---
title: "Источники данных"
id: "1341"
type: "page"
slug: "data-sources"
published_at: "2026-08-15T23:32:27+00:00"
modified_at: "2026-10-17T12:50:57+00:00"
url: "https://pastukhov.com/agents/analytics/docs/data-sources/"
markdown_url: "https://pastukhov.com/agents/analytics/docs/data-sources.md"
excerpt: "Источники данных подключаются в разделе «Источники данных» веб-интерфейса: создание, проверка подключения, детали источника. Поддерживаются три…"
---

# Источники данных

[https://pastukhov.com/agents/analytics/docs/data-sources/.md](https://pastukhov.com/agents/analytics/docs/data-sources/.md)

Источники данных подключаются в разделе «Источники данных» веб-интерфейса: создание, проверка подключения, детали источника. Поддерживаются три СУБД — SQLite, PostgreSQL и ClickHouse — и свои источники на Python-скриптах.

## Типы источников

- **SQLite** — путь к файлу базы, таймаут (30 с по умолчанию), режим read-only;
- **PostgreSQL** — host, port (5432), база, логин, пароль, SSL, таймаут;
- **ClickHouse** — host, HTTP-порт (8123), база, логин, пароль, SSL, таймаут.
- **Python-скрипт** — источник для любого сервиса, у которого есть клиент на Python: в настройках указывается ключ скрипта и постоянные аргументы.

## Источник из своего скрипта

Если готового подключения к вашему сервису нет, источником может стать свой Python-скрипт. В настройках источника выбирается скрипт и задаются постоянные аргументы, а текст запроса скрипт понимает по-своему: это может быть адрес, путь к файлу или своё выражение — договорённость внутри скрипта.

Такой источник равноценен остальным: по нему строятся графики и таблицы, он проходит проверки, участвует в правилах оповещений и попадает в выгрузку в PDF. Если запрос к сервису не удался, отчёт покажет понятную ошибку, а не пустой график. Как завести скрипты — в разделе [Python-скрипты](/agents/analytics/docs/scripts)
.

## Схема и сохранение результатов

- автоопределение схемы (`autoDetect`) — таблицы и колонки подхватываются автоматически;
- периодическое обновление схемы — по умолчанию раз в 3600 секунд;
- сохранение таблиц (`cacheTables`) — схема не запрашивается заново при каждом отчёте;
- сохранение результатов запросов со статистикой и очисткой — подробнее в разделе [Запросы](/agents/analytics/docs/queries) .

## Валидация

`DataSourceValidationService` проверяет доступность источников: ошибки подключения видны до построения отчётов, а не на сломанной панели. Несуществующий источник в запросе блока ловится валидатором (`DATA_SOURCE_NOT_FOUND`).

## Файловые данные без настройки

Если данные лежат в файлах — Parquet, SQLite, Markdown — настраивать источник не нужно: положите файлы в папку Lakehouse и запрашивайте их прямо из файлового браузера. Подробнее — в разделе [Lakehouse](/agents/analytics/docs/lakehouse)
.

SQLite-файл в корне папки Lakehouse приложение находит само и показывает как готовый источник: в списке он помечен значком «lakehouse», а подключение открыто только для чтения. Настраивать его не нужно; если нужен свой вариант — создайте обычный источник с тем же именем, ваша настройка важнее найденной.

В любом развёртывании в списке сразу видны источники с именами `ml-demo_…` — это демонстрационные базы из библиотеки шаблонов. Они доступны только для чтения и нужны, чтобы открыть и изучить любой шаблон ещё до того, как вы подключите свои данные. Заведёте свой источник с тем же именем — он заменит демонстрационный.

[← Оглавление документации](/agents/analytics/docs)