SDF 对比 Avanty

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。

Avanty作为Metabase中的Chrome扩展，能够根据简单的英文提示生成SQL。它读取你连接的数据库模式，在编辑器中起草查询，并逐步解释现有的SQL，帮助分析师减少语法上的困扰。

通用的SQL助手通常在空白编辑器中工作。Avanty专为Metabase设计：它了解你的表，支持像datawarehouse.users这样的自定义模式名称，并可通过macOS上的Cmd Shift period或Windows上的Ctrl Shift period从命令面板打开。内联差异查看器会在你接受修改前显示建议的编辑内容。

在Metabase中工作的数据分析师和分析工程师能最大限度地利用Avanty。以往需要通过Slack询问并半成品的查询，现在可以从自然语言提示开始，作为草稿问题进入Metabase，并更快地完成审核。预览版的Slack集成还能从频道消息中显示匹配的Metabase问题。