@clickzetta/cz-cli-darwin-x64 0.3.1

package/bin/skills/lakehouse-doc/references/RemoteFunctionOnACR.md

@@ -0,0 +1,249 @@
+# 利用Hugging Face 图片识别模型处理图片数据
+
+## 1. 适用场景：
+
+本文创建 Remote Function 的方式是基于阿里云容器镜像创建，这个场景适用于：
+
+* 如果图像解析程序的 Python 依赖包大于 500M，就需要利用本文介绍的方式，即基于容器镜像服务方式创建（如果函数的程序文件包小于 500M，可直接传到对象存储走自动化创建）。
+* 无论程序文件大小，需要使用云上函数计算服务的 GPU 资源时，需要基于容器镜像服务方式创建
+
+## 2.过程演示：
+
+### 2.1 准备
+
+* 场景：利用 Hugging Face 的 image to text 离线模型解析图片内容
+* 模型：Hugging Face 的图像识别模型，请参考[链接](https://huggingface.co/Salesforce/blip-image-captioning-large)
+* 代码：(见附录)
+
+### 2.2 下载模型和依赖库：
+
+（推荐在 x86_64 Linux 主机环境运行）
+
+#### 2.2.1 下载模型
+
+* 安装 huggingface\_hub 模型下载工具：
+
+```Python
+pip3 install huggingface_hub
+```
+
+* 下载模型文件到 model 目录，用 Python/ipython 执行下面脚本
+
+  * repo\_id 为模型名称：参考模型网站：
+
+  ![](.topwrite/assets/remote_udf_image01.jpeg)
+
+  * local\_dir: 本地文件夹，为模型下载的目的地
+  * local_dir_use_symlinks：本地文件夹是否为 mount 点
+
+```Python
+from huggingface_hub import snapshot_download
+repo_id = 'nlpconnect/vit-gpt2-image-captioning'  
+local_dir = './model'
+local_dir_use_symlinks = False
+snapshot_download(repo_id=repo_id, local_dir=local_dir, local_dir_use_symlinks=local_dir_use_symlinks)
+```
+
+#### 2.2.2 下载依赖库：
+
+下载依赖库到 `lib_` 目录 (需要使用 python 特定版本, 建议使用 docker)
+
+将本地创建 `lib_ `文件夹，mount 到 docker 的 `/root/lib_ `，将依赖库下载到`lib_` 中
+
+```Python
+docker run -it -v `pwd`/lib_:/root/lib_ quay.io/pypa/manylinux2014_x86_64:2022-10-25-fbea779 /bin/bash
+```
+
+在 Docker 环境中执行：
+
+```Python
+cd /root
+/opt/python/cp37-cp37m/bin/python3.7 -m venv venv
+source venv/bin/activate
+mkdir lib_
+pip3 install \
+    -i http://mirrors.cloud.aliyuncs.com/pypi/simple/ \
+    --trusted-host mirrors.cloud.aliyuncs.com \
+    transformers torch pillow \
+    -t "./lib_"
+```
+
+^
+
+### 2.3 写代码：
+
+在与` model`，`lib_` 同级目录创建代码文件，如 `hgf_image2text.py` ，代码参考附录
+
+### 2.4 测试代码：
+
+在Docker `quay.io/pypa/manylinux2014_x86_64:2022-10-25-fbea779` 中执行测试
+
+```Python
+docker run -it -v `pwd`:/app quay.io/pypa/manylinux2014_x86_64:2022-10-25-fbea779 /bin/bash
+```
+
+在 Docker 环境中执行：
+
+```Python
+cd /app
+export PYTHONPATH=`pwd`:`pwd`/lib:`pwd`/lib_
+python3 hgf_image2text.py https://huggingface.co/datasets/mishig/sample_images/resolve/main/savanna.jpg https://huggingface.co/datasets/mishig/sample_images/resolve/main/airport.jpg
+```
+
+测试成功后，打包镜像上传至阿里云 ACR 服务
+
+### 2.5 打包并上传镜像：
+
+#### 2.5.1 准备镜像：
+
+在与` model`，`lib_` ， `hgf_image2text.py` 同级目录中创建 Dockerfile 文件，内容如下：
+
+```Python
+FROM quay.io/pypa/manylinux2014_x86_64:2022-10-25-fbea779
+RUN mkdir -p /app
+WORKDIR /app
+COPY . /app
+```
+
+增加云器 Lakehouse 的启动程序(可联系云器支持同学获取)，并解压到当前目录。至此，当前的目录应包含：
+
+`model`,`lib_` ,`hgf_image2text.py` , `Dockerfile` 文件夹和文件，以及从云器启动程序解压出的 `bootstrap`, `lib`, `cz`。
+
+#### 2.5.2 准备云上镜像仓库（需登录阿里云控制台）：
+
+1. 进入**容器镜像服务 -> 实例列表**，**进入个人实例**
+   2. 个人实例界面，左侧**仓库管理**-> **命名空间** -> 点击 **创建命名空间**：输入空间名称，**点击创建**
+   3. 左侧**仓库管理**-> **镜像仓库** -> 点击 **创建镜像仓库**：**选择命名空间**、**输入仓库名称，仓库类型**选择“**私有**” -> **下一步**，**代码源**选择**本地仓库**，**点击创建镜像仓库**
+   4. 在镜像仓库列表中，进入仓库详情页。在操作指南中有上传镜像的步骤，**镜像版本号**为自定义，如登录：
+
+```Shell
+$ docker login --username=xxx@xxxx registry.cn-beijing.aliyuncs.com
+```
+
+#### 2.5.3 上传镜像（本地执行）：
+
+打包镜像：
+
+```Shell
+docker build -t registry.cn-beijing.aliyuncs.com/clickzetta/hgf_image2txt:hgf_i2t .
+```
+
+上传镜像：
+
+```Shell
+docker push registry.cn-beijing.aliyuncs.com/clickzetta/hgf_image2txt:hgf_i2t
+```
+
+#### 2.5.4 测试镜像（本地执行）：
+
+```Shell
+docker run registry.cn-beijing.aliyuncs.com/clickzetta/hgf_image2txt:hgf_i2t /app/boostrap
+```
+
+^
+
+### 2.6 创建函数（需登录阿里云控制台）：
+
+1. 进入**函数计算 FC 2.0 -> 服务及函数**，页面上方选择要使用的区域，右侧弹出页面输入服务名称，其它保持默认；点击最下方的**显示高级选项**，**在服务角色中**选择 **AliyunFCDefaultRole**，其它保持默认（公网和 VPC 访问策略可自行选择）
+2. 在**服务列表**中，进入刚创建的服务，点击**创建函数**
+3. 在**创建函数**界面，选择**使用容器镜像创建**，在**基本设置**中：输入**函数名称**，例如：hgf\_image2txt，**Web Server 模式**：是，**请求处理程序类型**：处理HTTP请求
+4. 在**镜像配置**中，选择**使用ACR中的镜像**，选择 ACR 中的镜像，**启动命令**：`/src/bootstrap`，**监听端口**：9000![](.topwrite/assets/remote_udf_image03.png)
+5. **高级配置**中，建议将 vCPU 和内存数量调整为 8核，16G
+6. 其它配置默认，点击**创建**
+7. 在**函数列表**中，进入已创建函数->**函数配置**，**查看镜像加速准备状态**, 等待至 "**可用**"![](.topwrite/assets/remote_udf_image04.jpeg)
+8. 进入**触发器管理**，获得**公网访问地址的 HTTP 链接**![](.topwrite/assets/remote_udf_image05.jpeg)
+
+***
+
+#### 2.7 在云器Lakehouse 中创建 Remote Function（云器 Lakehouse 侧操作）：
+
+创建函数：
+
+```SQL
+create external function derek_fc_demo.hgf_image2text
+as 'hgf_image2text.image_to_text'
+with properties (
+ -- 这里替换创建函数时获取的内网访问地址 HTTP 链接
+ 'remote.udf.url' = 'http://fc-imgtxt-hgf-imagetext-hdlrbwqdzg.cn-beijing.fcapp.run',
+ 'remote.udf.protocol' = 'http.arrow.v0'
+);
+```
+
+使用函数（图片 URL 只支持 https 协议）：
+
+```SQL
+set cz.sql.remote.udf.enabled = true;
+select derek_fc_demo.hgf_image2text("https://huggingface.co/datasets/mishig/sample_images/resolve/main/savanna.jpg")
+```
+
+## 3. 附录
+
+代码：
+
+```Python
+bash-3.2$ more hgf_image2text.py 
+
+import requests
+from PIL import Image
+from transformers import BlipProcessor, BlipForConditionalGeneration,pipeline
+from cz.udf import annotate
+
+def _remove(filepath):
+    try:
+        if os.path.exists(filepath):
+            os.remove(filepath)
+    except:
+        pass
+
+def _wget(url, filepath):
+    r = requests.get(url)
+    with open(filepath, 'wb') as fd:
+        fd.write(r.content)
+
+_PIPELINE = None
+
+processor = BlipProcessor.from_pretrained("./model")
+model = BlipForConditionalGeneration.from_pretrained("./model")
+
+@annotate("string->string")
+class image_to_text(object):
+    def __init__(self) -> None:
+        global _PIPELINE
+        if _PIPELINE is None:
+            _PIPELINE = pipeline('image-to-text', model='./model')
+
+    def evaluate(self,url):
+        if url is None:
+            return None
+        try:
+            img_url = url;
+            raw_image = Image.open(requests.get(img_url, stream=True).raw).convert('RGB')
+            text = "Clickzetta:A photography of"
+            inputs = processor(raw_image, text, return_tensors="pt")
+            out = model.generate(**inputs)
+            print(processor.decode(out[0], skip_special_tokens=True))
+
+            # unconditional image captioning
+            inputs = processor(raw_image, return_tensors="pt")
+
+            out = model.generate(**inputs)
+            result = processor.decode(out[0], skip_special_tokens=True)
+
+            if len(str(result)) >= 1:
+                return str(result)
+            else:
+                return ""
+        except Exception as exc:
+            return "[error] " + exc.__str__()
+        finally:
+            pass 
+
+
+if __name__ == "__main__":
+    import sys
+    to_text = image_to_text()
+    for url in sys.argv[1:]:
+        print(f"{to_text.evaluate(url)}")
+```
+
+^

package/bin/skills/lakehouse-doc/references/RemoteFunctionintro.md

@@ -0,0 +1,54 @@
+# EXTERNAL FUNCTION
+
+## 概述
+
+EXTERNAL FUNCTION（REMOTE FUNCTION）是在云器 Lakehouse 中通过 Python 和 Java 语言创建的自定义函数（UDF），通过远程服务执行（支持的远程服务包括：阿里云的函数计算 FC、腾讯云的云函数 SCF）。在执行过程中可调用：
+
+* 在线服务：以 API 形式对外提供的在线服务，例如：AI 在线模型服务（如大语言模型 API、云平台提供的在线 AI API 服务）。
+* 离线功能：将特定功能函数代码、依赖库、模型和数据等文件打包成的离线服务包，例如从 Hugging Face 下载的图片识别模型等。
+
+云器 Lakehouse 通过创建 API CONNECTION，在元数据中保存外部函数计算服务的连接和访问信息。EXTERNAL FUNCTION 通过 HTTP 协议调用外部函数计算服务进行数据处理，并返回结果。
+![](.topwrite/assets/a7546df1-be39-41e9-9c80-e0e90ce3d353.svg)
+云器 Lakehouse 平台通过用户的预先授权，在创建外部函数时，将自动在客户账号下的函数计算服务中创建对应的函数。当用户在 SQL 查询中使用外部函数时，外部函数会实现与外部计算服务的安全连接、数据处理，并返回查询结果。
+
+## EXTERNAL FUNCTION 创建流程
+
+请参考：[使用流程: External Function](RemoteFunctionBestPractice.md)
+
+* 用户开通云上的函数计算服务（如阿里云的函数计算 FC）和对象存储服务。
+* 将函数执行代码、可执行文件、依赖库、模型和数据文件打包上传至对象存储。
+* 授予云器 Lakehouse 操作上述服务和访问函数文件（包）的权限。
+* 用户执行连接和外部函数 DDL 语句以生成 UDF，并在查询中使用。
+
+## EXTERNAL FUNCTION 执行过程
+
+* 用户在云器 Lakehouse SQL 语句中调用 External Function。
+* 云器 Lakehouse 根据提供的服务地址和认证信息，发送 HTTP 请求以调用并运行函数。
+* 云器 Lakehouse 获取响应信息并返回结果。
+
+## EXTERNAL FUNCTION 优势
+
+* 可以使用 Remote Function 调用外部丰富的数据处理能力，以补充传统 SQL 计算模型。例如，可调用大语言模型（LLM）、图像处理、音视频处理等服务或能力，以补充 SQL 在非结构化数据处理方面的能力。
+* 可以直接访问外部网络，不受云器 Lakehouse 网络约束。
+
+## 使用限制
+
+* 目前只支持 Java 和 Python 编程语言，支持的运行环境为 Java 8 和 Python 3.10。
+* 如果依赖原生库（如包含 .so 文件的库），需要兼容 Python 3.10 的 ABI。
+* 当程序及其依赖文件压缩后大于 500 MB 时，需要以容器镜像方式创建函数，请参考[实践：利用Hugging Face 图片识别模型处理图片数据](RemoteFunctionOnACR.md)。
+
+## EXTERNAL FUNCTION 收费
+
+* 支持自定义函数类型：UDF，UDAF，UDTF
+* 远程服务调用的费用：参考云厂商的函数计算服务费用信息（阿里云请参考[链接](https://help.aliyun.com/zh/fc/product-overview/billing-overview?spm=a2c4g.11186623.0.0.4d5b19b3rrOy7Y)，腾讯云请参考[链接](https://cloud.tencent.com/document/product/583/17299)）。
+* 使用云器 Lakehouse 的计算资源所产生的计算费用。
+* 数据传输费用：任何涉及公网数据流出的费用。内网传输不产生费用。
+
+## 使用 REMOTE FUNCTION 开发 UDF 函数
+
+请参考以下开发指南：
+
+* [External Function(Java)](ExternalFunctionDevGuideJava.md)
+* [External Function(Python3)](RemoteFunctionDevGuidePython3.md)
+
+^

package/bin/skills/lakehouse-doc/references/RemoteFunction/344/273/213/347/273/215.md

@@ -0,0 +1 @@
+^

package/bin/skills/lakehouse-doc/references/RemoteFunction/345/274/200/345/217/221/346/214/207/345/215/227Python3.md

@@ -0,0 +1 @@
+^

package/bin/skills/lakehouse-doc/references/RemoteFunction/346/234/200/344/275/263/345/256/236/350/267/265.md

@@ -0,0 +1 @@
+^

package/bin/skills/lakehouse-doc/references/RevokePriveleges.md

@@ -0,0 +1,98 @@
+## 功能
+
+本命令用于回收指定角色的权限。通过使用 REVOKE 语句，可以对不同级别的权限进行回收，包括 workspace、workspace 对象、schema 和 schema 对象等级别。
+
+## Workspace 用户和角色权限管理语法
+
+```SQL
+REVOKE [workspacePrivileges | workspaceObjectPrivileges | schemaPrivileges | schemaObjectPrivileges]
+ON [WORKSPACE | {ROLE | SCHEMA | VCLUSTER | DATALAKE | FUNCTION | workspace_object_name | SCHEMA | {TABLE | VIEW | MATERIALIZED VIEW} schema_object_name]
+FROM ROLE role_name;
+```
+
+### 参数说明
+
+1.  **workspacePrivileges**：在 workspace 下创建对象的权限，例如 `CREATE SCHEMA` 和 `CREATE VCLUSTER`。
+
+2.  **workspaceObjectPrivileges**：对 workspace 下对象的修改和查看元数据等权限，例如 `ALTER`、`DROP`、`READ METADATA` 和 `ALL [PRIVILEGES]`。
+
+3.  **schemaPrivileges**：在 schema 下创建对象的权限，例如 `CREATE TABLE`、`CREATE VIEW` 和 `CREATE MATERIALIZED VIEW`。
+
+4.  **schemaObjectPrivileges**：对 schema 下对象的修改、删除、查询等权限，例如 `ALTER`、`DROP`、`SELECT`、`INSERT`、`READ METADATA` 和 `ALL`。
+
+## 示例
+
+1.  回收角色 `simple_role` 在 `lakehouse_public` workspace 下创建 `VIRTUAL CLUSTER` 的权限：
+
+    ```SQL
+   REVOKE CREATE VCLUSTER ON WORKSPACE lakehouse_public FROM ROLE simple_role;
+   ```
+
+2.  回收角色 `simple_role` 在名为 `default` 的 `VIRTUAL CLUSTER` 上的 `ALTER` 权限：
+
+    ```SQL
+   REVOKE ALTER VCLUSTER ON VCLUSTER default FROM ROLE simple_role;
+   ```
+
+3.  回收角色 `uat_demo` 在 `public` schema 下创建表和视图的权限：
+
+    ```SQL
+   REVOKE CREATE VIEW, CREATE TABLE ON SCHEMA public FROM ROLE uat_demo;
+   ```
+
+4.  回收角色 `reporting_role` 在名为 `sales_data` 的 `DATALAKE` 上的 `READ METADATA` 权限：
+
+    ```SQL
+   REVOKE READ METADATA ON DATALAKE sales_data FROM ROLE reporting_role;
+   ```
+
+5.  回收角色 `admin_role` 在名为 `order_summary` 的 `FUNCTION` 上的 `ALTER` 和 `DROP` 权限：
+
+    ```SQL
+   REVOKE ALTER, DROP ON FUNCTION order_summary FROM ROLE admin_role;
+   ```
+
+6.  回收角色 `analyst_role` 在 `public` schema 下名为 `customer_orders` 的 `TABLE` 上的 `SELECT` 和 `INSERT` 权限：
+
+    ```SQL
+   REVOKE SELECT, INSERT ON TABLE public.customer_orders FROM ROLE analyst_role;
+   ```
+
+
+
+# Instance Role 权限管理
+LakeHouse 支持对 Instance Role 的跨工作空间权限进行细粒度回收，确保权限管控的灵活性和安全性。
+
+## 语法说明
+```sql
+-- 回收 Instance Role 对工作空间的权限  
+REVOKE <privilege> ON WORKSPACE <workspace_name> FROM INSTANCE ROLE <role_name>;  
+
+-- 回收 Instance Role 对表/库的权限  
+REVOKE <privilege> ON TABLE <workspace>.<schema>.<table> FROM INSTANCE ROLE <role_name>;  
+
+REVOKE <privilege> ON DATABASE <workspace>.<schema> FROM INSTANCE ROLE <role_name>;  
+
+-- 移除用户的 Instance Role 归属  
+REVOKE INSTANCE ROLE <role_name> FROM USER <user_name>;  
+```
+
+## 示例
+```sql
+-- 回收工作空间全部权限  
+REVOKE ALL ON WORKSPACE ws1 FROM INSTANCE ROLE inst_role;  
+
+-- 验证回收结果（预期无 ALL 权限）  
+SHOW GRANTS TO INSTANCE ROLE inst_role;  
+
+-- 回收单表权限  
+REVOKE ALL ON TABLE ws1.public.sales FROM INSTANCE ROLE inst_role;  
+
+-- 移除用户的 Instance Role  
+REVOKE INSTANCE ROLE inst_role FROM USER lh_engine_test_01;  
+```
+
+
+
+
+

package/bin/skills/lakehouse-doc/references/SCHEMA.md

@@ -0,0 +1,48 @@
+# SCHEMA
+
+在数据库设计中，SCHEMA是组织和管理数据的关键概念。它为用户提供了一种灵活的方式来定义数据的结构和关系。通过使用 SCHEMA，可以将相关的数据库对象（如表、视图等）进行逻辑分组，使得数据组织更加清晰，便于维护和扩展。
+
+## SCHEMA的主要作用
+
+1. **逻辑分组**：SCHEMA允许用户根据业务功能、数据类型或其他标准，将数据库对象进行逻辑分组，从而实现数据的有序组织。
+2. **权限管理**：通过SCHEMA，可以对数据库对象实施更精细的权限控制。用户可以针对不同的SCHEMA设置相应的访问权限，以实现安全管理。
+3. **命名空间**：SCHEMA 提供了命名空间功能，有助于避免对象名称的冲突。在大型项目或多用户环境中，这一点尤为重要。
+4. **简化操作**：用户可以通过 `USE` 命令快速切换当前操作的 SCHEMA，简化了日常数据库操作，提高了工作效率。
+
+## SCHEMA管理命令
+
+云器 Lakehouse 提供了一系列的命令来管理 SCHEMA，包括创建、删除、查看详情、切换以及列举等。
+
+* [创建SCHEMA](CREATESCHEMA.md)：使用 `CREATE SCHEMA` 命令可以创建一个新的 SCHEMA。例如，`CREATE SCHEMA myschema;` 会创建一个名为 `myschema` 的 SCHEMA。
+* [删除SCHEMA](DROPSCHEMA.md)：如果某个 SCHEMA 不再需要，可以使用 `DROP SCHEMA` 命令将其删除。执行删除操作前，请确保已对相关数据进行备份或迁移，以防止数据丢失。
+* [查看SCHEMA详情](DESCSCHEMAS.md)：通过 `DESC SCHEMAS` 命令，用户可以查看当前空间中所有 SCHEMA 的详细信息，包括创建时间、对象数量等。
+* [切换SCHEMA](USESCHEMA.md)：使用 `USE SCHEMA` 命令可以切换当前会话的默认 SCHEMA。例如，`USE SCHEMA myschema;` 会将 `myschema` 设置为当前会话的默认 SCHEMA。
+* [列举当前空间所有SCHEMA](show-schemas.md)：通过 `SHOW SCHEMAS` 命令，用户可以列举出当前空间中所有的 SCHEMA，便于管理和选择。
+* [修改SCHEMA](<ALTER-SCHEMA.md>)：支持修改 SCHEMA 的属性和重命名 SCHEMA。
+
+## 应用示例
+
+以下是一个应用示例，展示了如何创建和切换 SCHEMA：
+
+```sql
+-- 创建一个新的SCHEMA
+CREATE SCHEMA myschema;
+
+-- 在创建表时指定SCHEMA
+CREATE TABLE myschema.mytable (
+    id INT PRIMARY KEY,
+    name VARCHAR(50)
+);
+
+-- 切换到刚刚创建的SCHEMA
+USE SCHEMA myschema;
+
+-- 在当前SCHEMA下查询表结构
+DESC TABLE mytable;
+
+-- 向表中插入数据
+INSERT INTO myschema.mytable (id, name) VALUES (1, '张三');
+
+-- 查询表中的数据
+SELECT * FROM myschema.mytable;
+```

package/bin/skills/lakehouse-doc/references/SHOW-INDEX.md

@@ -0,0 +1,22 @@
+# 功能
+列出指定表的所有索引
+
+# 语法
+```
+SHOW INDEX [IN|FROM] [schema].table_name  [LIMIT num];
+```
+
+# 使用示例
+
+1. 查询名为 `users` 的表在默认数据库中的布隆过滤器索引：
+
+```
+SHOW INDEX FROM users;
+```
+
+2. 查询名为 `orders` 的表在名为 `my_schema` 的数据库中的布隆过滤器索引：
+
+```
+SHOW INDEX FROM my_schema.orders;
+```
+

package/bin/skills/lakehouse-doc/references/SHOWCONNECTIONS.md

@@ -0,0 +1,44 @@
+# 功能
+
+本命令用于查询当前 Workspace 中的所有 CONNECTION 对象。
+
+# 语法
+
+```SQL
+SHOW CONNECTIONS [ LIKE '<pattern>' | WHERE <expr>];
+```
+
+## 参数说明
+1. `LIKE pattern`：此选项为可选参数，用于按对象名称进行过滤。支持不区分大小写的模式匹配，并可使用SQL通配符`%`（表示任意数量的字符）和`_`（表示单个字符）。示例：`LIKE '%testing%'`。需要注意的是，此过滤器不支持与 `WHERE` 条件同时使用。
+
+
+2. `WHERE expr`：此选项为可选参数，支持用户根据 `SHOW CONNECTIONS` 命令显示的字段进行筛选。用户可以通过表达式对结果进行过滤，以便更精确地查找所需的数据库对象。支持过滤的字段有：
+  `name`、`category`、`type`、`enabled`、`created_time`
+
+
+# 使用示例
+
+1. 查询当前工作区内的所有CONNECTION：
+
+   ```SQL
+   SHOW CONNECTIONS;
+   +------------------------+----------+----------------+---------+-------------------------+
+   |          name          | category |      type      | enabled |      created_time       |
+   +------------------------+----------+----------------+---------+-------------------------+
+   | my_funciton_connection | API      | CLOUD_FUNCTION | ENABLED | 2024-12-31 17:36:05.104 |
+   +------------------------+----------+----------------+---------+-------------------------+
+
+   ```
+
+2. 根据 WHERE 条件过滤：
+
+   ```
+   SHOW CONNECTIONS WHERE created_time>TIMESTAMP'2024-12-30 17:36:05.104';
++------------------------+----------+----------------+---------+-------------------------+
+|          name          | category |      type      | enabled |      created_time       |
++------------------------+----------+----------------+---------+-------------------------+
+| my_funciton_connection | API      | CLOUD_FUNCTION | ENABLED | 2024-12-31 17:36:05.104 |
++------------------------+----------+----------------+---------+-------------------------+
+```
+
+

package/bin/skills/lakehouse-doc/references/SHOWFUNCTIONS.md

@@ -0,0 +1,38 @@
+# 展示外部函数
+
+本命令用于列出当前用户创建的外部函数。通过该命令，用户可以方便地查看和管理已创建的外部函数。
+
+相关函数：[创建连接](CREATECONNECTION.md)，[创建外部函数](<CREATE_EXTERNATL_FUNCTION.md>)，[删除函数](drop-function.md)
+
+## 语法
+
+```
+SHOW EXTERNAL FUNCTIONS [ LIKE '<pattern>' ];
+```
+
+## 参数说明
+
+**LIKE '<pattern>'**：此参数用于根据函数名称过滤命令输出。支持 SQL 通配符 `%` 和 `_`。
+
+## 使用说明
+
+- 执行该命令无需启动 VirtualCluster（VC），因此不会消耗 CRU 资源。
+- 命令 `SHOW FUNCTIONS` 和 `SHOW EXTERNAL FUNCTIONS` 均可用于显示外部函数信息。
+
+## 示例
+
+1. 显示所有外部函数：
+
+   ```
+   SHOW EXTERNAL FUNCTIONS;
+   ```
+
+2. 按照正则表达式规则显示外部函数，例如显示名称中包含 "hash" 的函数：
+
+   ```
+   SHOW EXTERNAL FUNCTIONS LIKE 'hash%';
+   ```
+
+
+
+通过上述示例，用户可以灵活地使用 `LIKE` 参数来过滤和查看外部函数。这有助于用户更好地管理和维护外部函数，确保数据仓库中函数的准确性和可用性。

package/bin/skills/lakehouse-doc/references/SHOWGRANTS.md

@@ -0,0 +1,62 @@
+# 功能
+
+**查看权限信息**：本命令用于查询当前用户或指定角色所拥有的权限，帮助用户了解权限设置情况，确保数据访问的安全性。
+
+# Workspace 角色查看权限语法
+
+```SQL
+-- 查看当前用户的权限
+SHOW GRANTS;
+
+-- 查询指定角色的权限
+SHOW GRANTS TO ROLE role_name;
+```
+
+**参数说明：**
+
+- **role_name**：需要查询权限的角色名称，该角色必须存在于当前数据库空间中。
+
+## 使用示例
+
+**示例 1**：查看当前用户的权限
+
+```SQL
+SHOW GRANTS;
+```
+
+执行该命令后，系统将列出当前用户拥有的所有权限信息。
+
+**示例 2**：查询指定角色的权限
+
+```SQL
+SHOW GRANTS TO ROLE simple_role;
+```
+
+执行该命令后，系统将列出`simple_role`角色所拥有的权限信息。
+
+**示例 3**：查询具有多个权限的角色信息
+
+假设有一个名为`admin_role`的角色，拥有多个权限，可以使用以下命令查询：
+
+```SQL
+SHOW GRANTS TO ROLE admin_role;
+```
+
+执行该命令后，系统将列出`admin_role`角色拥有的所有权限信息。
+# Instance 角色查看权限语法
+
+```SQL
+-- 查询指定角色的权限
+SHOW GRANTS TO  INSTANCE ROLE role_name;
+```
+
+**参数说明：**
+
+- **role_name**：需要查询权限的角色名称，该角色必须存在于当前数据库空间中。
+
+## 使用示例
+
+```
+-- 查看某个角色的权限
+SHOW GRANTS TO INSTANCE ROLE instanc_datamap_user;
+```