// für Datenanalysten

Schreibe die Abfrage. Vertrau der Antwort. Hol die Daten heraus.

Du musst nicht wissen, was ein Generationszähler ist, um aus SQLly Nutzen zu ziehen. Dieser Leitfaden behandelt die drei Dinge, die du den ganzen Tag tatsächlich tust: Abfragen schreiben, ohne mit dem Editor zu kämpfen, Ergebnisse lesen, ohne die Augen zusammenzukneifen, und Daten exportieren, ohne ein zweites Tool.

// Orientierung

Finde deine Tabellen, bevor du eine Zeile SQL schreibst

Das Server-Panel links gruppiert jede Verbindung so, wie du wirklich über deine Daten denkst – nicht nur nach Hostname.

SQLly - Server
SQLly-Abfrage-Workspace mit geöffnetem Server-Panel links und einem leeren Abfrage-Tab

Das Server-Panel, ein leerer Abfrage-Tab und der Ergebnisbereich – die drei Bereiche, in denen du leben wirst.

🗂️
Verbindungsgruppierung ✓ funktional

Kunde, Projekt, Umgebung oder roher Server

Zwischen den Gruppierungsmodi oben im Panel wechseln - Keine, Client, Projekt, Env, Server - sodass aus einer verstreuten Liste von Hostnamen „Acme Corp → Reporting → Prod.“ wird.

📑
Tabs ✓ funktional

Ein Tab pro Gedankengang

Jede Abfrage lebt in ihrem eigenen Tab mit eigener Server- und Datenbankauswahl, sodass eine schnelle Nachschlage-Abfrage in einem Tab nie in den Bericht übergreift, den du in einem anderen erstellst.

💾
Absturzsicher ✓ funktional

Deine Tabs kommen zurück

Schließen Sie SQLly, öffnen Sie es erneut, und Ihre offenen Tabs – Abfragetext, Layout, alles – sind genau dort, wo Sie sie verlassen haben. Nichts zu speichern, nichts zu verlieren.

// Abfragen schreiben

Autovervollständigung, die deine Daten kennt, nicht nur dein Schema

Die meisten SQL-Editoren vervollständigen Tabellen- und Spaltennamen. SQLly geht eine Ebene tiefer.

SQLly - Abfrage 2
SQLly-Editor zeigt IntelliSense, das SQL-Schlüsselwörter wie AND, AS, BETWEEN mitten in der Abfrage vorschlägt

Vervollständigung von Schlüsselwörtern und Klauseln erscheint beim Tippen - kein manueller Auslöser nötig.

⌨️
Wert-Autovervollständigung ✓ funktional

Autovervollständigung für Spalten Werte

Tippe innerhalb einer WHERE -Klausel, und SQLly schlägt echte Werte vor, die aus den tatsächlichen Daten dieser Spalte stammen – live gefiltert, während du weitertippst.

-- as you type, it filters live
WHERE CompanyName = 'Acme␣'  ⟶ Acme Corp, Acme Labs…
🔑
Schlüssel ↔ Name ○ geplant

Geben Sie den Namen ein, nicht den Schlüssel

Suchst du eine Zeile hinter einem Fremdschlüssel? Tipp den gut lesbaren Namen ein, den du eigentlich suchst – SQLly löst ihn auf und baut den Join gleich mit, sodass du nicht von Hand JOINs, nur um nach Kundennamen zu filtern.

🌫️
unvollständiges Schema ✓ funktional

Es hilft immer noch bei einem halbfertigen Schema

Wenn die Definition einer Tabelle noch roh ist - ein Migrationsentwurf aus dem Team, eine Skizze, die noch nicht ganz parst - legt SQLly seine beste Vermutung darüber und liefert weiter Vervollständigungen, statt aufzugeben.

🏷️
lesbare Ergebnisse ◐ in Bearbeitung

Namen statt IDs in den Ergebnissen sehen

Wo SQLly den natürlichen „Anzeigewert“ für einen Fremdschlüssel ermitteln kann, zeigt es dir Acme Corp im Raster an, anstatt customer_id = 4827 - pro Spalte konfigurierbar, wenn es falsch rät.

// Ergebnisse lesen

Ein Ergebnisraster, das fürs echte Lesen der Daten gebaut wurde

Große Ergebnismengen bleiben flüssig, weil SQLly nur die Zeilen rendert, die auf dem Bildschirm sind - es verhaspelt sich nicht daran, 500.000 Zeilen auf einmal ins DOM zu rendern.

SQLly - Syntaxhervorhebung
SQLly-Editor zeigt eine mehrzeilige Aggregatabfrage mit Syntaxhervorhebung

Saubere Syntaxhervorhebung für die Abfrage, die du tatsächlich geschrieben hast – Schlüsselwörter, Funktionen und Bezeichner in unterscheidbaren Farben.

📊
virtualisiertes Raster ✓ funktional

Flüssiges Scrollen, selbst bei großen Ergebnismengen

Das Raster ist virtualisiert – es rendert nur den Ausschnitt der Zeilen, der gerade auf dem Bildschirm angezeigt wird, sodass das Durchblättern eines Ergebnissets mit sechsstelliger Zeilenzahl sich genauso anfühlt wie das Durchblättern von zehn Zeilen.

🧭
Blättern ✓ funktional

Ergebnisse werden seitenweise zurückgegeben, nicht alle auf einmal

SQLly lädt große Ergebnismengen seitenweise, statt alles auf einmal im Speicher halten zu wollen, sodass eine Abfrage, die weit mehr liefert als erwartet, die App nicht blockiert, während die Daten hereinstreamt.

🧮
Benutzerdefinierte Formatierung ◐ in Bearbeitung

Spalten so formatieren, wie dein Team sie liest

Lege pro Spalte Formatierungseinstellungen — Geld, Rundung, Datumsformat — einmal in den Einstellungen fest, statt jede Abfrage in FORMAT() Aufrufen.

🔀
kommentarbasiertes Pivot ✓ funktional

Pivot-Ergebnisse mit einem Kommentar

Annotiere die Abfrage, und SQLly formt die Zeilen direkt im Ergebnisraster in Spalten um - kein Assistent, kein Export in ein Pivot-Tool.

--! pivot rows=region cols=quarter value=revenue
📝
Zeilen-Editor ✓ funktional

Zeile bearbeiten, ohne UPDATE von Hand zu schreiben

Klicke mit der rechten Maustaste auf eine beliebige Ergebniszeile, und SQLly baut aus den Metadaten der Tabelle ein Bearbeitungsformular mit einem Feld pro Spalte - Typen, Standardwerte und Constraints inklusive. Bearbeite, füge ein, dupliziere oder lösche Zeilen mit abgesicherten, parametrisierten Schreibvorgängen und springe zu verwandten Zeilen in einem eigenen Tab.

🧬
strukturierte Zellen ✓ funktional

Lies JSON und XML, keine Textwand

Zellen mit JSON oder XML öffnen sich in einem strukturierten, formatierten Viewer, den du auf- und zuklappen kannst - statt einer einzigen unlesbaren Zeile, die in eine Rasterzelle gequetscht ist.

🪟
benutzerdefinierte Layouts ✓ funktional

Arrangiere mehrere Ergebnismengen nach deinen Wünschen

Hör auf, durch untereinander gestapelte Ergebnismengen zu scrollen. Wechsle zwischen Tab-, Stapel- und Freiform-Canvas-Layouts – oder lege Zeilen und Spalten per Kommentar fest (-- sqlly 4x2), sodass mehrere Sets dort landen, wo sie Sinn machen.

Willst du das echte Raster selbst ausprobieren? das interaktives Beispiel in den Docs läuft das echte Ergebnisraster in deinem Browser - sortiere, ändere die Größe, pivotiere und erstelle Diagramme aus einem mitgelieferten Datensatz, ohne dass du etwas herunterladen musst.
// Daten exportieren

Export in dem Format, das der nächste Schritt braucht

Der Bericht ist selten das Abfrageergebnis selbst – es ist eine Tabellenkalkulation, eine Slack-Nachricht oder ein Migrationsskript. SQLly exportiert direkt in all diese Formate.

📋
Gängige Formate ✓ funktional

CSV, TSV, JSON, Markdown, HTML

Wähle das Format, das zu dem passt, wohin die Daten als Nächstes gehen - eine Tabellenkalkulation, eine API-Nutzlast, eine README-Tabelle oder ein kurzes Einfügen in ein Dokument.

📗
Echte Tabellenkalkulationen ✓ funktional

Direkt nach XLSX

Direkt in eine Excel-Datei exportieren, wenn „schick mir die Zahlen“ eine echte Tabelle bedeutet und keine CSV, die erst jemand umformatieren muss.

🧱
für Engineers ✓ funktional

Ergebnisse als INSERT-Anweisungen kopieren

Möchtest du einem Entwickler ein paar Zeilen zum Befüllen einer Testumgebung weitergeben? Exportiere das Ergebnisset als fertig ausführbare INSERT Anweisungen statt einer CSV, die sie erst von Hand umformatieren müssen.

⚖️
vergleichen ✓ funktional

Zwei Ergebnismengen vergleichen

Dieselbe Abfrage vor und nach einer Änderung ausgeführt? Vergleiche die beiden Ergebnismengen und sieh genau, welche Zeilen dazugekommen, weggefallen oder unangetastet sind – Schemaabweichungen werden angemerkt, nicht stillschweigend falsch verglichen.

// warum es sich schnell anfühlt

Über Leistung solltest du nicht nachdenken müssen. Musst du auch nicht.

⚡
✓ funktional

Autovervollständigung wartet nicht auf deine Datenbank

SQLly hält ein eigenes Modell deines Schemas im Speicher und aktualisiert es im Hintergrund, sodass IntelliSense sofort reagiert – auch bei einem großen oder langsamen Server. Es wird nicht bei jedem getippten Buchstaben eine Live-Abfrage an die Datenbank geschickt.

🧠
✓ funktional

Es überprüft nur das, was sich tatsächlich geändert hat

Anstatt Ihr gesamtes Schema bei jedem Tastendruck neu zu scannen, verfolgt SQLly, was sich geändert hat, und validiert nur dies – deshalb bleibt es auch bei Datenbanken mit Tausenden von Objekten schnell.

Neugierig, warum genau? das DBA- & Power-User-Handbuch deckt die Stellschrauben ab, und das Engineering Deep Dive deckt die eigentliche Architektur ab - Caching, Snapshotting und die darunterliegende Rust-Engine.

Das ist der gesamte Arbeitsablauf.

Verbinden, eine Abfrage mit echter Hilfe schreiben, die Ergebnisse ohne Kopfschmerzen lesen, sie überall exportieren, wohin sie müssen. Keine vierzehnstufige Einführung erforderlich.