#Embedded Python

Avec Embedded Python et la Native API, il devient de plus en plus naturel d'ecrire une partie de la logique applicative IRIS en Python. Mais une question revient vite : comment manipuler des objets persistants IRIS depuis Python sans perdre le lien avec le modele objet natif, les tables sql de définition de classes, les index, le stockage et les projections SQL ?

iris-persistence explore cette question. Le projet fournit une couche de persistance objet en Python pour InterSystems IRIS, inspiree de %Persistent

Quand on développe en Python avec InterSystems IRIS, on peut rapidement se retrouver avec plusieurs contextes d'exécution :

• Python lancé directement par IRIS avec Embedded Python ;
• un python3 classique qui charge les bibliothèques Embedded Python d'une installation IRIS locale ;
• une application Python externe qui se connecte à IRIS via le pilote natif officiel.

Ces trois cas sont utiles, mais ils n'ont pas exactement le même comportement côté imports, configuration système, API objet et accès SQL.

Les globals InterSystems IRIS sont un des points forts de la plateforme : ils permettent de stocker des données hiérarchiques avec une structure extrêmement directe, ordonnée et performante. Mais lorsqu'on travaille depuis Python, leur manipulation peut parfois sembler plus proche d'une API bas niveau que des habitudes naturelles du langage.

Le projet iris-global-reference propose une couche Python au-dessus des globals IRIS.

La vectorisation a notamment pour objectif de rendre le texte non structuré plus exploitable par les machines. Les embeddings vectoriels y parviennent en codant la sémantique du texte sous forme de vecteurs numeric à haute dimensionalité, qui peuvent être utilisés par des algorithmes de recherche avancés (généralement un algorithme de plus proche voisin approximatif tel que Hierarchical Navigable Small World).