
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 SQL joprojām ir centrāls mūsdienu sistēmām, taču liela daļa darba ap to ir atkārtota. Izstrādātāji pavada stundas, labojot drukas kļūdas, formatējot vaicājumus un pārrakstot modeļus, ko viņi jau zina no galvas. Precīzi sakot, gandrīz   SQL laika katru nedēļu tiek veltīti šiem rutīnas uzdevumiem. 40% Tas ir galvenais iemesls, kāpēc AI rīki izplatās tik ātri. Šodien aptuveni   izstrādātāju jau izmanto vai plāno izmantot AI, lai veiktu šāda veida darbu. Tā vietā, lai cīnītos ar atkārtotiem uzdevumiem, tas palīdz inženieriem koncentrēties uz dizainu, veiktspēju un sarežģītākām problēmām. 84% Šajā rakstā tiek aplūkots, kā AI rīki samazina rutīnas darbu SQL izstrādē, kur tie sniedz vispraktiskākos ieguvumus un kādiem ierobežojumiem komandām vajadzētu pievērst uzmanību. Kur izstrādātāji zaudē laiku tradicionālajos SQL darba procesos Lielākā daļa zaudētā laika SQL darbā rodas no mazām pārtraukumiem, kas nepārtraukti iztraucē koncentrēšanos. Jūs sākat rakstīt vaicājumu, tad apstājaties, lai pārbaudītu tabulas struktūru, pārslēdzaties uz citu rīku, lai pārbaudītu sintaksi, palaistu vaicājumu, saskartos ar kļūdu, izlabotu drukas kļūdu un palaistu to vēlreiz. Pilnīgas koncentrēšanās atjaunošana pēc katra pārtraukuma var aizņemt vairāk nekā 20 minūtes. SQL darbā, kur jums jāpatur prātā shēmas un vaicājumu loģika, šāda veida traucējumi ātri palēnina progresu. Bieža konteksta pārslēgšana var samazināt produktivitāti par   vai vairāk, īpaši sarežģīta darba laikā. 20% Ietekme ir vēl sliktāka lielās sistēmās. Veiktspējas problēmu vai incidentu atkļadošanai nepieciešams skaidrs prāta priekšstats par to, kā viss savstarpēji savienojas. Katrs pārtraukums izplūdina šo priekšstatu, liekot jums to atjaunot pirms turpināšanas. Tas aizkavē labojumus un palielina kļūdu iespējamību. Kā AI uzlabo ikdienas SQL izstrādi AI rīki nemaina to, kā jūs rakstāt SQL. Tie vienkārši novērš daudzas mazās neērtības. Lūk, kā tie atšķiras ikdienas darbā. 
 
 
 
 
 
 
 
 
 
 
 Spēja 
 Kas faktiski mainās 
 Praktiskā ietekme 
 
 
 
 
 Kontekstjutīga automātiskā papildināšana 
 Ieteicamo tabulu un kolonnu nosaukumi, pamatojoties uz shēmu, kamēr jūs rakstāt 
 Mazāk laika shēmas meklēšanai vai objektu nosaukumu minēšanai 
 
 
 
 
 Reāllaika sintakses atsauksmes 
 Izceļ problēmas pirms vaicājuma palaišanas 
 Mazāk palaišanas–kļūmes–labošanas ciklu 
 
 
 
 
 Vaicājumu izstrāde no ieceres 
 Izveido sākuma vaicājumu no aptuvena apraksta vai daļējas SQL 
 Ātrāk nekā parastu vaicājumu izveide no nulles 
 
 
 
 
 Automātiskā formatēšana 
 Nekavējoties sakārto nekārtīgus skriptus 
 Uzlabo lasāmību bez manuālas sakārtošanas Katra tabulas funkcija atsevišķi ir neliela, taču kopā tās ietaupa laiku, samazinot kļūdas un atkārtotus vaicājumu darbus. Kļūdu novēršana pirms tās palēnina jūs SQL ir nepiedodošs. Trūkstoša komata vai nepareizs kolonnas nosaukums var pilnībā apturēt vaicājumu vai, vēl sliktāk, radīt rezultātus, kas izskatās pareizi, bet nav. Atsaucoties uz shēmas metadatiem, AI var identificēt nepareizus tabulu vai kolonnu nosaukumus, kamēr jūs rakstāt, uzreiz piedāvājot labojumus. Faktiski Microsoft konstatēja, ka   izstrādātāju, kas izmanto AI, jūtas produktīvāki, daļēji pateicoties mazākām kļūdām, kas pārtrauc darba plūsmu. 90% AI arī brīdina par strukturāliem riskiem sarežģītos vaicājumos, piemēram, apvienojumos vai iekšējos loģiskajos uzbūvēs, pirms tie rada problēmas. Kad acīmredzamas kļūdas tiek atklātas agrīnā stadijā, izstrādātāji pavada mazāk laika aizsardzības atkļadošanai. Tomēr tas nenozīmē, ka AI ir nekļūdīgs. Lai gan   izstrādātāju apgalvo, ka AI uzlabo efektivitāti, viņiem joprojām ir jāpārbauda tā rezultāti un jāpārskata ģenerētais kods pirms izvietošanas. 82% Rutīnas darba automatizēšana, lai koncentrētos uz svarīgo Liela daļa ikdienas SQL darba nav jaunu problēmu risināšana. Tā ir nelielu variāciju rakstīšana vaicājumiem, ko esat rakstījis daudzas reizes iepriekš: datu apakškopu izgūšana, tādu pašu galveno tabulu savienošana, apkopojumu veidošana atskaitēm vai skriptu sakārtošana, lai kāds cits tos varētu lasīt vēlāk. Individuāli šie uzdevumi ir vienkārši, taču problēma ir apjoms. Sprinta laikā tie klusi patērē stundas, kuras citādi varētu veltīt veiktspējas optimizēšanai, shēmas projektēšanai vai reti sastopamu gadījumu izpētei. AI palīdzība palīdz samazināt šo slogu. Tādos rīkos kā dbForge ar savu AI palīgu vai vidēs, kas uzlabotas ar Copilot tipa integrācijām, izstrādātāji var aprakstīt, ko viņiem vajag, vienkāršā valodā un saņemt SQL vaicājuma projektu turpmākai precizēšanai. Iekšējie dati rāda, ka tas var ievērojami paātrināt rutīnas darbu, paātrinot vaicājumu rakstīšanu par 30–50%, atkļadošanu par 40–60%, un samazinot atkārtotus skriptu uzdevumus līdz pat 60–70%. AI pārbaudes var arī agrīnā stadijā atklāt aizdomīgus modeļus, palīdzot novērst kļūdu nonākšanu testēšanā vai ražošanā. Rezultāts nav tas, ka inženieri strādā mazāk; tas ir tas, ka viņu pūles tiek pārorientētas. Mazāk laika tiek veltīts rutīnas SQL izstrādei un vairāk lēmumu pieņemšanai, kas faktiski ietekmē sistēmas darbību. Stratēģiskas atziņas komandām Komandām lielākais AI ieguvums ir mazāk izvairāmu aizkavēšanos. Kad vienkāršas kļūdas tiek atklātas agrīnā stadijā un rutīnas vaicājumi var tikt ātri izstrādāti, darbs pārskatu laikā tik daudz neatgriežas turp un atpakaļ. Izmaiņas virzās uz priekšu, nevis iestrēgst pie maziem labojumiem. AI arī samazina atkarību no dažiem pieredzējušiem SQL speciālistiem ikdienas uzdevumos. Izstrādātāji var paši veikt rutīnas darbu, kas ļauj vairākām projekta daļām virzīties uz priekšu vienlaicīgi, nevis gaidīt rindā. Tomēr komandām joprojām ir vajadzīgi cilvēki, kas izprot datus un biznesa noteikumus. AI var ģenerēt vaicājumus, kas darbojas, bet rada nepareizus rezultātus. Kādam ir jāpārbauda, vai loģika ir pareiza un vai veiktspēja ir pieņemama. Praksē AI palīdz komandām strādāt vienmērīgāk, nevis maģiski ātrāk. Tas novērš mazus šķēršļus, lai pūles tiktu veltītas nozīmīgiem lēmumiem, nevis rutīnas labojumiem. Jūsu kārta AI rīki maina SQL darbu praktiskos veidos. Tie veic atkārtotus uzdevumus, agrīnā stadijā atklāj vienkāršas kļūdas un samazina nepieciešamību pāriet starp rīkiem. Rezultātā izstrādātāji pavada mazāk laika rutīnas darbam un vairāk laika svarīgām lietām, piemēram, veiktspējas optimizēšanai un sistēmas projektēšanai. Tomēr cilvēku zināšanas joprojām ir būtiskas. Inženieriem ir jāpārskata rezultāti, jāoptimizē vaicājumi un jāpieņem lēmumi, kas ietekmē uzticamību un pareizību, jo, lai gan AI paātrina darbu, tas neaizstāj spriedumu. Tāpēc daudzos modernajos rīkos, piemēram, dbForge, AI palīdzība ir iebūvēta tieši vaicājumu redaktorā: atbalstot izstrādātājus rakstīšanas laikā, bet nekad nepārņemot kontroli pār loģiku vai rezultātiem. Galu galā ieguvums nav automatizācija, kas aizstāj zināšanas. Tas ir tas, ka AI samazina mazo uzdevumu mentālo slodzi, lai izstrādātāji varētu koncentrēties uz lēmumiem, kas veido sistēmu.

This story contains new, firsthand information uncovered by the writer.

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

This story contains AI-generated text. The author has used AI either for research, to generate outlines, or write the text itself. 

Read My Stories

Šis audio ir izveidots stāsta oriģinālvalodā!

Jūsu SQL komanda tērē 40% sava laika uzdevumiem, ko AI var veikt jau tagad.

About Author

KOMENTĀRI

PAKARINĀT TAGUS

ŠIS RAKSTS TIKS PĀRSTRĀDĀTS

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps