Cómo dejar de reinventar la rueda al trabajar con SQL Server

Imagina que necesitas probar rápidamente una nueva característica en una base de datos o desplegar un entorno de demostración para un cliente. Por lo general, esto se convierte en una quest: idear una estructura de tablas, llenarla con datos al menos algo realistas, y no olvidar los índices. Microsoft resolvió este problema hace mucho tiempo reuniendo todo lo que necesitas para trabajar con datos en un solo lugar.

Qué es este repositorio

El proyecto sql-server-samples es el "sandbox" oficial de Microsoft. No contiene solo fragmentos de código, sino ejemplos completos para toda la línea de Azure Data: desde SQL Server clásico hasta Azure Synapse y SQL Edge.

El valor principal aquí son las bases de datos y escenarios listos para usar. Si estás comenzando a aprender SQL o quieres ver cómo funcionan en condiciones reales características complejas como In-Memory OLTP, este repositorio te ahorrará docenas de horas.

Para qué sirve este conjunto

El repositorio tiene varias áreas clave, cada una abordando tareas específicas de desarrolladores o administradores de bases de datos.

Bases de datos listas para cualquier tarea

En lugar de tablas vacías, obtienes proyectos llenos de datos. Los más conocidos son:

• Wide World Importers. El estándar moderno para SQL Server 2016 y posteriores. Tiene de todo: desde transacciones regulares (OLTP) hasta cubos analíticos (OLAP).
• AdventureWorks. Un clásico con el que múltiples generaciones de administradores crecieron. Disponible en diferentes variaciones: desde versiones ligeras hasta almacenes de datos masivos.
• Northwind. Para quienes les gusta visualizar la estructura, los releases incluso incluyen un diagrama de entidades de esta base de datos.

Demostración de rendimiento

Una de las secciones más interesantes es In-Memory OLTP Performance Demo. Esta es una demostración lista para usar que muestra claramente la diferencia de velocidad entre tablas regulares y tablas en memoria. Cuando necesitas justificar ante el negocio la migración a nuevas tecnologías, este tipo de números funcionan mejor que cualquier presentación.

Escenarios de Internet de las Cosas

Para quienes trabajan con hardware, existe IoT Smart Grid. Este es un ejemplo de cómo SQL Server maneja flujos masivos de datos de sensores. Demuestra todo el ciclo: desde la ingestión de datos hasta el análisis en tiempo real.

Cómo trabajar con esto

El repositorio es enorme — más de 500 MB. Clonarlo completamente para un solo script no tiene sentido. Los desarrolladores anticiparon esto y ofrecieron sparse checkout. Esto te permite descargar solo las carpetas que necesitas.

Así es como puedes obtener solo las características y materiales de demostración:

git clone -n https://github.com/Microsoft/sql-server-samples
cd sql-server-samples
git config core.sparsecheckout true
echo samples/features/* >> .git/info/sparse-checkout
echo samples/demos/* >> .git/info/sparse-checkout
git checkout

Por cierto, si no quieres complicarte con código y compilación, revisa la sección de Releases. Hay archivos .bak y .bacpac listos para usar. Simplemente puedes desplegarlos en tu servidor en un par de clics.

Casos de uso prácticos

Yo uso estos materiales frecuentemente en dos escenarios. Primero, para capacitación. Si necesitas explicarle a un colega cómo funcionan el particionamiento o los índices Columnstore, es más fácil demostrarlo con Wide World Importers que dibujar diagramas en una servilleta.

Segundo, es una gran base para pruebas de carga. En lugar de generar ruido aleatorio, tomas la estructura de AdventureWorks y ejecutas tus consultas contra ella. Esto da resultados mucho más predecibles y realistas.

El repositorio microsoft/sql-server-samples será útil para:

• Desarrolladores que necesitan datos realistas para depurar aplicaciones.
• Arquitectos que estudian las mejores prácticas para diseño de bases de datos de los propios creadores del motor.
• Cualquiera que quiera probar Azure Synapse o SQL Edge sin perder tiempo configurando un entorno desde cero.

Este no es un proyecto que estudiarás todos los días, pero definitivamente vale la pena marcarlo. Cuando llegue una tarea de optimización o migración, te agradecerás a ti mismo por no haber escrito generadores de datos manualmente.