示例 1：使用 Streamlit 密钥进行配置

您可以使用Streamlit的Secrets management来配置您的Snowflake连接。例如，如果您的账户启用了MFA，您可以使用key-pair authentication进行连接。

.streamlit/secrets.toml:

[connections.snowflake]
account = "xxx-xxx"
user = "xxx"
private_key_file = "/xxx/xxx/xxx.p8"
role = "xxx"
warehouse = "xxx"
database = "xxx"
schema = "xxx"

您的应用程序代码：

import streamlit as st
conn = st.connection("snowflake")
df = conn.query("SELECT * FROM my_table")

示例2：使用关键字参数和外部认证进行配置

您可以使用关键字参数（带或不带secrets.toml）配置您的Snowflake连接。例如，如果您的Snowflake账户支持SSO，您可以使用browser-based SSO设置一个快速的本地连接用于开发。

import streamlit as st
conn = st.connection(
    "snowflake", account="xxx-xxx", user="xxx", authenticator="externalbrowser"
)
df = conn.query("SELECT * FROM my_table")

示例3：使用Snowflake的连接配置文件的命名连接

Snowflake的Python连接器支持连接配置文件，它与Streamlit的SnowflakeConnection很好地集成在一起。如果你已经配置了一个或多个连接，你只需要传递要使用的连接名称即可。

~/.snowflake/connections.toml:

[my_connection]
account = "xxx-xxx"
user = "xxx"
password = "xxx"
warehouse = "xxx"
database = "xxx"
schema = "xxx"

您的应用程序代码：

import streamlit as st
conn = st.connection("my_connection", type="snowflake")
df = conn.query("SELECT * FROM my_table")

示例4：使用Streamlit秘密和Snowflake的连接配置文件的命名连接

如果您有一个名为my_connection的Snowflake配置文件，如示例3所示，您可以通过secrets.toml传递连接名称。

.streamlit/secrets.toml:

[connections.snowflake]
connection_name = "my_connection"

您的应用程序代码：

import streamlit as st
conn = st.connection("snowflake")
df = conn.query("SELECT * FROM my_table")

示例 5：使用环境变量的默认连接

如果您有一个名为my_connection的Snowflake配置文件，如示例3所示，您可以设置一个环境变量来将其声明为默认的Snowflake连接。

SNOWFLAKE_DEFAULT_CONNECTION_NAME = "my_connection"

您的应用程序代码：

import streamlit as st
conn = st.connection("snowflake")
df = conn.query("SELECT * FROM my_table")

示例6：Snowflake连接配置文件中的默认连接

如果您有一个定义了default连接的Snowflake配置文件，Streamlit将自动使用它，如果没有声明其他连接。

~/.snowflake/connections.toml:

[default]
account = "xxx-xxx"
user = "xxx"
password = "xxx"
warehouse = "xxx"
database = "xxx"
schema = "xxx"

您的应用程序代码：

import streamlit as st
conn = st.connection("snowflake")
df = conn.query("SELECT * FROM my_table")

以下示例使用游标将多行插入表中。qmark 参数样式被指定为可选关键字参数。或者，参数样式可以在您的连接配置文件中声明。有关更多信息，请参阅Snowflake Connector for Python 文档。

import streamlit as st

conn = st.connection("snowflake", "paramstyle"="qmark")
rows_to_insert = [("Mary", "dog"), ("John", "cat"), ("Robert", "bird")]
conn.cursor().executemany(
    "INSERT INTO mytable (name, pet) VALUES (?, ?)", rows_to_insert
)

import streamlit as st

conn = st.connection("snowflake")
df = conn.query("SELECT * FROM my_table")
st.dataframe(df)

以下示例使用游标提交异步查询，保存查询ID，然后通过连接定期检查查询状态，最后检索结果。

import streamlit as st
import time

conn = st.connection("snowflake")
cur = conn.cursor()
cur.execute_async("SELECT * FROM my_table")
query_id = cur.sfqid
while True:
    status = conn.raw_connection.get_query_status(query_id)
    if conn.raw_connection.is_still_running(status):
        time.sleep(1)
    else:
        break
cur.get_results_from_sfqid(query_id)
df = cur.fetchall()

import streamlit as st

conn = st.connection("my_conn")

# Reset the connection before using it if it isn't healthy
# Note: is_healthy() isn't a real method and is just shown for example here.
if not conn.is_healthy():
    conn.reset()

# Do stuff with conn...

以下示例创建了一个新的 Snowpark 会话，并使用它来运行查询。

import streamlit as st

conn = st.connection("snowflake")
session = conn.session()
df = session.sql("SELECT * FROM my_table").collect()

以下示例使用会话中当前使用的数据库和模式，并将数据复制到名为“my_table”的表中。

import streamlit as st
import pandas as pd

df = pd.DataFrame(
    {"Name": ["Mary", "John", "Robert"], "Pet": ["dog", "cat", "bird"]}
)
conn = st.connection("snowflake")
conn.write_pandas(df, "my_table")