Come smettere di reinventare la ruota quando si lavora con SQL Server

Immagina di dover testare rapidamente una nuova funzionalità in un database o distribuire un ambiente demo per un cliente. Di solito questo si trasforma in una quest: elaborare una struttura di tabelle, riempirla con dati almeno abbastanza realistici e non dimenticare gli indici. Microsoft ha risolto questo problema molto tempo fa raccogliendo tutto il necessario per lavorare con i dati in un unico posto.

Cos'è questo repository

Il progetto sql-server-samples è il "sandbox" ufficiale di Microsoft. Non contiene solo frammenti di codice, ma esempi completi per l'intera lineup Azure Data: dal classico SQL Server ad Azure Synapse e SQL Edge.

Il valore principale qui sono i database e gli scenari già pronti. Se stai appena iniziando a imparare SQL o vuoi vedere come funzionano in condizioni reali funzionalità complesse come In-Memory OLTP, questo repository ti farà risparmiare decine di ore.

A cosa serve questo set

Il repository ha diverse aree chiave, ognuna dedicata a compiti specifici per sviluppatori o amministratori di database.

Database già pronti per qualsiasi attività

invece di tabelle vuote, ottieni progetti già compilati con dati. I più conosciuti sono:

• Wide World Importers. Lo standard moderno per SQL Server 2016 e versioni successive. Ha tutto: dalle transazioni regolari (OLTP) ai cubi analitici (OLAP).
• AdventureWorks. Un classico con cui sono cresciute generazioni di amministratori. Disponibile in diverse varianti: dalle versioni leggere ai massive data warehouse.
• Northwind. Per chi ama visualizzare la struttura, le release includono anche un diagramma entità di questo database.

Dimostrazione delle prestazioni

Una delle sezioni più interessanti è In-Memory OLTP Performance Demo. È una demo già pronta che mostra chiaramente la differenza di velocità tra tabelle normali e tabelle in-memory. Quando devi giustificare la migrazione verso nuove tecnologie al business, questi numeri funzionano meglio di qualsiasi presentazione.

Scenari Internet of Things

Per chi lavora con l'hardware, c'è IoT Smart Grid. È un esempio di come SQL Server gestisce flussi massivi di dati dai sensori. Dimostra l'intero ciclo: dall'inserimento dei dati all'analisi in tempo reale.

Come lavorare con questo

Il repository è enorme: oltre 500 MB. Clonarlo interamente per un solo script non ha senso. Gli sviluppatori lo avevano previsto e hanno offerto sparse checkout. Questo ti permette di scaricare solo le cartelle che ti servono.

Ecco come prendere solo le funzionalità e i materiali demo:

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

A proposito, se non vuoi impazzire con il codice e la compilazione, dai un'occhiata alla sezione Releases. Ci sono file .bak e .bacpac già pronti. Puoi semplicemente distribuirli sul tuo server in un paio di clic.

Casi d'uso pratici

Uso spesso questi materiali in due scenari. Prima di tutto, per la formazione. Se devi spiegare a un collega come funzionano il partizionamento o gli indici Columnstore, è più facile dimostrarlo su Wide World Importers che disegnare diagrammi su un tovagliolo.

In secondo luogo, è un'ottima base per il load testing. Invece di generare rumore casuale, prendi la struttura di AdventureWorks ed esegui le tue query su di essa. Questo dà risultati molto più prevedibili e realistici.

Il repository microsoft/sql-server-samples sarà utile per:

• Sviluppatori che hanno bisogno di dati realistici per il debug delle applicazioni.
• Architetti che studiano le best practice per la progettazione di database dai creatori del motore stesso.
• Chiunque voglia provare Azure Synapse o SQL Edge senza perdere tempo a configurare un ambiente da zero.

Non è un progetto che studierai ogni giorno, ma vale sicuramente la pena di aggiungerlo ai segnalibri. Quando arriva un task di ottimizzazione o migrazione, ti ringrazierai per non aver scritto generatori di dati manualmente.