DB-GPT Connections 数据源连接模块详解BaseConnector 架构、支持的数据引擎与数据源 CRUD 实践【免费下载链接】DB-GPTopen-source agentic AI data assistant for the next generation of AI Data products.项目地址: https://gitcode.com/GitHub_Trending/db/DB-GPTDB-GPT 的 Connectionsconnections模块负责将各类结构化、半结构化与非结构化数据存储引擎接入框架把多维数据带入系统实现自然语言与多维数据之间的交互。本文基于当前仓库中文档docs/i18n/zh-CN/docusaurus-plugin-content-docs/current/modules/connections.md及配套源码完整梳理该模块支持的数据源清单、BaseConnector连接抽象与参数持久化模型、ConnectorManager的加载与缓存机制以及如何通过 REST API 和官方 SDK 完成数据源的增删改查帮助读者从文档级支持列表深入到可运行的接入实践。Connections 模块定位把多模态数据接入 Agentic 数据助手Connections 模块的定位可以概括为一句话为 DB-GPT 提供统一的数据存储接入层让自然语言问答Text-to-SQL、数据分析、数据库摘要DB Summary等上层能力都建立在同一套连接抽象之上。文档原文明确了它的两个职责支持连接各类结构化、半结构化与非结构化数据存储引擎把多维数据带入框架实现自然语言与多维数据的交互。在 DB-GPT 的代码组织中这一职责由三层共同承载核心抽象层BaseConnector 与 BaseDatasourceParameters定义了所有连接器的统一接口与参数持久化规范具体实现层dbgpt-core中的通用 RDBMSConnectorSQLAlchemy 封装以及dbgpt-ext中按引擎拆分的 16 个连接器实现文件MySQL、PostgreSQL、ClickHouse、DuckDB 等服务管理层ConnectorManager 与数据源服务 service.py负责连接器注册、实例缓存、以及面向前端的 REST 数据源 CRUD。支持的数据源清单完整继承原文档表格原文档给出的支持矩阵如下是判断某个数据库能否接入 DB-GPT的第一依据数据源支持说明MySQLYes最流行的开源关系数据库PostgreSQLYes先进的开源关系数据库VerticaYes强一致、ACID 的 SQL 数据仓库SparkYes大规模数据分析统一引擎DuckDBYes进程内 SQL OLAP 数据库SQLiteYes轻量嵌入式数据库MSSQLYesMicrosoft SQL ServerClickHouseYes面向实时应用与分析的高性能开源数据库OracleNoTODO关系数据库RedisNo多模型 NoSQL 数据库MongoDBNo文档型数据库HBaseNo分布式列式存储DorisYes易用、高性能的统一分析数据库Apache DorisDB2NoTODOIBM Db2CouchbaseNoTODO文档数据库ElasticsearchNo分布式 RESTful 搜索引擎OceanBaseNo分布式关系数据库TiDBNoTODO分布式关系数据库StarRocksYes新一代高性能分析数仓需要特别说明的一处文档与源码的进度差上表标记为 No 的 Oracle 与 OceanBase在当前仓库中实际上已有实现文件 conn_oracle.py、conn_oceanbase.py且 ConnectorManager.on_init 中已显式导入OracleConnector与OceanBaseConnector。这说明文档的支持矩阵滞后于代码演进从源码结构看实际可用范围以dbgpt-ext中已实现的连接器与DBType枚举下文详述为准。反之MongoDB、HBase、Couchbase、Elasticsearch、TiDB 在当前代码中确实没有对应连接器实现与文档结论一致。统一连接抽象BaseConnector 到底抽象了什么所有引擎连接器都继承自 BaseConnector它是一个抽象基类ABC用类属性db_type引擎类型标识与driver驱动协议如mysqlpymysql标识自身并强制子类实现 SQL 执行入口。其核心 API 可分为三组1. 实例化与连接管理方法 / 属性作用param_class()返回该连接器对应的参数类Type[C]from_parameters(parameters)由参数对象构造连接器实例base.py L28-L38db_url属性返回数据库引擎连接 URLclose()关闭连接基类同时实现__enter__/__exit__/__del__保证支持上下文管理器并在对象销毁时兜底关闭base.py L258-L2742. SQL 执行方法作用run(command, fetchall)唯一抽象方法执行 SQL 并返回结果列表是所有连接器的最小契约run_to_df(command, fetchall)执行 SQL 并以 DataFrame 返回供 pandas 分析链路使用3. Schema 元数据读取支撑自然语言问答的关键get_database_names()、get_table_names()、get_table_info()、get_columns()、get_fields()、get_indexes()、get_index_info()、get_show_create_table()、get_table_comments()/get_column_comments()、get_example_data()等。这些方法让 Agent 在执行 Text-to-SQL 前能够拿到表结构、索引、注释乃至示例数据——这正是自然语言与多维数据交互的底层信息通道。此外基类还提供is_normal_type()与is_graph_type()两个类方法用于区分常规连接器与图数据库连接器Neo4j、TuGraph 属于后者。值得注意的设计元数据方法大多不是抽象方法而是默认raise NotImplementedError。这意味着一个非 SQL 引擎例如未来的 NoSQL 连接器可以只实现run与部分元数据方法即可接入框架按能力渐进支持。参数模型BaseDatasourceParameters 与持久化状态映射连接器的连接信息统一由 BaseDatasourceParameters一个 dataclass描述它定义了参数对象 → 数据库记录的持久化规范persisted_state()将参数对象序列化为落库字典固定输出db_type键并把其余非映射字段归入ext_config_persisted_state_mapping()规定了字段改名规则源码中明确为parameter.pyhost→db_hostport→db_portuser→db_userpassword→db_pwddatabase→db_namepath→db_path文件型数据库的自动命名当只有db_path而没有db_name时典型如 SQLite、Spark、DuckDB 这类以文件路径定位的数据库源码会从路径推断库名例如/path/to/db.sqlite会生成db_name sqlite_dbparameter.py L62-L67。反向过程由from_persisted_state()完成读取数据库记录时先做键名还原再合并ext_config最终只保留当前 dataclass 字段中存在的键从而保证不同版本间字段增减的向后兼容——这是数据源配置能够跨版本升级存储的重要细节。关系型引擎的参数类进一步继承出RDBMSDatasourceParameters其db_url()方法按driver://user:passwordhost:port/database拼装连接串并支持追加charset与ssl_verify_certtruessl_verify_identitytrue参数rdbms/base.py L104-L111其中用户与密码分别经quote/urlquote转义避免特殊字符破坏 URL 结构。具体实现从 RDBMSConnector 到各引擎子类的注册RDBMSConnectorSQLAlchemy 之上的通用封装RDBMSConnector 是所有 SQL 引擎的公共实现构造参数本身就是一份很好的能力说明rdbms/base.py L117-L141参数默认值说明engine必填SQLAlchemyEngine实例schemaNone限定 schemaignore_tables/include_tablesNone排除/包含的表白名单二者互斥同时指定会抛ValueErrorsample_rows_in_table_info3表信息中附带的示例行数indexes_in_table_infoFalse表信息中是否包含索引custom_table_infoNone自定义表描述映射view_supportFalse是否把视图纳入可用表集合构造时会执行inspect(engine)与MetaData.reflect(bindengine)完成元数据反射并通过sessionmakerscoped_session管理会话。静态工厂方法from_uri()、from_uri_db(host, port, user, pwd, db_name, engine_args)以及from_parameters(parameters)提供了从连接串、字段参数、参数对象三条构造路径。各引擎连接器与 DBType 枚举引擎差异方言、驱动、认证方式被下沉到dbgpt-ext包中按文件组织的子类packages/dbgpt-ext/src/dbgpt_ext/datasource/rdbms/下包含conn_mysql.py、conn_postgresql.py、conn_sqlite.py、conn_mssql.py、conn_clickhouse.py、conn_duckdb.py、conn_doris.py、conn_starrocks.py、conn_vertica.py、conn_oracle.py、conn_oceanbase.py、conn_gaussdb.py、conn_openGauss.py、conn_hive.py、conn_maxcompute.py等实现非常规引擎独立存放conn_spark.pySparkConnector、conn_neo4j.pyNeo4jConnector、conn_tugraph.pyTuGraphConnector图数据库。引擎类型统一收敛到 DBType 枚举当前定义包含 18 种MySQL、OceanBase、DuckDb、SQLite、Oracle、MSSQL、Postgresql、GaussDB、openGauss、Vertica、Clickhouse、StarRocks、Spark、Doris、Hive、MaxCompute、TuGraph、Neo4j。其中DuckDb、SQLite、Spark在构造时标记为文件型数据库is_file_db()据此返回True——前端与后端借此区分要填 host/port还是只要给文件路径两类配置表单。连接器的加载与缓存ConnectorManager 的运行时机制数据源服务组件 ConnectorManager 在组件初始化阶段on_init显式导入全部连接器类MySQL、PostgreSQL、OceanBase、Oracle、GaussDB、openGauss、Spark、TuGraph、Neo4j、ClickHouse、Doris、DuckDB、Hive、MaxCompute、MSSQL、SQLite、StarRocks、Vertica 等再通过_get_all_subclasses(BaseConnector)递归收集BaseConnector的所有子类形成类型 → 连接器类的注册表。从源码结构看这种导入即注册 类继承扫描的组合使得新增一个引擎只需新增子类文件并在on_init中导入无需改动服务主流程。实例化层面ConnectorManager内置了一套针对反射昂贵问题的两级防护connector_manager.py L35-L58按db_name的连接器缓存默认 TTL 为 1800 秒30 分钟。源码注释明确指出构建连接器最昂贵的部分是RDBMSConnector.__init__中的MetaData.reflect在包含数百张表的库例如大型 MSSQL 库上需要数十秒缓存让这次开销在多次对话间摊薄按db_name的创建锁当多个会话同时冷启动同一个数据源时只有一个会话真正执行反射其余等待并复用同一实例避免惊群式重复反射。此外旧的get_all_completed_types()接口已被标记Deprecated(version0.7.0, remove_version0.8.0)官方替代是get_supported_types——在编写集成代码时应优先使用新接口。实战数据源的 REST API 与 SDK CRUDREST 端点数据源服务的 HTTP 路由定义在 endpoints.py均挂在/datasources前缀下并带有check_api_key鉴权依赖除 CRUD 外还提供服务自检端点方法路径用途GET/datasources/health健康检查GET/datasources/test_auth鉴权测试POST/datasources创建数据源内部走ConnectorManager完成试连接 落库DELETE/datasources/{id}删除数据源GET/datasources/{id}查询单个数据源GET/datasources列出数据源POST/datasources/test_connection等同路由测试连接是否可用创建入口的服务端实现是 DatasourceService.create它先依据参数类create_connector()实际建连验证成功后才把persisted_state()写入ConnectConfigDao管理的存储保证库中不存在连不上的僵尸配置。SDK 用法dbgpt-client提供了与端点一一对应的异步函数 create_datasource、update_datasource、delete_datasource、get_datasource、list_datasource仓库自带完整示例 datasource_crud_example.py。一个可复制的 MySQL 数据源创建流程如下参数名与persisted_state映射规则严格对应import asyncio from dbgpt_client import Client from dbgpt_client.datasource import create_datasource from dbgpt_client.schema import DatasourceModel async def main(): client Client(api_keydbgpt) try: res await create_datasource( client, DatasourceModel( db_namedbgpt, descfor client datasource, db_typemysql, db_host127.0.0.1, db_userroot, db_pwdxxxx, db_port3306, ), ) print(res) finally: await client.aclose() asyncio.run(main())对接文件型数据库时则使用db_path字段而不是db_host/db_port例如 SQLite 与 DuckDB创建后db_name会自动由文件名派生如sqlite_demo。更新与删除分别对应update_datasource(client, DatasourceModel(...))与delete_datasource(client, datasource_id)示例中api_keydbgpt为本地默认密钥生产环境请以实际配置的密钥替换。用集成测试验证连接器行为仓库在 tests/intetration_tests/datasource/ 下为各引擎提供了真实连接测试test_conn_mysql.py、test_conn_clickhouse.py、test_conn_doris.py、test_conn_oracle.py、test_conn_starrocks.py、test_conn_tugraph.py等。这些测试既是对文档支持矩阵的回归验证也是评估新引擎接入质量的参考模板——若某个数据库在文档中标记为 TODO检查该目录下是否存在对应测试文件是判断其接入进度最快的方式之一。小结与适用边界Connections 模块以BaseConnector最小契约是run()BaseDatasourceParameters持久化映射 文件库命名规则DBType枚举18 种引擎、文件型标记构成接入抽象RDBMSConnector提供基于 SQLAlchemy 的通用反射与元数据读取能力ConnectorManager通过导入即注册 子类递归扫描管理连接器并用 30 分钟 TTL 缓存与按库名创建锁把昂贵的元数据反射开销摊薄到多次会话数据源生命周期由/datasourcesREST 端点与dbgpt-client的五个异步函数完整覆盖先试连、后落库保证了配置有效性适用边界文档支持矩阵中 Oracle/OceanBase 已标记 NoTODO但当前源码中已有对应连接器实现实际支持面以DBType枚举与dbgpt-ext目录为准MongoDB、Elasticsearch、TiDB 等 NoSQL/搜索引擎类目标前尚无连接器属于文档所列的待实现方向。【免费下载链接】DB-GPTopen-source agentic AI data assistant for the next generation of AI Data products.项目地址: https://gitcode.com/GitHub_Trending/db/DB-GPT创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
DB-GPT Connections 数据源连接模块详解：BaseConnector 架构、支持的数据引擎与数据源 CRUD 实践
DB-GPT Connections 数据源连接模块详解BaseConnector 架构、支持的数据引擎与数据源 CRUD 实践【免费下载链接】DB-GPTopen-source agentic AI data assistant for the next generation of AI Data products.项目地址: https://gitcode.com/GitHub_Trending/db/DB-GPTDB-GPT 的 Connectionsconnections模块负责将各类结构化、半结构化与非结构化数据存储引擎接入框架把多维数据带入系统实现自然语言与多维数据之间的交互。本文基于当前仓库中文档docs/i18n/zh-CN/docusaurus-plugin-content-docs/current/modules/connections.md及配套源码完整梳理该模块支持的数据源清单、BaseConnector连接抽象与参数持久化模型、ConnectorManager的加载与缓存机制以及如何通过 REST API 和官方 SDK 完成数据源的增删改查帮助读者从文档级支持列表深入到可运行的接入实践。Connections 模块定位把多模态数据接入 Agentic 数据助手Connections 模块的定位可以概括为一句话为 DB-GPT 提供统一的数据存储接入层让自然语言问答Text-to-SQL、数据分析、数据库摘要DB Summary等上层能力都建立在同一套连接抽象之上。文档原文明确了它的两个职责支持连接各类结构化、半结构化与非结构化数据存储引擎把多维数据带入框架实现自然语言与多维数据的交互。在 DB-GPT 的代码组织中这一职责由三层共同承载核心抽象层BaseConnector 与 BaseDatasourceParameters定义了所有连接器的统一接口与参数持久化规范具体实现层dbgpt-core中的通用 RDBMSConnectorSQLAlchemy 封装以及dbgpt-ext中按引擎拆分的 16 个连接器实现文件MySQL、PostgreSQL、ClickHouse、DuckDB 等服务管理层ConnectorManager 与数据源服务 service.py负责连接器注册、实例缓存、以及面向前端的 REST 数据源 CRUD。支持的数据源清单完整继承原文档表格原文档给出的支持矩阵如下是判断某个数据库能否接入 DB-GPT的第一依据数据源支持说明MySQLYes最流行的开源关系数据库PostgreSQLYes先进的开源关系数据库VerticaYes强一致、ACID 的 SQL 数据仓库SparkYes大规模数据分析统一引擎DuckDBYes进程内 SQL OLAP 数据库SQLiteYes轻量嵌入式数据库MSSQLYesMicrosoft SQL ServerClickHouseYes面向实时应用与分析的高性能开源数据库OracleNoTODO关系数据库RedisNo多模型 NoSQL 数据库MongoDBNo文档型数据库HBaseNo分布式列式存储DorisYes易用、高性能的统一分析数据库Apache DorisDB2NoTODOIBM Db2CouchbaseNoTODO文档数据库ElasticsearchNo分布式 RESTful 搜索引擎OceanBaseNo分布式关系数据库TiDBNoTODO分布式关系数据库StarRocksYes新一代高性能分析数仓需要特别说明的一处文档与源码的进度差上表标记为 No 的 Oracle 与 OceanBase在当前仓库中实际上已有实现文件 conn_oracle.py、conn_oceanbase.py且 ConnectorManager.on_init 中已显式导入OracleConnector与OceanBaseConnector。这说明文档的支持矩阵滞后于代码演进从源码结构看实际可用范围以dbgpt-ext中已实现的连接器与DBType枚举下文详述为准。反之MongoDB、HBase、Couchbase、Elasticsearch、TiDB 在当前代码中确实没有对应连接器实现与文档结论一致。统一连接抽象BaseConnector 到底抽象了什么所有引擎连接器都继承自 BaseConnector它是一个抽象基类ABC用类属性db_type引擎类型标识与driver驱动协议如mysqlpymysql标识自身并强制子类实现 SQL 执行入口。其核心 API 可分为三组1. 实例化与连接管理方法 / 属性作用param_class()返回该连接器对应的参数类Type[C]from_parameters(parameters)由参数对象构造连接器实例base.py L28-L38db_url属性返回数据库引擎连接 URLclose()关闭连接基类同时实现__enter__/__exit__/__del__保证支持上下文管理器并在对象销毁时兜底关闭base.py L258-L2742. SQL 执行方法作用run(command, fetchall)唯一抽象方法执行 SQL 并返回结果列表是所有连接器的最小契约run_to_df(command, fetchall)执行 SQL 并以 DataFrame 返回供 pandas 分析链路使用3. Schema 元数据读取支撑自然语言问答的关键get_database_names()、get_table_names()、get_table_info()、get_columns()、get_fields()、get_indexes()、get_index_info()、get_show_create_table()、get_table_comments()/get_column_comments()、get_example_data()等。这些方法让 Agent 在执行 Text-to-SQL 前能够拿到表结构、索引、注释乃至示例数据——这正是自然语言与多维数据交互的底层信息通道。此外基类还提供is_normal_type()与is_graph_type()两个类方法用于区分常规连接器与图数据库连接器Neo4j、TuGraph 属于后者。值得注意的设计元数据方法大多不是抽象方法而是默认raise NotImplementedError。这意味着一个非 SQL 引擎例如未来的 NoSQL 连接器可以只实现run与部分元数据方法即可接入框架按能力渐进支持。参数模型BaseDatasourceParameters 与持久化状态映射连接器的连接信息统一由 BaseDatasourceParameters一个 dataclass描述它定义了参数对象 → 数据库记录的持久化规范persisted_state()将参数对象序列化为落库字典固定输出db_type键并把其余非映射字段归入ext_config_persisted_state_mapping()规定了字段改名规则源码中明确为parameter.pyhost→db_hostport→db_portuser→db_userpassword→db_pwddatabase→db_namepath→db_path文件型数据库的自动命名当只有db_path而没有db_name时典型如 SQLite、Spark、DuckDB 这类以文件路径定位的数据库源码会从路径推断库名例如/path/to/db.sqlite会生成db_name sqlite_dbparameter.py L62-L67。反向过程由from_persisted_state()完成读取数据库记录时先做键名还原再合并ext_config最终只保留当前 dataclass 字段中存在的键从而保证不同版本间字段增减的向后兼容——这是数据源配置能够跨版本升级存储的重要细节。关系型引擎的参数类进一步继承出RDBMSDatasourceParameters其db_url()方法按driver://user:passwordhost:port/database拼装连接串并支持追加charset与ssl_verify_certtruessl_verify_identitytrue参数rdbms/base.py L104-L111其中用户与密码分别经quote/urlquote转义避免特殊字符破坏 URL 结构。具体实现从 RDBMSConnector 到各引擎子类的注册RDBMSConnectorSQLAlchemy 之上的通用封装RDBMSConnector 是所有 SQL 引擎的公共实现构造参数本身就是一份很好的能力说明rdbms/base.py L117-L141参数默认值说明engine必填SQLAlchemyEngine实例schemaNone限定 schemaignore_tables/include_tablesNone排除/包含的表白名单二者互斥同时指定会抛ValueErrorsample_rows_in_table_info3表信息中附带的示例行数indexes_in_table_infoFalse表信息中是否包含索引custom_table_infoNone自定义表描述映射view_supportFalse是否把视图纳入可用表集合构造时会执行inspect(engine)与MetaData.reflect(bindengine)完成元数据反射并通过sessionmakerscoped_session管理会话。静态工厂方法from_uri()、from_uri_db(host, port, user, pwd, db_name, engine_args)以及from_parameters(parameters)提供了从连接串、字段参数、参数对象三条构造路径。各引擎连接器与 DBType 枚举引擎差异方言、驱动、认证方式被下沉到dbgpt-ext包中按文件组织的子类packages/dbgpt-ext/src/dbgpt_ext/datasource/rdbms/下包含conn_mysql.py、conn_postgresql.py、conn_sqlite.py、conn_mssql.py、conn_clickhouse.py、conn_duckdb.py、conn_doris.py、conn_starrocks.py、conn_vertica.py、conn_oracle.py、conn_oceanbase.py、conn_gaussdb.py、conn_openGauss.py、conn_hive.py、conn_maxcompute.py等实现非常规引擎独立存放conn_spark.pySparkConnector、conn_neo4j.pyNeo4jConnector、conn_tugraph.pyTuGraphConnector图数据库。引擎类型统一收敛到 DBType 枚举当前定义包含 18 种MySQL、OceanBase、DuckDb、SQLite、Oracle、MSSQL、Postgresql、GaussDB、openGauss、Vertica、Clickhouse、StarRocks、Spark、Doris、Hive、MaxCompute、TuGraph、Neo4j。其中DuckDb、SQLite、Spark在构造时标记为文件型数据库is_file_db()据此返回True——前端与后端借此区分要填 host/port还是只要给文件路径两类配置表单。连接器的加载与缓存ConnectorManager 的运行时机制数据源服务组件 ConnectorManager 在组件初始化阶段on_init显式导入全部连接器类MySQL、PostgreSQL、OceanBase、Oracle、GaussDB、openGauss、Spark、TuGraph、Neo4j、ClickHouse、Doris、DuckDB、Hive、MaxCompute、MSSQL、SQLite、StarRocks、Vertica 等再通过_get_all_subclasses(BaseConnector)递归收集BaseConnector的所有子类形成类型 → 连接器类的注册表。从源码结构看这种导入即注册 类继承扫描的组合使得新增一个引擎只需新增子类文件并在on_init中导入无需改动服务主流程。实例化层面ConnectorManager内置了一套针对反射昂贵问题的两级防护connector_manager.py L35-L58按db_name的连接器缓存默认 TTL 为 1800 秒30 分钟。源码注释明确指出构建连接器最昂贵的部分是RDBMSConnector.__init__中的MetaData.reflect在包含数百张表的库例如大型 MSSQL 库上需要数十秒缓存让这次开销在多次对话间摊薄按db_name的创建锁当多个会话同时冷启动同一个数据源时只有一个会话真正执行反射其余等待并复用同一实例避免惊群式重复反射。此外旧的get_all_completed_types()接口已被标记Deprecated(version0.7.0, remove_version0.8.0)官方替代是get_supported_types——在编写集成代码时应优先使用新接口。实战数据源的 REST API 与 SDK CRUDREST 端点数据源服务的 HTTP 路由定义在 endpoints.py均挂在/datasources前缀下并带有check_api_key鉴权依赖除 CRUD 外还提供服务自检端点方法路径用途GET/datasources/health健康检查GET/datasources/test_auth鉴权测试POST/datasources创建数据源内部走ConnectorManager完成试连接 落库DELETE/datasources/{id}删除数据源GET/datasources/{id}查询单个数据源GET/datasources列出数据源POST/datasources/test_connection等同路由测试连接是否可用创建入口的服务端实现是 DatasourceService.create它先依据参数类create_connector()实际建连验证成功后才把persisted_state()写入ConnectConfigDao管理的存储保证库中不存在连不上的僵尸配置。SDK 用法dbgpt-client提供了与端点一一对应的异步函数 create_datasource、update_datasource、delete_datasource、get_datasource、list_datasource仓库自带完整示例 datasource_crud_example.py。一个可复制的 MySQL 数据源创建流程如下参数名与persisted_state映射规则严格对应import asyncio from dbgpt_client import Client from dbgpt_client.datasource import create_datasource from dbgpt_client.schema import DatasourceModel async def main(): client Client(api_keydbgpt) try: res await create_datasource( client, DatasourceModel( db_namedbgpt, descfor client datasource, db_typemysql, db_host127.0.0.1, db_userroot, db_pwdxxxx, db_port3306, ), ) print(res) finally: await client.aclose() asyncio.run(main())对接文件型数据库时则使用db_path字段而不是db_host/db_port例如 SQLite 与 DuckDB创建后db_name会自动由文件名派生如sqlite_demo。更新与删除分别对应update_datasource(client, DatasourceModel(...))与delete_datasource(client, datasource_id)示例中api_keydbgpt为本地默认密钥生产环境请以实际配置的密钥替换。用集成测试验证连接器行为仓库在 tests/intetration_tests/datasource/ 下为各引擎提供了真实连接测试test_conn_mysql.py、test_conn_clickhouse.py、test_conn_doris.py、test_conn_oracle.py、test_conn_starrocks.py、test_conn_tugraph.py等。这些测试既是对文档支持矩阵的回归验证也是评估新引擎接入质量的参考模板——若某个数据库在文档中标记为 TODO检查该目录下是否存在对应测试文件是判断其接入进度最快的方式之一。小结与适用边界Connections 模块以BaseConnector最小契约是run()BaseDatasourceParameters持久化映射 文件库命名规则DBType枚举18 种引擎、文件型标记构成接入抽象RDBMSConnector提供基于 SQLAlchemy 的通用反射与元数据读取能力ConnectorManager通过导入即注册 子类递归扫描管理连接器并用 30 分钟 TTL 缓存与按库名创建锁把昂贵的元数据反射开销摊薄到多次会话数据源生命周期由/datasourcesREST 端点与dbgpt-client的五个异步函数完整覆盖先试连、后落库保证了配置有效性适用边界文档支持矩阵中 Oracle/OceanBase 已标记 NoTODO但当前源码中已有对应连接器实现实际支持面以DBType枚举与dbgpt-ext目录为准MongoDB、Elasticsearch、TiDB 等 NoSQL/搜索引擎类目标前尚无连接器属于文档所列的待实现方向。【免费下载链接】DB-GPTopen-source agentic AI data assistant for the next generation of AI Data products.项目地址: https://gitcode.com/GitHub_Trending/db/DB-GPT创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
