Raw Query 对比 SDF

Raw Query 允许您使用简单的英语与 Postgres、MySQL 和 MariaDB 进行对话，无需手写 SQL。粘贴数据库连接字符串，提出诸如“上周谁加入了您的 Pro 计划”之类的问题，Raw Query 会从浏览器或移动设备返回答案或 CSV 导出文件。

与需要设置的 BI 仪表盘和假设用户熟练查询的 SQL 客户端相比，Raw Query 针对创始人和分析师的快速临时查询。Postgres 连接支持带确认提示的插入和更新操作，而 MySQL 和 MariaDB 连接则专注于读取查询，因此使用 Postgres 的团队拥有更广泛的写入权限。

Raw Query 适合独立创始人、避免使用一次性内部工具的开发者，以及希望获得答案而无需学习 SQL 语法的 BI 用户。免费计划包括每月在两个数据库中成功执行 300 次查询，付费等级则提高查询限制、座位数和支持优先级，团队计划支持无限座位。

SDF 是一个 SQL 理解引擎，它读取数据仓库中的 SQL，构建每个查询的中间表示，并在执行前标记错误。它位于分析堆栈中原始 SQL 文本和数据库之间，为团队提供编译时对语法、类型和下游列结构的洞察。

大多数 SQL 代码检查工具仅停留在表面语法层面。SDF 通过三个层级工作：解析为语法树，编译带有函数签名和返回类型的逻辑计划，以及在数据级检查重要时执行物理计划。这个层级结构能捕捉 Snowflake dateadd 调用中的错误参数顺序和解析器单独无法发现的不可能的日期类型转换，这也是 dbt Labs 收购 SDF Labs 并将该引擎嵌入 dbt 而非附加另一个字符串预处理器的原因。

分析工程师和 dbt 开发者使用 SDF 来强化大型仓库项目，追踪列级血缘关系，并减少运行时意外失败地发布转换。自 2024 年中期 GA 发布以来，sdf.com 将访问者引导至 dbt Labs 页面，解释此次收购如何将 SDF 融入下一代 dbt 引擎。