了解 Data 360 开发工具
收集开发者资源
为加速开发，Data 360 提供了针对特定语言的客户端库和工具：
- Python Connector（Python 连接器）：非常适合数据科学家和分析师，可在 Jupyter Notebook 中用 Python 处理 Data 360 数据、以编程方式建模数据；
- JDBC Driver（Java 数据库连接驱动）：用于大容量摄取，让 Java 应用连接到 Data 360，为企业应用提供标准数据库连接；
- Postman Collection（Postman 集合）：用 Data 360 Connect API 的 Postman 集合试用 API 调用。该集合预配置了 org 和鉴权设置，附文档和可运行的代码示例，便于试用新方法；Data 360 REST API 集合也包含已测试的示例，但只是完整 REST API 的子集。
访问 Developer Center（开发者中心）可查找并收藏与 Data 360 相关的开发者指南和其他内容。
选择合适的 API
无论是加载数据、检索画像还是运行复杂查询，选择正确的 API 都取决于您的具体目标。以下是以编程方式与 Data 360 交互的 API 选项：
- Data 360 Connect REST API：Salesforce 应用开发最常用的 API。用于面向对象的查询以及与 Salesforce 平台的集成，可更新和更改 Data 360 中的数据；
- Ingestion API（摄取 API）：用于大容量数据加载，既支持批量摄取（如每日或每周加载），也支持流式摄取（近实时的微批次）；
- Data 360 SQL Query API：用于通过自定义 SQL 查询检索数据，可访问数据湖对象（DLO）、数据模型对象（DMO）和计算洞察，支持 ANSI 标准 SQL。
把 API 与任务匹配：加载数据 → Ingestion API；构建 Salesforce 应用 → Connect REST API；运行分析 → SQL Query API。
建立安全的开发环境
沙盒（sandboxes）对于测试数据建模和摄取至关重要——它能在不影响生产数据的情况下完成测试。
- 克隆沙盒（cloned sandboxes）包含元数据但不含数据，让您针对样本数据测试，而无需为完整的生产 org 复制而重复产生成本。
沙盒为什么重要：
- 防止意外更改生产数据；
- 在部署前测试数据流、映射和转换；
- 用样本数据验证身份解析规则集；
- 通过不复刻完整生产数据量来降低成本。
每个 Data 360 开发工作流都应从沙盒开始，验证通过后再推广到生产环境。
用数据包精简部署
作为开发者，在环境之间（如从沙盒到生产）或数据空间之间迁移配置，需要一个稳健的打包策略。在 Data 360 中，数据包（data kits）正是实现这一点的首要机制。
数据包是在 Data 360 内创建的可移植、可自定义的可打包元数据包。它让您只需几次点击，就能把 Data 360 对象、元数据、关系和其他组件打包在一起，从而精简包的创建和安装过程。
数据包用例：
- 把测试过的配置从沙盒部署到生产；
- 在多个业务单元之间标准化数据摄取；
- 高效实现行业特定的数据模型；
- 在不同 org 之间保持一致性；
- 为 Data 360 开发 AppExchange 解决方案。
数据包让 Data 360 配置变得可移植、可复用、可共享，是 Data 360 的 DevOps 支柱。
下一步是什么？
数据包对于标准化多个业务单元的数据摄取或高效实现行业特定的数据模型非常有用，还能帮助跨不同 org 保持一致性，从而支持 AppExchange 解决方案的开发。
关键要点：
- Python Connector + JDBC + Postman = 面向不同角色的开发者工具；
- Connect REST API（应用）+ Ingestion API（数据加载）+ SQL Query API（分析） = 三种 API 对应三种用途；
- 沙盒 = 不影响生产的安全开发；
- 数据包 = 用于部署和共享的可移植、可复用配置。
要开始使用数据包，请继续本学习之旅中的下一个徽章 Packaging and Data Kits，它教你如何创建、部署和管理数据包。