// para DBAs y usuarios avanzados

Los controles, las protecciones y por qué no se atraganta con tu esquema

Has sufrido herramientas que autocompletan con una caché de esquema obsoleta, o que permiten que un desarrollador junior cometa un error con DELETE en producción. Este recorrido es para ti: qué te deja ajustar SQLly, qué hace para mantenerte alejado de los problemas, y suficiente «por qué» para que confíes en que no es puro marketing.

// ajuste de IntelliSense

IntelliSense es un ajuste, no una caja negra

Preferencias → Editor → General te permite elegir el motor de autocompletado y ver exactamente lo que está haciendo.

SQLly - Ajustes → Editor → General
Panel de ajustes de SQLly que muestra el origen de IntelliSense configurado en el motor Rust, con opciones de pestañas/espacios y espaciado automático

El IntelliSense Origen desplegable: Incorporado (analizador local) vs. motor Rust (el analizador más completo respaldado por ffi).

⚙️
fuente: integrado vs motor rust ✓ funcional

Elige tu motor de autocompletado

La incorporado la fuente usa un analizador local rápido, suficiente para la mayoría de la edición. Cambia a la Motor Rust fuente cuando quieras el analizador más completo, basado en FFI, impulsando el autocompletado: más preciso en SQL complejo y profundamente anidado, con un pequeño costo de arranque.

🌫️
intellisense de modelo incompleto ✓ funcional

Te avisa cuando está adivinando

Cuando SQLly trabaja con un esquema que aún no puede validar completamente - un boceto aproximado de DDL, una migración en progreso - lo rastrea internamente como región incompleta con su propia procedencia y nivel de confianza, en lugar de fingir en silencio que el autocompletado es autoritativo.

🗂️
esquema multimodal ✓ funcional

Los archivos locales pueden tener mayor prioridad que la base de datos en vivo

SQLly construye su modelo de esquema a partir de tu base de datos en vivo y una superposición del sistema de archivos al mismo tiempo. Cuando un archivo DDL local es más reciente que el objeto de la base de datos que describe - por fecha de modificación - SQLly prefiere el archivo. Eso significa que IntelliSense refleja la migración que acabas de escribir, no la tabla tal como existe hasta que la ejecutes.

🧹
invalidación de caché ✓ funcional

Solo se vuelve a verificar la parte que cambió

Los cambios de esquema se rastrean de manera incremental, por lo que editar una tabla no obliga a reconstruir todo el modelo - el motor vuelve a validar solo lo que se movió y deja el resto del modelo en caché intacto.

// barreras de seguridad

Haz que lo peligroso requiera un paso deliberado

El modelo de conexiones de SQLly incluye la política de seguridad junto a las credenciales: se define una vez por cliente, proyecto, entorno o servidor y se hereda en todo el árbol.

↩️
envoltura automática con rollback ✓ funcional

Envuelve automáticamente las instrucciones que no sean SELECT en una transacción

Activa el auto-wrap en una conexión y todo lo que vaya más allá de una lectura simple se ejecuta dentro de un ámbito de transacción externo que puedes revisar -y revertir- antes de que se confirme de verdad.

🔒
solo SELECT ✓ funcional

Bloquea una conexión solo para lecturas, punto

Bloquea todo excepto SELECT en una conexión determinada. Perfecto para una réplica de solo lectura, un entorno orientado a analistas o un servidor que nunca quieres que un script despistado toque.

💬
diálogos de confirmación ✓ funcional

Forzar una confirmación antes de que se ejecute

Requiere un «sí, de verdad» explícito antes de ejecutar instrucciones que no sean SELECT contra una conexión: ese medio segundo extra que detecta la consulta que iba dirigida a staging.

🚧
actualización/eliminación sin restricciones ✓ funcional

Rechazar UPDATE o DELETE sin WHERE

La política por conexión puede bloquear de plano las UPDATE y DELETE instrucciones por completo: el clásico error de “olvidé la cláusula WHERE”, detenido antes de que llegue al servidor.

🤖
revisión de IA ◐ en curso

Requerir una revisión de IA de las consultas que modifican datos

Actívalo por servidor, base de datos, entorno o proyecto, y SQLly le pide al modelo en el dispositivo que explique en términos humanos los efectos secundarios de una consulta antes de ejecutarla, con un gran y explícito WE WILL MAKE UPDATE AND DELETE CHANGES. banner y una advertencia crítica cuando no hay WHERE. La detección, el control y el diálogo de revisión ya están incluidos; falta conectar el modelo que escribe la explicación.

🎨
pistas del entorno ✓ funcional

Colorea prod de un rojo furioso

Asigna a cada cliente, proyecto, entorno o servidor su propio color e icono, de modo que el momento de “espera, ¿eso era prod?” sea interceptado por tu visión periférica antes de que llegue a tus dedos. Las conexiones de producción también muestran un PRODUCCIÓN chip en la barra de estado.

Estos son por conexión, y se heredan. Establece una política en un entorno (por ejemplo, cada servidor etiquetado prod) y cada conexión que cuelga de él la hereda automáticamente - anula una sola conexión cuando de verdad lo necesites.
// controles de identidad

Demuestra que realmente eres tú antes de que se ejecute en producción

Conecta tu verificación de identidad nativa del sistema operativo - Touch ID en macOS, Windows Hello en Windows - en los lugares exactos donde un error duele. El motor de políticas subyacente ya viene incluido; la capa de identidad se está conectando ahora.

🔐
puerta de conexión ◐ en curso

Verificar para conectar

Requiere tu verificación de identidad nativa del sistema operativo antes de que SQLly siquiera abra una conexión: se puede establecer en cualquier nivel de la jerarquía, de modo que puedas bloquear un único servidor sensible o todo el entorno de producción de un cliente con un solo interruptor.

✋
bloqueo de escritura ◐ en curso

Verificación de identidad para cualquier cosa que no sea un SELECT

Las lecturas siguen fluidas; en cuanto una instrucción muestra los dientes - INSERT, UPDATE, DELETE, DDL - SQLly te pide que verifiques primero. La clasificación de la instrucción ya está hecha; el aviso nativo del sistema operativo es la parte en curso.

⏱️
ventana de reautenticación ○ planificado

Tu producción, tu dial de paranoia

Decide cuánto tiempo sigue siendo válida una verificación: cada instrucción en los servidores más riesgosos, o una vez por sesión / cada N minutos en los más amigables.

📜
registro de auditoría ○ planificado

Registro de verificación a prueba de manipulaciones

Cada acción controlada registra quién verificó, qué instrucción, qué objetivo y cuándo: un registro local a prueba de manipulaciones para cuando alguien pregunte «¿quién ejecutó eso en producción?»

// ver el plan

Conoce lo que el servidor hará antes de que lo haga

🗜️
planes de ejecución ◐ en curso

Planes de ejecución, analizados en el propio proceso

SQLly captura el SHOWPLAN_XML para tu consulta, lo analiza en el motor Rust (sin subprocesos) y genera un informe estructurado de operadores: cada operador con sus propiedades, listo para inspección. Planes reales (ejecutar la consulta, recuentos reales de filas) son el camino confiable hoy; la captura del plan estimado tiene un error conocido de SQL Server que se está corrigiendo, y el lienzo gráfico de nodos y aristas es la parte que aún se está dibujando.

🧹
formateador ✓ funcional

Un formateador que no puede corromper tu SQL

Formateo configurable con un contrato de seguridad estricto: la salida se vuelve a analizar léxicamente y se compara token a token con la entrada, y ante cualquier discrepancia se devuelve tu SQL intacto. Marca -- formatter:off las regiones para conservar intacto el diseño ajustado a mano.

// organización a gran escala

Diseñado para más de un servidor

Si gestionas las conexiones de un equipo, una lista de nombres de host deja de funcionar alrededor del servidor n.º 15.

🏢
agrupación multidimensional ✓ funcional

Cliente × proyecto × entorno × servidor

Las conexiones se organizan a la vez en cuatro ejes independientes. Filtra el panel de Servidores por cualquiera de ellos, o por todos, para pasar de «todos los servidores que gestionamos» a «la base de datos de producción de este cliente» en dos clics.

☁️
azure / entra ◐ en curso

Autenticación real de Entra ID, no un parche

Conéctate a Azure SQL con autenticación de Entra por código de dispositivo o desde el navegador, sin tener que guardar un secreto de entidad de servicio solo para que funcione IntelliSense. SQLly también puede descubrir tus servidores y bases de datos de Azure SQL y ayudarte a añadir una regla de firewall cuando el servidor diga que no.

🌐
acceso remoto ◐ en curso

Accede a una base de datos sin el ritual de la VPN

Conéctate desde donde estés a través de un túnel cifrado de extremo a extremo que funciona sobre un relé que puede enrutar tu tráfico pero nunca leerlo - así es exactamente cómo funciona. Forma parte de SQLly Cloud; las conexiones directas siguen siendo gratuitas.

// por qué es rápido

La mecánica, un nivel más abajo

Suficiente del «por qué» para confiar en él - la arquitectura completa está en el detalles técnicos en profundidad.

🧵
motor dedicado ✓ funcional

Consultar e IntelliSense no comparten hilo

El motor de consultas/IntelliSense es un proceso de Rust aparte y multihilo. Una consulta lenta ejecutándose en segundo plano no ralentiza lo que escribes, y una actualización de esquema no bloquea una consulta que ya esté en marcha.

📸
instantáneas atómicas ✓ funcional

El modelo de esquema se reemplaza de forma atómica

La recopilación del esquema se ejecuta en segundo plano y construye una nueva instantánea del modelo; la aplicación en ejecución solo ve la instantánea antigua o la nueva ya construida, nunca un modelo a medio actualizar, y nunca se queda esperando a que esté lista.

⏱️
presupuesto de latencia ✓ funcional

El autocompletado se ajusta a un presupuesto de latencia real

El autocompletado se prueba contra un límite de latencia explícito como parte del propio conjunto de pruebas del motor - “se siente instantáneo” es una propiedad comprobada, no una sensación.

📊
cuadrícula virtualizada ✓ funcional

La cuadrícula de resultados dibuja lo que está visible, no todo

Los conjuntos de resultados grandes se dividen en páginas desde el servidor y se virtualizan en la cuadrícula, por lo que el desplazamiento se mantiene fluido sin importar si la consulta devolvió 50 filas o 500.000.

¿Quieres ver la arquitectura completa?

Lexers, analizadores, el motor de modelos, la pila de IA en el dispositivo: el análisis en profundidad lo cubre todo, con detalle a nivel de código.