schema2dwh

หมายเหตุสำคัญ!

schema2dwh ขับเคลื่อนโดย AI - Gemini ของ Google - โปรดตรวจสอบให้แน่ใจว่าได้ตรวจสอบเอาต์พุตโค้ดทั้งหมดก่อนที่จะลงทะเบียนสิ่งนี้กับการใช้งานจริง โปรดทราบว่าการประมวลผลผ่านสคริปต์นี้จะใช้ Gemini API ซึ่งข้อมูลจะถูกประมวลผลโดย Google

schema2dwh [AI ขับเคลื่อน DB Schema ถึง DWH Schema Creation Script]

schema2dwh เป็นเฟรมเวิร์กโอเพ่นซอร์สที่ออกแบบมาเพื่อลดความซับซ้อนและสร้างโมเดลข้อมูลโดยอัตโนมัติตามฐานข้อมูลของคุณโดยใช้สคีมาข้อมูล การใช้ประโยชน์จาก AI และคำถามสองสามข้อเกี่ยวกับอินพุตของคุณ มันจะสร้างไฟล์ SQL DDL ให้คุณอย่างรวดเร็ว พร้อมสำหรับการสร้าง โครงกระดูกด้านหลังคลังข้อมูลที่สร้างขึ้นใหม่ของคุณ

คุณสมบัติ

• รวบรวมข้อมูลที่จำเป็นจากผู้ใช้แบบโต้ตอบ
• ใช้ Google Generative AI เพื่อสร้างสคีมา STAR/SNOWFLAKE
• รองรับซอฟต์แวร์ฐานข้อมูลต่างๆ (MySQL, SQL Server, PostgreSQL ฯลฯ)
• ส่งออกคำสั่ง SQL DDL ที่เข้ากันได้กับซอฟต์แวร์ฐานข้อมูลที่ระบุ
• เพิ่มความคิดเห็นให้กับทุกคอลัมน์เพื่ออ้างอิงถึงผู้ใช้ฐานข้อมูลของคุณ
• บันทึกสคีมาที่สร้างขึ้นไปยังไฟล์เอาต์พุตที่ระบุ

ดูตัวอย่าง:

โปรดดูด้านล่างเพื่อดูตัวอย่างวิธีการทำงาน

อินพุต (รันสคริปต์โดยใช้ my_schema.csv :

เอาต์พุต DDL ( output_schema.sql :

ข้อกำหนดเบื้องต้น

• หลาม 3.x
• แพ็คเกจ Google Generative AI Python ( google-generativeai )
• คีย์ Google Generative AI API - https://aistudio.google.com/app/apikey

การติดตั้ง

1. โคลนที่เก็บ:

   git clone https://github.com/cqllum/schema2dwh.git
   cd schema2dwh

2. ติดตั้งแพ็คเกจที่จำเป็น:

   pip install google-generativeai

3. ตั้งค่าคีย์ Google Generative AI API ของคุณ: แทนที่ตัวยึดตำแหน่ง your-api-key ในสคริปต์ด้วยคีย์ Google Generative AI API จริงของคุณ สร้างคีย์ที่นี่: https://aistudio.google.com/app/apikey

4. แทนที่ไฟล์ตัวอย่างอินพุตสคีมา (my_schema.csv): โปรดทราบว่า เพื่อให้มีความแม่นยำที่สุดเท่าที่จะเป็นไปได้ คุณจะต้องดึงสคีมาข้อมูลจากฐานข้อมูลของคุณ ในกรณีส่วนใหญ่ จะทำได้ง่ายเพียงแค่ SELECT * FROM information_schema.columns - หรือมิฉะนั้น โปรดเข้าร่วมเอกสารประกอบของซอฟต์แวร์ฐานข้อมูลของคุณ

การใช้งาน

1. เรียกใช้สคริปต์:

   python schema2dwh.py

2. ปฏิบัติตามคำแนะนำ: สคริปต์จะแจ้งให้คุณทราบข้อมูลต่อไปนี้:

   • ซอฟต์แวร์ฐานข้อมูล (เช่น MySQL, SQL Server, PostgreSQL)
   • ชื่อฐานข้อมูล/สคีมา
   • อุตสาหกรรมที่เกี่ยวข้องกับฐานข้อมูลของคุณ (เช่น อีคอมเมิร์ซ การก่อสร้าง การประกันภัย)
   • แบบแผนการตั้งชื่อตาราง/คอลัมน์ (เช่น Snake_case, PascalCase, CamelCase)
   • เส้นทางไฟล์ไปยังสคีมาข้อมูลในรูปแบบ CSV
   • จุดข้อมูลสำคัญสำหรับการรายงาน

3. เอาท์พุต: สคริปต์จะสร้างคำสั่ง DDL SQL และบันทึกลงใน output_schema.sql หากไม่สามารถสร้างสคีมาได้ ระบบจะแจ้งให้คุณระบุสคีมาข้อมูลที่เหมาะสม

โครงสร้างสคริปต์

• configure_genai(api_key) : กำหนดค่าโมเดล Generative AI ด้วยคีย์ API ที่ให้มา
• create_model() : สร้างและกำหนดค่าโมเดล Generative AI ด้วยการตั้งค่าที่ระบุ
• start_chat_session(model) : เริ่มเซสชันการแชทด้วยโมเดลโดยใช้คำแนะนำที่กำหนดไว้ล่วงหน้า
• gather_user_input() : รวบรวมอินพุตที่จำเป็นจากผู้ใช้แบบโต้ตอบ
• format_response(db_software, db_name, industry, case_type, input_schema, additional_value) : จัดรูปแบบอินพุตที่ผู้ใช้ป้อนเป็นการตอบกลับสำหรับเซสชันการแชท
• save_schema_to_file(output_file, schema_output) : บันทึกเอาต์พุตสคีมาที่สร้างขึ้นไปยังไฟล์ที่ระบุ
• main() : ฟังก์ชั่นหลักที่ขับเคลื่อนสคริปต์