SQL na CSV — Wykonuj zapytania SQL na plikach CSV, JSON i Parquet

Przeszukuj arkusze i pliki danych prawdziwym SQL

Formuły arkuszy kalkulacyjnych świetnie sprawdzają się przy drobnych zmianach, ale stają się uciążliwe, gdy trzeba przefiltrować tysiące wierszy, pogrupować dane według kilku kolumn lub połączyć dwa eksporty ze wspólnym identyfikatorem. SQL na CSV pozwala traktować zwykłe pliki z danymi jak tabele w bazie danych. Upuść plik CSV, TSV, JSON lub Parquet, a od razu stanie się on widokiem SQL nazwanym tak jak plik – dzięki temu sales_2024.csv można odpytać poleceniem SELECT * FROM sales_2024. Dodaj kolejne pliki, a będziesz mógł je złączać (join), scalać (union) lub porównywać bez importowania czegokolwiek na serwer bazodanowy.

Silnikiem narzędzia jest DuckDB – analityczna baza danych zaprojektowana z myślą o szybkich zapytaniach na danych kolumnowych. Jej dialekt SQL jest zbliżony do PostgreSQL i obsługuje złączenia, GROUP BY, funkcje okna, wspólne wyrażenia tablicowe (CTE), SUMMARIZE do błyskawicznych statystyk kolumn oraz bogatą bibliotekę funkcji tekstowych, datowych i matematycznych. Nazwy i typy kolumn są wykrywane automatycznie, a panel schematu pokazuje dokładnie, co DuckDB wywnioskował dla każdego pliku.

Prywatność w standardzie: wszystko działa w przeglądarce

Wiele internetowych środowisk SQL wymaga najpierw przesłania danych. Ta strona nie. DuckDB jest skompilowany do WebAssembly i działa w Twojej przeglądarce, więc dodawane pliki są wczytywane do pamięci przeglądarki i przetwarzane lokalnie. Nic nie trafia na serwer, dlatego narzędzie nadaje się do eksportów danych klientów, raportów finansowych, logów i innych informacji, których nie należy przekazywać osobom trzecim. Przy pierwszej wizycie silnik (około 35 MB) jest pobierany z sieci CDN; później przeglądarka może przechowywać go w pamięci podręcznej.

Wskazówki dotyczące szybszych i dokładniejszych zapytań

Zacznij od przycisków z przykładami: Preview rows pokazuje próbkę wierszy, Column stats uruchamia SUMMARIZE, ujawniając wartości minimalne i maksymalne, odsetek wartości pustych (null) oraz liczbę unikalnych wartości, a szablon złączenia daje punkt wyjścia do łączenia dwóch plików. Nazwy kolumn zawierające spacje lub wielkie litery ujmuj w podwójny cudzysłów, na przykład "Order Date". Jeśli kolumna CSV zostanie rozpoznana z niewłaściwym typem, przekonwertuj ją jawnie za pomocą CAST(col AS DOUBLE) lub TRY_CAST. Siatka wyników wyświetla do 1000 wierszy, natomiast Export result as CSV zapisuje każdy wiersz zwrócony przez zapytanie. Ponieważ pliki są przechowywane w pamięci, obsługa bardzo dużych zbiorów danych zależy od ilości RAM dostępnej dla przeglądarki; pliki Parquet są zwykle najbardziej kompaktową opcją.