhangi bir şeyi değiştirirseniz, tarayıcı penceresinin sağ üst köşesindeki yeniden yükleme seçeneğini kaydedin main.py ve kullanın.

3. Prototipinizi paylaşmak için .venv klasör dışındaki tüm dosyaları diğer makineye kopyalayın. Klasör .venv ilk çalıştırmayla yeniden oluşturulur.

İlgili içerik

• Hızlı Başlangıç: Python için mssql-python sürücüsüyle yinelenebilir dağıtımlar
• Bağlantı dizelerini programatik olarak oluştur
• mssql-python ile sorguları çalıştır