Verbinden und steuern Sie die bestehende Technologielandschaft.

Vernetzte Datenflüsse

01Der Connector-Name ist erst der Anfang des Entwurfs.

Verbinden Sie bestehende Systeme durch ein gemeinsames Orchestrierungs- und Verarbeitungsmodell. Flower integriert Planung, Transformation, Validierung, Wiederherstellung und Betriebsnachweise in einen zusammenhängenden Datenfluss.

Das bestehende Ökosystem verbinden

02Speicher und Übertragung

Nutzen Sie Cloud-Objektspeicher, HDFS, SMB-Freigaben, Dateidienste, sichere Protokolle, lokale Dateien und spezialisierte APIs als Quellen oder Ziele. Jede Route kann Planung, Wiederholungen, Abgleich, Validierung, Lineage, Lebenszyklusrichtlinien und proaktive Warnungen übernehmen, ohne diese Kontrollen für jeden Konnektor neu aufzubauen.

Erweitern Sie Routen um MinIO, Backblaze B2, Huawei Cloud OBS, Tencent Cloud COS, Volcano Engine TOS und UPYUN oder übertragen Sie Dateien mit Koofr und pCloud. Native Adapter integrieren private und regionale Speicher in denselben deklarativen Datenfluss mit gemeinsamer Orchestrierung, Verarbeitung und Betriebsübersicht.

Binden Sie Teamdateien mit Box, Egnyte, Files.com, ShareFile und Seafile in gesteuerte Datenflüsse ein. MongoDB GridFS ergänzt Streaming-Dateispeicherung mit nativen Metadaten und aufbewahrten Revisionen und verbindet Dokumentlieferungen mit demselben Orchestrierungs- und Verarbeitungsmodell.

Nutzen Sie bestehende Ordner und Team-Dateidienste als Quellen und Ziele. Flower verbindet Planung, Datensatzverarbeitung, Lieferprüfungen und Lebenszyklusrichtlinien und automatisiert wiederkehrende Aufgaben mit den bereits eingesetzten Werkzeugen.

Amazon S3

Objektspeicher

Mehr erfahren →

Azure Blob

Objektspeicher

Mehr erfahren →

Azure Files

Dateispeicher

Azure Data Lake

Data-Lake-Speicher

Google Cloud Storage

Objektspeicher

Mehr erfahren →

Oracle Cloud

Objektspeicher

Alibaba OSS

Objektspeicher

OpenStack Swift

Objektspeicher

MinIO

Objektspeicher

Backblaze B2

Objektspeicher

Huawei Cloud OBS

Objektspeicher

Tencent Cloud COS

Objektspeicher

Volcano Engine TOS

Objektspeicher

UPYUN

Objektspeicher

Apache Hadoop HDFS

Verteiltes Dateisystem

Google Drive

Cloud-Laufwerk

Dropbox

Cloud-Laufwerk

Koofr

Cloud-Laufwerk

pCloud

Cloud-Laufwerk

Microsoft OneDrive

Cloud-Laufwerk

SharePoint libraries

Dokumentenbibliothek

Box

Native Dateien und Ordner

Egnyte

Native Dateien und Ordner

Files.com

Native Dateien und Ordner

ShareFile

Native Dateien und Ordner

Seafile

Dokumentenbibliothek

MongoDB GridFS

Dateispeicher in MongoDB

Databricks Volumes

Lakehouse-Speicher

App Store Connect

Reporting-API

SFTP

SFTP / SSH

Sichere Übertragung

Mehr erfahren →

FTP

FTP / FTPS

Dateiübertragung

DAV

WebDAV

Web-Speicher

HTTP

HTTP / HTTPS

Web-Übertragung

SMB

SMB 2 / 3

Netzwerk-Dateifreigabe

FS

Lokale Dateien

Gerätespeicher

MAIL

IMAP

E-Mail-Quelle

03Datenbanken und Abfrage-Engines

Verbinden Sie Snowflake, transaktionale Datenbanken, Analyse-Engines, Warehouses, Lakehouses, verteilte Datenbanken und SQL-Protokolle über ein gemeinsames Orchestrierungsmodell. Flower unterstützt gesteuerte Lese- und Schreibvorgänge sowie explizite Transaktionen mit Integritätsprüfungen und Betriebsnachweisen im Datenfluss.

Integrieren Sie operative SQL-Daten in denselben kontrollierten Datenfluss. Flower bietet native Adapter für Firebird und Huawei GaussDB, bindet MariaDB über den MySQL-Adapter sowie CockroachDB über PostgreSQL-Kompatibilität an. Diese Verbindungen unterstützen Lesen, Schreiben und explizite Transaktionen; der Firebird-Client benötigt keine separat installierte native Client-Bibliothek.

Kombinieren Sie SQL-Extraktion, Laden und Validierung in einem deklarativen Datenfluss. Nutzen Sie gemeinsame Planung, Zugangsdatenverwaltung und Überwachung für operative und analytische Systeme, passend zu Ihrer bestehenden Datenbankarchitektur.

Für ODBC-standardisierte Umgebungen bietet Flower backendgerechten Zugriff auf die Datenbank seines Anwendungszustands sowie ODBC-Datenanbindung. SQL-Profile decken PostgreSQL, GaussDB, CockroachDB, MySQL, Microsoft SQL Server und SQLite ab und nutzen die bestehende Datenbank- und Treiberinfrastruktur.

PostgreSQL

SQL-Datenbank

Mehr erfahren →

MySQL

SQL-Datenbank

Mehr erfahren →

Microsoft SQL Server

SQL-Datenbank

Mehr erfahren →

Oracle Database

SQL-Datenbank

Mehr erfahren →

SQLite

Eingebettete Datenbank

ClickHouse

Analytische Datenbank

Databricks SQL

Lakehouse-Speicher

Snowflake

Cloud-Datenplattform

SAP HANA

SQL-Datenbank

Cloud Spanner

Verteilte Datenbank

Trino

Abfrage-Engine

Presto

Abfrage-Engine

Exasol

Analytische Datenbank

Vertica

Analytische Datenbank

IBM Netezza

Data Warehouse

Arrow Flight SQL

Abfrageprotokoll

ODBC

ODBC / Avatica

Generischer SQL-Zugriff

Firebird

SQL-Datenbank

Huawei GaussDB

SQL-Datenbank

MariaDB

SQL über MySQL-Kompatibilität

CockroachDB

Verteiltes SQL über PostgreSQL

04Gemeinsam genutzte Caches

Nutzen Sie Zwischenzustände in mehreren Flower-Komponenten über verwaltete Schlüssel-Wert-Dienste, persistente Collections oder verteilte Maps. Die Cache-Integrationen bieten backendgerechte Schlüsselorganisation, Ablaufzeiten und Timeouts im selben gesteuerten Datenfluss.

Teilen Sie wiederverwendbare Zustände zwischen Komponenten mit backendgerechter Ablaufsteuerung und Schlüsselorganisation. etcd-Leases, MongoDB-Collections und DynamoDB-Einträge unterstützen Cache-Lebenszyklen im Datenfluss, ergänzt durch einheitliche Konfiguration und Betriebsübersicht in Flower.

Redis, Valkey und Dragonfly verwenden den Redis-Adapter von Flower für RESP2/RESP3-Endpunkte, einschließlich Schlüsselablauf und präfixbezogener Operationen. Nutzen Sie ein vertrautes Schlüssel-Wert-Modell und integrieren Sie Cache-Zustände in die deklarative Konfiguration des Datenflusses.

etcd

Verteilter Schlüssel-Wert-Cache

MongoDB

Persistenter Cache in Collections

Amazon DynamoDB

Cache in verwalteten Tabellen

Couchbase

Persistenter Cache in Collections

Aerospike

Verteilter Schlüssel-Wert-Cache

Hazelcast

Cache in verteilten Maps

Oracle Coherence

Benannter Cache über gRPC

Infinispan

Verteilter Cache über REST

TiKV

Verteilter RawKV-Cache

Redis

Verteilter Schlüssel-Wert-Cache

Valkey

Cache über Redis-Kompatibilität

Dragonfly

Cache über Redis-Kompatibilität

05KI und lokale Klassifikation

Reichern Sie Datensätze im Datenfluss an und klassifizieren Sie sie. Flower bindet OpenAI und Anthropic Claude für strukturierte Transformationen ein, bietet optionale lokale GGUF-Inferenz mit llama.cpp und nutzt ONNX für lokale Text- und Zero-Shot-Klassifikation. Wählen Sie den Verarbeitungsort nach Vertraulichkeit, Hardware und Kosten.

Steuern Sie die an externe Modelle übermittelten Felder und definieren Sie das Ausgabeschema in der Konfiguration. Flower koordiniert Anfragen, bewahrt die Datensatzreihenfolge und wendet Ihre Richtlinien an. So wird KI-Anreicherung Teil desselben gesteuerten Ablaufs wie Validierung, Transformation und Lieferung.

Semantische Filter nutzen OpenAI, Claude oder lokale GGUF-Modelle, um Datensätze nach natürlichsprachlichen Kriterien auszuwählen. Behalten oder entfernen Sie Treffer unter Wahrung von Feldern, Werten und Reihenfolge. Feldauswahl, Verarbeitungsrichtlinien und Metriken machen diese Entscheidungen zum Teil eines beobachtbaren, konfigurierbaren Datenflusses.

Klassifizieren Sie Texte lokal mit ONNX-Modellen und ergänzen Sie Datensätze um Klassen und Wertungen oder nutzen Sie Kategorien zum Filtern. Wählen Sie Modell und Tokenizer passend zu Sprachen und Daten. Flower führt die Klassifikation ohne ONNX-Runtime-Bibliothek direkt in Datennähe aus.

Wählen Sie optionale lokale GGUF-Inferenz mit llama.cpp für Sprachmodellverarbeitung in Ihrer Infrastruktur. Flower lädt das Modell bei Bedarf und führt die Inferenz im Runtime-Prozess aus. Transformationen und semantische Filter bleiben nah an den Daten, mit direkter Kontrolle über Modellwahl und Ausführung.

Erkennen Sie wahrscheinliche Personennamen lokal mit einem eingebetteten Wörterbuch. Kennzeichnen oder filtern Sie Datensätze mit konfigurierbaren Bewertungsschwellen und Richtlinien. Die Verarbeitung bleibt in Flower, ohne externe Modellaufrufe oder Modelldownloads.

AI

OpenAI

Strukturierte Modellantworten

Anthropic Claude

Strukturierte Modellantworten

GGUF

llama.cpp / GGUF

Optionale lokale Sprachmodell-Inferenz

ONNX

Lokale Text- und Zero-Shot-Klassifikation

ABC

Erkennung von Personennamen

Lokale wörterbuchbasierte Klassifikation

06Secrets und Zertifikate

Führen Sie Geheimnisse und Zertifikate aus Cloud-Vaults, Cluster-Speichern, verschlüsselten Dateien oder lokalen Verzeichnissen in einer einheitlichen Konfiguration zusammen. Flower erstellt vor dem Start abhängiger Komponenten einen konsistenten, schreibgeschützten Konfigurationsstand und integriert sichere Konfiguration in den Lebenszyklus der Datenflüsse.

Azure Key Vault

Cloud-Secrets und -Zertifikate

Google Cloud Secret Manager

Cloud-Secrets und -Zertifikate

AWS Secrets Manager + KMS

Secret Manager und Schlüsseldienst

AWS Systems Manager Parameter Store

Verwalteter Parameterspeicher

Oracle Cloud Infrastructure Vault

Cloud-Vault und Secrets

HashiCorp Vault / OpenBao

Enterprise-Vault für Secrets

Alibaba Cloud KMS Secrets Manager

Cloud-Secrets und -Zertifikate

Huawei Cloud CSMS

Cloud-Secrets und -Zertifikate

IBM Cloud Secrets Manager

Cloud-Secrets und -Zertifikate

Kubernetes Secrets

Secret-Speicher des Clusters

SOPS

SOPS encrypted files

Verschlüsselte Konfigurationsdateien

FS

Lokale Dateien

Begrenzte lokale Secret-Quelle

07Optionale Verarbeitungs-Runtimes

Standardabläufe in Flower sind deklarativ und benötigen keine Programmierung. Optionale Laufzeiten für JavaScript, Lua, WebAssembly, Starlark und AWK ergänzen individuelle Verarbeitung direkt im Datenfluss, ohne externen Rechendienst. Starlark unterstützt deterministische Regeln, AWK verarbeitet Text-, CSV- und TSV-Datensätze.

JS

JavaScript

JavaScript-Verarbeitung

Lua

Isolierte Lua-Laufzeit

WebAssembly

Isolierte WebAssembly-Module

STAR

Starlark

Deterministische Regelverarbeitung

AWK

AWK

Verarbeitung von Text, CSV und TSV

08Formate in Bewegung

Dekodieren, transformieren, aggregieren, validieren, verschlüsseln, komprimieren, transkodieren und kodieren Sie Betriebs- und Analyseformate während der Übertragung neu. Verarbeiten Sie Daten in Bewegung und liefern Sie die benötigte Form ohne eine unnötige Kette externer Dienste.

Integrieren Sie Tabellenlieferungen in denselben Datenfluss wie Dateien und Datenbanken. Neben Excel liest Flower OpenDocument Spreadsheet (ODS) und erstellt ODS-1.3-Arbeitsmappen. Wählen Sie Blatt und Zellbereich, ordnen Sie Spalten zu und prüfen Sie Überschriften. Überführen Sie Datensätze anschließend in CSV, JSON, Parquet oder ein anderes unterstütztes Ziel. Die Verarbeitung läuft direkt in Flower, ohne Office-Anwendung.

Für ODS-Formeln wählen Sie gespeicherte Ergebnisse, ursprüngliche Ausdrücke oder eine OpenFormula-Neuberechnung passend zum Datenfluss. Integrieren Sie Tabellenwerte und Formelergebnisse mit demselben deklarativen Verarbeitungsmodell in Validierung, Transformation und analytische Lieferung.

Schützen Sie Tabellenübertragungen mit passwortbasierter ODS-Verschlüsselung. Flower unterstützt AES-CBC und AES-GCM für Ein- und Ausgaben und integriert Datenschutz in denselben deklarativen Ablauf wie Verarbeitung und Lieferung.