Aller au contenu
datarelix.ai docs

Concepts clés

Exécutions

Une exécution (run dans l’API) est l’unité de travail centrale de Datarelix. Quand vous posez une question, vous créez une exécution qui :

  1. Planifie la stratégie d’exécution à l’aide du LLM
  2. Exécute des requêtes SQL et du code Python
  3. Produit une réponse finale

États d’une exécution

ÉtatDescription
pendingExécution créée, en attente de démarrage
planningLe LLM génère le plan d’exécution
executingLes étapes sont en cours d’exécution
successToutes les étapes se sont terminées correctement
partialCertaines étapes ont échoué, mais des résultats partiels sont disponibles
failedL’exécution n’a pas pu aboutir

Étapes

Chaque exécution comporte une ou plusieurs étapes (steps). Les étapes sont les opérations élémentaires :

Étapes SQL

Exécutent des requêtes SQL sur votre base de données :

  • Validées avant leur exécution (analyse en arbre syntaxique complet pour les dialectes SQL ; validateurs dédiés pour KQL et ES|QL)
  • Limitées aux instructions SELECT
  • LIMIT appliqué automatiquement
  • Protection par délai d’expiration

Étapes bac à sable

Exécutent du code Python à des fins d’analyse :

  • Environnement d’exécution isolé
  • Accès à pandas, numpy, matplotlib
  • Peuvent produire des artefacts (graphiques, fichiers)
  • Limites de mémoire et de temps

Le plan structuré

Au lieu d’exécuter des outils directement, le modèle renvoie un plan structuré. Celui-ci décrit les étapes à exécuter :

{
  "version": "1",
  "blocks": [
    {
      "type": "sql",
      "id": "query_1",
      "sql": "SELECT * FROM customers LIMIT 100",
      "description": "Get customer data",
      "output_var": "customers_data"
    },
    {
      "type": "sandbox",
      "id": "analysis_1",
      "code": "result = customers_data.groupby('country').size()",
      "description": "Count customers by country",
      "inputs": ["customers_data"],
      "outputs": ["result"]
    }
  ]
}

Cette approche :

  • Garantit que toutes les opérations sont validées avant leur exécution
  • Autorise une reprise automatique, dans des limites strictes
  • Rend le plan d’exécution transparent

Connexions

Les connexions conservent les identifiants de votre base de données :

  • Mots de passe chiffrés au repos par chiffrement symétrique Fernet
  • Pool de connexions pour les performances
  • Prise en charge de SSL/TLS

Artefacts

Les artefacts sont les fichiers produits pendant l’exécution :

  • Graphiques et visualisations (PNG, SVG)
  • Exports de données (CSV, JSON)
  • Stockés de manière sécurisée, avec des URL signées

Système de budgets

Datarelix utilise un système de budgets pour encadrer la consommation de ressources :

  • Nombre maximal de blocs SQL par plan
  • Nombre maximal de tentatives de reprise
  • Limites de tokens pour les appels au LLM
  • Limitation du débit, par clé d’API ou par utilisateur connecté

Cela évite les exécutions incontrôlées et assure un usage équitable des ressources. Les limites de formule — questions mensuelles, connexions actives, analyses IA du schéma — sont distinctes ; voir Facturation et formules et les réponses de formule et de quota.

Contexte de schéma

Le contexte de schéma rassemble les métadonnées de votre base qui aident le LLM à écrire des requêtes justes :

  • Noms et commentaires des tables
  • Types et descriptions des colonnes
  • Relations de clés étrangères

Le contexte de schéma est mis en cache et rafraîchi périodiquement.

Confidentialité