Passer au contenu principal
Le SmartTablesSDK offre une solution complète pour gérer des tables de données structurées avec des capacités avancées de requête, filtrage, tri et manipulation de données. Créez des applications puissantes de gestion de données avec facilité, avec support pour les vues personnalisées, l’importation/exportation de données et le traitement de données alimenté par l’IA.

Installation

Démarrage rapide

Dans cet exemple, vous apprendrez comment utiliser SmartTablesSDK pour créer et gérer par programmation des tables de données structurées via l’API EKB. Vous commencez en initialisant le SDK avec vos identifiants API (URL de base, ID de projet, clé API et secret), puis suivez un flux de travail simple pour construire une base de données fonctionnelle : d’abord, vous créez une nouvelle table avec `createTable()` en fournissant un nom et une description (dans ce cas, « Base de données client »), puis vous définissez la structure de la table en ajoutant des colonnes avec `addColumn()`, en spécifiant le nom, le type de données (comme « texte » ou « e-mail ») et la description de chaque colonne. Une fois votre structure de table configurée, vous pouvez la remplir avec des données en utilisant `addRow()` pour insérer les enregistrements sous forme de paires clé-valeur, et enfin interroger vos données avec `queryTable()`, qui prend en charge le filtrage (avec des opérateurs comme « contains »), la pagination et d’autres paramètres de requête pour récupérer exactement les données dont vous avez besoin. Cela vous donne une solution complète et programmable pour créer des structures de type base de données avec des capacités alimentées par l’IA, parfaite pour construire des systèmes dynamiques de gestion de données, des outils CRM ou toute application où vous devez stocker, organiser et interroger des informations structurées via une API—sans gérer l’infrastructure traditionnelle de base de données.

Configuration

Interface SmartTablesSDKConfig

SmartTablesSDK utilise la même configuration que les autres composants SDK, étendant BaseClientConfig.

Concepts clés

SmartTable

Une SmartTable représente une table de données structurée avec schéma, métadonnées et capacités de gestion de données.

SmartTableColumn

Définit la structure et les propriétés des colonnes de table.

Filtrage et requête

Système de filtrage avancé avec plusieurs opérateurs et options de tri.

Gestion de table

`getAllTables()`

Récupérez toutes les tables du projet.
Exemple:

`getTable(tableId)`

Obtenez une table spécifique par ID.
Exemple:

`createTable(title, description, metadata?)`

Créez une nouvelle table.
Exemple:

`updateTable(tableId, title, description?, metadata?)`

Mettez à jour les métadonnées de table.
Exemple:

`deleteTable(tableId)`

Supprimez une table et toutes ses données de façon permanente.
Exemple:

Opérations de colonnes

`addColumn(tableId, column)`

Ajoutez une nouvelle colonne à la table.
Exemple:

`updateColumn(tableId, columnName, updates)`

Mettez à jour les propriétés de colonne.
Exemple:

`deleteColumn(tableId, columnName)`

Supprimez une colonne de la table.
Exemple:

Opérations de données

`addRow(tableId, data)`

Ajoutez une nouvelle ligne à la table.
Exemple:

`updateRow(tableId, rowId, columnName, newValue)`

Mettez à jour une cellule spécifique dans la table.
Exemple:

`deleteRow(tableId, rowId)`

Supprimez une ligne de la table.
Exemple:

Requête et filtrage

`queryTable(tableId, options?)`

Interrogez les données de table avec filtrage avancé, tri et pagination.
TableQueryOptions:
Exemples:

Requête de base

Requête filtrée

Requête triée avec pagination

Importation/exportation de données

`importTable(title, description, columnMappings, file)`

Importez des données à partir de fichiers CSV ou Excel.
Interface ColumnMapping:
Exemple:

Fonctionnalités alimentées par l’IA

`computeRowColumns(dataTypeId, rowId, columnNames?)`

Déclenchez le calcul par IA pour des colonnes de ligne spécifiques.
Exemple:

`computeAllRows(dataTypeId)`

Déclenchez le calcul par IA pour toutes les lignes de la table.
Exemple:

Gestion des erreurs

SmartTablesSDK utilise la même gestion des erreurs que les autres composants SDK:

Exemples

Application complète de gestion de données

Dans cet exemple, vous apprendrez comment construire un système complet de gestion de produits en utilisant SmartTablesSDK avec une classe bien structurée qui gère l’inventaire et les informations de produits. La classe `ProductManager` initialise le SDK avec les variables d’environnement et fournit un flux de travail complet pour gérer un catalogue de produits : la méthode `initializeTable()` crée une nouvelle table « Catalogue de produits » et configure un schéma complet avec huit colonnes incluant différents types de données (texte, nombre, booléen, e-mail, url et date), ainsi que des contraintes comme `notNull` pour les champs obligatoires et `defaultValue` pour la disponibilité des stocks. Une fois initialisée, vous pouvez ajouter des produits en utilisant `addProduct()`, qui insère de nouvelles lignes et horodate automatiquement chaque entrée avec la date actuelle, et effectuer des recherches sophistiquées avec `searchProducts()`, qui vous permet de filtrer les produits par catégorie, plage de prix (en utilisant les opérateurs « gte » et « lte » pour les comparaisons supérieur-ou-égal et inférieur-ou-égal), appliquer une recherche textuelle sur la table et trier les résultats alphabétiquement par nom de produit. Cela vous donne un modèle prêt pour la production pour construire des systèmes d’inventaire e-commerce, des bases de données de produits ou toute application nécessitant une gestion de données structurée avec des capacités de requête avancées—démontrant comment combiner plusieurs conditions de filtre, pagination, tri et fonctionnalité de recherche dans une solution cohésive de gestion de données.

Meilleures pratiques

Requête efficace

  • Utilisez la pagination pour les grands ensembles de données
  • Appliquez des filtres pour réduire le transfert de données
  • Combinez plusieurs opérations lorsque c’est possible

Conception du schéma

  • Définissez les types de colonnes appropriés
  • Utilisez les contraintes (notNull, unique) de manière appropriée
  • Fournissez des descriptions significatives

Gestion des erreurs et validation

  • Gérez toujours les erreurs gracieusement
  • Validez les données avant les opérations
  • Utilisez les transactions pour les opérations liées