// für DBAs & Poweruser

Die Regler, die Leitplanken und warum es bei deinem Schema nicht schlappmacht

Du wurdest schon mal enttäuscht von Tools, die gegen einen veralteten Schema-Cache vervollständigen, oder die einem Junior-Entwickler einen DELETE gegen die Produktion zu machen. Das ist die Tour für dich: was du an SQLly drehen kannst, was es tut, um Leute vor Ärger zu bewahren, und genug vom „Warum“, um darauf zu vertrauen, dass es nicht nur Marketingtext ist.

// IntelliSense-Anpassung

IntelliSense ist eine Einstellung, keine Blackbox

Einstellungen → Editor → Allgemein lässt dich die Vervollständigungs-Engine wählen und genau sehen, was sie tut.

SQLly - Einstellungen → Editor → Allgemein
SQLly-Einstellungsbereich, in dem die IntelliSense-Quelle auf die Rust-Engine gestellt ist, mit Optionen für Tabs/Leerzeichen und automatische Abstände

Die IntelliSense Quelle Dropdown: Eingebaut (lokaler Parser) vs. Rust-Engine (der umfassendere, ffi-unterstützte Parser).

⚙️
Quelle: Eingebaut vs. Rust-Engine ✓ funktional

Wähle deine Autovervollständigungs-Engine

das Integriert Quelle nutzt einen schnellen lokalen Parser, der für die meisten Bearbeitungen ausreicht. Wechsle zur Rust-Engine -Quelle, wenn du den vollständigeren, per FFI angebundenen Parser für die Autovervollständigung willst - genauer bei zähem, tief verschachteltem SQL, bei geringen Startkosten.

🌫️
unvollständige Modell-Intellisense ✓ funktional

Es sagt dir, wann es rät

Wenn SQLly mit einem Schema arbeitet, das es noch nicht vollständig validieren kann - ein grober DDL-Entwurf, eine laufende Migration - verfolgt es das intern als unvollständige Region mit eigener Herkunft und Konfidenz, anstatt stillschweigend vorzugeben, dass die Completion verbindlich ist.

🗂️
multi-modales Schema ✓ funktional

Lokale Dateien können Vorrang vor der Live-Datenbank haben

SQLLY baut sein Schemamodell aus deiner Live-Datenbank auf und ein Dateisystem-Overlay gleichzeitig. Ist eine lokale DDL-Datei neuer als das Datenbankobjekt, das sie beschreibt – nach Änderungszeit –, bevorzugt SQLly die Datei. Das heißt, IntelliSense zeigt die Migration, die du gerade geschrieben hast, nicht die Tabelle, wie sie existiert, bis du sie ausführst.

🧹
Cache-Invalidierung ✓ funktional

Es wird nur der geänderte Teil erneut überprüft

Schema-Änderungen werden inkrementell verfolgt, sodass das Bearbeiten einer Tabelle keinen vollständigen Modell-Neuaufbau erzwingt – die Engine validiert nur, was sich geändert hat, und lässt den Rest des zwischengespeicherten Modells unberührt.

// Schutzmechanismen

Sorg dafür, dass Gefährliches einen bewussten Schritt erfordert

Das Verbindungsmodell von SQLly trägt die Sicherheitsrichtlinie zusammen mit den Zugangsdaten – einmal pro Client, Projekt, Umgebung oder Server festgelegt und den Baum hinab vererbt.

↩️
Automatischer Rollback-Wrapper ✓ funktional

Nicht-SELECT-Anweisungen automatisch in eine Transaktion einschließen

Schalte Auto-Wrap für eine Verbindung ein, und alles über ein einfaches Lesen hinaus läuft in einem äußeren Transaktionsrahmen, den du prüfen - und zurückrollen - kannst, bevor er wirklich committet.

🔒
Nur-SELECT ✓ funktional

Eine Verbindung auf Lesezugriffe beschränken, Punkt.

Blockiere alles außer SELECT auf einer bestimmten Verbindung. Perfekt für eine Lesereplik, eine für Analysten vorgesehene Umgebung oder einen Server, den Sie nie von einem zufälligen Skript berühren lassen wollen.

💬
Bestätigungsdialoge ✓ funktional

Bestätigung vor dem Ausführen erzwingen

Verlange ein ausdrückliches „ja, wirklich“, bevor Nicht-SELECT-Anweisungen gegen eine Verbindung ausgeführt werden - die zusätzliche halbe Sekunde, die die Abfrage abfängt, die du eigentlich für Staging bestimmt hattest.

🚧
Unbegrenztes Update/Delete ✓ funktional

Ein UPDATE oder DELETE ohne WHERE verweigern

Richtlinie pro Verbindung kann unbeschränkte UPDATE und DELETE Anweisungen komplett blockieren - der klassische Fehler „WHERE-Klausel vergessen“, gestoppt, bevor er den Server erreicht.

🤖
KI-Überprüfung ◐ in Bearbeitung

KI-Überprüfung für datenändernde Abfragen verlangen

Schalte es pro Server, Datenbank, Umgebung oder Projekt ein, und SQLly bittet das Modell auf dem Gerät, die Nebeneffekte einer Abfrage in menschlichen Worten zu erklären, bevor sie läuft - mit einem großen, expliziten WE WILL MAKE UPDATE AND DELETE CHANGES. Banner und einer kritischen Warnung, wenn keine WHERE. Erkennung, Gate und Review-Dialog sind drin; das Modell, das die Erklärung schreibt, wird gerade angeschlossen.

🎨
Umgebungshinweise ✓ funktional

Färben Sie Prod wütend rot

Gib jedem Client, Projekt, jeder Umgebung oder jedem Server eine eigene Farbe und ein eigenes Symbol, damit der Moment „Moment mal, das war Prod?“ von deinem peripheren Sehen abgefangen wird, bevor er deine Finger erreicht. Produktionsverbindungen zeigen auch einen PRODUKTION Chip in der Statusleiste an.

Das sind Einstellungen pro Verbindung, und sie vererben sich. Lege eine Richtlinie für eine Umgebung fest (sagen wir, jeder Server mit dem Tag prod) und jede Verbindung darunter übernimmt sie automatisch - überschreibe eine einzelne Verbindung nur, wenn du es wirklich brauchst.
// Identitätsprüfungen

Beweise, dass du es wirklich bist, bevor die Produktion läuft

Verbinde die betriebssystemeigene Identitätsprüfung – Touch ID auf macOS, Windows Hello auf Windows – genau dort, wo ein Fehler wehtut. Die Richtlinien-Engine darunter existiert bereits; die Identitätsebene wird gerade angebunden.

🔐
Verbindungsgate ◐ in Bearbeitung

Verifizieren vor dem Verbinden

SQLly verlangt die betriebssystemeigene Identitätsprüfung, bevor es überhaupt eine Verbindung öffnet – auf jeder Ebene der Hierarchie einstellbar, sodass du mit einem einzigen Schalter einen einzelnen heiklen Server oder die gesamte Produktionsumgebung eines Kunden sperren kannst.

✋
Schreibschranke ◐ in Bearbeitung

Identitätsprüfung für alles außer SELECT

Lesen bleibt reibungslos; in dem Moment, in dem eine Anweisung Zähne zeigt - INSERT, UPDATE, DELETE, DDL - SQLly bittet dich zuerst um Bestätigung. Die Klassifizierung der Anweisung ist fertig; das betriebssystemeigene Eingabefenster ist der Teil, der noch in Arbeit ist.

⏱️
Re-Authentifizierungsfenster ○ geplant

Deine Produktion, dein Paranoia-Regler

Lege fest, wie lange eine Verifizierung gültig bleibt - bei jeder Anweisung auf den gefährlichsten Kisten oder einmal pro Sitzung / N Minuten bei den harmloseren.

📜
Überwachungspfad ○ geplant

Manipulationssicheres Verifizierungsprotokoll

Jede kontrollierte Aktion zeichnet auf, wer sie bestätigt hat, welche Anweisung, welches Ziel und wann - ein lokales, manipulationserkennbares Protokoll für den Fall, dass jemand fragt „Wer hat das gegen die Produktion ausgeführt?“

// den Plan ansehen

Wisse, was der Server tut, bevor er es tut

🗜️
Ausführungspläne ◐ in Bearbeitung

Ausführungspläne, in-prozess geparst

SQLly erfasst das SHOWPLAN_XML für deine Abfrage, parst es in der Rust-Engine (kein Unterprozess) und erzeugt einen strukturierten Operatorbericht – jeder Operator mit seinen Eigenschaften, fertig zur Inspektion. Tatsächliche Pläne (Führe die Abfrage aus, echte Zeilenzahlen) sind heute der verlässliche Weg; die Aufzeichnung des geschätzten Plans hat einen bekannten SQL-Server-Fehler, der gerade behoben wird, und die grafische Knoten-und-Kanten-Leinwand ist das Teil, das noch gezeichnet wird.

🧹
Formatter ✓ funktional

Ein Formatter, der dein SQL nicht kaputtbekommt

Konfigurierbares Pretty-Printing mit strikter Sicherheitsgarantie: Die Ausgabe wird neu lexikalisch analysiert und Token für Token mit der Eingabe verglichen, und bei jeder Abweichung bekommst du dein SQL unverändert zurück. Markiere -- formatter:off Bereiche, um handoptimiertes Layout unverändert zu belassen.

// Organisation im großen Maßstab

Gebaut für mehr als einen Server

Wenn du Verbindungen für ein Team verwaltest, stößt eine Hostnamenliste bei ungefähr Server #15 an ihre Grenzen.

🏢
mehrdimensionale Gruppierung ✓ funktional

Kunde × Projekt × Umgebung × Server

Verbindungen sind gleichzeitig entlang von vier unabhängigen Achsen organisiert. Filtere das Server-Panel nach einer oder nach allen Achsen, um in zwei Klicks von „jedem Server, den wir verwalten“ zur „Prod-Datenbank dieses einen Kunden“ zu kommen.

☁️
Azure / Entra ◐ in Bearbeitung

Echte Entra-ID-Authentifizierung, kein Workaround

Verbinde dich mit Azure SQL über Gerätecode- oder browserbasierte Entra-Authentifizierung - ohne ein Dienstprinzipal-Geheimnis zu speichern, nur damit IntelliSense funktioniert. SQLly kann auch deine Azure SQL-Server und -Datenbanken finden und dir helfen, eine Firewallregel hinzuzufügen, wenn der Server Nein sagt.

🌐
Fernzugriff ◐ in Bearbeitung

Erreiche eine Datenbank ohne das VPN-Ritual

Verbinde dich von überall über einen Ende-zu-Ende-verschlüsselten Tunnel, der über ein Relay läuft, das deinen Datenverkehr weiterleiten, aber niemals lesen kann - So funktioniert es genau. Teil von SQLly Cloud; Direktverbindungen bleiben kostenlos.

// warum es schnell ist

Die Mechanik, eine Ebene tiefer

Genug vom „Warum“, um ihm zu vertrauen - die komplette Architektur steht im Engineering Deep Dive.

🧵
dedizierten Engine ✓ funktional

Abfragen und IntelliSense teilen sich keinen Thread

Die Abfrage-/IntelliSense-Engine ist ein separater, mehrthreadiger Rust-Prozess. Eine langsame Abfrage im Hintergrund lässt dein Tippen nicht stocken, und eine Schema-Aktualisierung blockiert keine bereits laufende Abfrage.

📸
atomare Snapshots ✓ funktional

Das Schemamodell wird atomar ausgetauscht

Die Schema-Sammlung läuft im Hintergrund und erstellt einen neuen Modell-Snapshot; die laufende Anwendung sieht dabei nur den alten Snapshot oder den vollständig erstellten neuen - niemals ein halb aktualisiertes Modell während der Aktualisierung und niemals einen Stillstand, um darauf zu warten.

⏱️
Latenzbudget ✓ funktional

Vervollständigungen unterliegen einem echten Latenzbudget

Der Autovervollständigungspfad wird als Teil der eigenen Testsuite der Engine gegen eine explizite Latenz-Obergrenze getestet - „fühlt sich sofort an“ ist eine geprüfte Eigenschaft, kein Bauchgefühl.

📊
virtualisiertes Raster ✓ funktional

Das Ergebnisraster rendert nur das Sichtbare, nicht alles

Große Ergebnismengen werden vom Server seitenweise geladen und im Raster virtualisiert, sodass das Scrollen flüssig bleibt, egal ob die Abfrage 50 oder 500.000 Zeilen geliefert hat.

Willst du die komplette Architektur sehen?

Lexer, Parser, die Model-Engine, der KI-Stack direkt auf dem Gerät - der technische Deep-Dive deckt alles ab, mit Details auf Code-Ebene.