実際に内部ではどんな処理が動いているか
ここから先はマーケティング的な飾りはありません。これは SQLly GPUI クライアントの本物のアーキテクチャ (クレート、データ構造、設計上の判断) です。現在活発に開発されているのはこのクライアントで、このサイトのスクリーンショットもすべてこのクライアントのものです。
ウェブビューではなく、GPUでレンダリングされたネイティブUI
目の前で動いているウィンドウは Electron ではありませんし、ネイティブ風の外見をかぶったブラウザエンジンでもありません。
ここにあるすべてのピクセル — テキストレイアウト、補完ポップアップ、構文ハイライト — は、GPUI 独自の GPU アクセラレーションレンダラーが描画しています。
Zed と同じレンダリング方式
SQLly のクライアントは、Zed エディターのために書かれた Rust UI フレームワーク、GPUI を基盤にしています。保持型と即時型のハイブリッドで GPU アクセラレーションされたツールキットであり、DOM でもなければ、下に AppKit ビューを従えているわけでもなく、あるのは GPU に直接描画する Rust だけです。
結果グリッドは独立したクレートです
グリッドの仮想化をインラインで手作りする代わりに、結果グリッドは専用に公開されたクレートを利用しています - sqlly-datatable - 仮想化、選択、並べ替え、フィルターを、スタンドアロンのコンポーネントとして処理します。
macOS、Windows、Linux を 1 つのコードツリーから
GPUI クライアントは、同じ Rust コードベースから 3 つのデスクトッププラットフォームすべてを対象とし、OS ごとのパッケージングも行います: .app macOS(Apple Siliconのみ)向けのバンドル、 .desktop Linuxのエントリ、そしてネイティブの .exe Windows では。
やってみる sqlly-datatable - 実際の結果グリッド。WebAssembly として動作
結果グリッドは独立したオープンソースのクレートで、そのサンプルアプリは GPUI の Web バックエンド上で WebAssembly にコンパイルされます。デスクトップアプリと同じ GPU レンダラーで描画され、スクリーンショットではなく、実際のコンポーネントが WebGPU キャンバス上で動作します。このライブビルドをドキュメントに埋め込みました。ページを開いたときにだけ読み込まれ、離れた瞬間に破棄されるため、WebAssembly のペイロードがバックグラウンドで遊ぶことはありません。
WebGPU 対応のブラウザが必要です(Chrome/Edge 113+、または最新の Safari/Firefox)。すべてマシン上で動作し、何も送信されません。
2 つのレキサー、方言対応パーサー、スパンに忠実なツリー
SQL は単一の言語ではありません。T-SQL、Postgres、MySQL、Oracle、SQLite、ClickHouse、DuckDB は引用符やコメント、構文の半分についても食い違っており、Redis に至ってはまったく SQL ではありません。そのためパイプラインの入り口では、方言を後付けではなく第一級のパラメータとして扱っています。
方言テーブル駆動のレキサー(字句解析器)
トークン化のルール(引用符のスタイル、コメント構文、演算子のセット)は、ハードコードされた分岐ではなく、方言ごとのテーブルで駆動されるため、方言を追加したり修正したりしても、レクサーをフォークする必要はありません。
ダイアレクトごとのエラー回復型パーサー
サポートされている各方言には、ソーステキストに忠実なスパン情報を保持する、エラー回復機能付きの専用パーサーがあります。つまり、解析されたツリーは正確なソース位置を保持するため、周囲のクエリが不正な形式でも、IntelliSense と診断は正しい文字を正確に指し示せます。
あえて用意した、より高速な 2 つ目のスキャナー
別の 1 パスのトークナイザーが、ファイルシステムオーバーレイのオブジェクトモデル(後述)を支えています。編集中のクエリだけでなく、コードとしてのスキーマ(schema-as-code)リポジトリ内のすべてのファイルを処理するため、完全なレクサー/パーサーのスタックより意図的に単純で高速です。
本格的な T-SQL 言語サーバー
パーサースタックの上には、JSON-RPC/stdio 上で動く本格的な LSP 実装があり (ホバー、診断、セマンティックトークン、補完)、エディターを支えているのと同じインテリジェンスに、LSP に対応するあらゆるクライアントからアクセスできます。
2 つのコレクター、1 つのアトミックなスナップショット
DBA ガイドにある「ローカルファイルがライブデータベースに優先する」というトリックが、実際に機能し、高速のままでいられるのはこの部分のおかげです。
// conceptual shape, not literal source generation += 1; let db_task = spawn(collect_from_database(generation)); let fs_task = spawn(collect_from_filesystem(generation)); let (db, fs) = join(db_task, fs_task).await; let merged = merge_by_provenance(db, fs); // newer mtime/hash wins snapshot.swap(merged); // atomic - readers never see a half-built model
データベースとファイルシステムを同時に収集
sqlly-modelengine データベースコレクターとファイルシステムコレクターを並行して実行し、それぞれに世代カウンターを付けたうえで、バリアマージを通して再び合流させてから、下流のどの処理も結果を見られるようにします。
新鮮さは、想定ではなく測定に基づきます
マージでは、稼働中のデータベースが報告する内容とディスク上の内容とで、更新日時とコンテンツハッシュを比較するため、ローカルファイルは、単に存在するだけでなく、実際に新しい場合にのみデータベースを上書きします。
読み取り側が、更新途中の不整合なモデルを目にすることはありません
統合されたモデルは、世代ごとに 1 つのアトミックなスナップショットとして差し替えられます。IntelliSense と検証が読み取るのは、常に完全で内部整合的なモデル、つまり前の世代か新しい世代のどちらかであり、構築中の部分的なモデルを読むことはありません。
信頼度は推測ではなく、データとして記録されます
モデルを完全には検証できない場合(DDL の大まかなスケッチや、編集途中の移行など)、エンジンはその領域に次の明示的なタグを付けます Provenance そして Fidelity メタデータに対して補完を実行し、推測を黙って事実に格上げするのではなく、独立した 2 スコープの検証パスを通します。
ローカルモデルで推論、クラウドはオプトインのフォールバック
AI の仕組みは本当に階層化されています。完全にローカルな推論から、明示的に選んだクラウドプロバイダーまで。GPUI クライアントで現在実際に使えるものを、わかりやすくラベル付けして紹介します。
Fill-in-the-middle オートコンプリート
コードスタイルの FIM 補完は、入力中にインラインで候補を出すため、小さなローカルモデル(Qwen2.5-Coder クラス)に対して実行するよう設計されています。プロンプトのレンダリング、モデル/トークンカタログ、設定は完全に移植され、ユニットテスト済みです。ストリーミング生成の転送部分は、まだ接続作業中です。
本格的なアーキテクチャを備えたアシスタントパネル
AI パネルは、スタブではなく移植済みの構造化チャット画面で、スキーマについて質問し、生成された SQL を受け取るためのものです。パネルとその状態は実際に動作しており、背後のプロバイダー連携は現在つなぎ込み中です。
Ollama 経由で独自のローカル モデルを持ち込めます
すでに Ollama でモデルを実行している場合、SQLly はスキーマ Q&A、埋め込み、検索のために、それに直接つながります。ヘルス/インストール状態マシンは移植済みで UI を駆動します。見つけて起動するプロセス管理レイヤーは ollama は仕上げ中です。
Apple Silicon 向けの MLX サイドカー
Apple Silicon でのローカル推論は、SQLly が HTTP で通信する小さな外部 MLX サイドカープロセスを通じて行われ、重い ML ランタイムはメインのアプリプロセスの外に置かれます。値の型とヘルスレポートは実装済みで、サイドカーの起動と管理は進行中です。
オンデバイスのベクトル検索 (LanceDB)
計画では、このクレートは LanceDB によるスキーマ/埋め込み検索用の完全にローカルなベクトルストアになります。現時点では意図的なスタブで、すべての呼び出しは黙って何もする代わりに明確で正直なエラーを返します。パイプラインの残りの部分は、その周囲ですでに完成しています。
クラウドプロバイダー(オプトイン制で明示的に選択)
オンデバイスモデルの先にあるクラウドを使うことにした場合に備えて、クラウドプロバイダーの選択画面 (OpenRouter、OpenAI、Claude) とその設定ペインは用意済みです。自分でそこを指し示さない限り、データがマシンの外に出ることはありません。選択画面の背後にある HTTP トランスポートは現在実装中です。
Rustワークスペースの残りの部分
エンジンは 1 つのモノリスではなく、役割ごとのクレートに分割されており、そのほとんどはヘッドレスで利用できます。入口は sqlly-cli UI をまったく使わないスクリプト実行やテスト用。
| クレート | 管理するもの |
|---|---|
| sqlly-core | 接続プロファイル、コマンド/イベントモデル、セッション、App環境設定、クラッシュリカバリスナップショット。 |
| sqlly-engines | 1 つのトランスポートトレイトの背後にあるネイティブドライバー: TDS 経由の SQL Server(Tiberius ベース)、PostgreSQL、MySQL/MariaDB、SQLite、Hrana 経由の libSQL/Turso、インプロセスの DuckDB、HTTP 経由の ClickHouse、Instant Client 経由の Oracle、RESP 経由の Redis。 |
| sqlly-query | クエリの実行/ストリーミング、IntelliSense 補完の内部処理、クエリ履歴、トークナイザーのグルーコード。 |
| sqlly-metadata | オブジェクトエクスプローラーとカタログメタデータモデル。 |
| sqlly-scripting | 識別子のクォート、スクリプト生成、参照できるスクリプトテンプレートカタログ。 |
| sqlly-plans | 実行プラン (ShowPlan XML) の解析とプランの警告。 |
| sqlly-admin | バックアップ/復元、アクティビティモニター、テーブル編集、クエリストア、拡張イベント、インポート/エクスポート、スキーマ比較、デザイナーの SQL 生成。 |
| sqlly-security | SQL と Entra の認証プロバイダー、シークレットストアの抽象化、セキュリティカタログの SQL。 |
| sqlly-catalog | オブジェクトの「カード」化、スキーマ全体を対象にしたハイブリッドな全文検索 + ベクトル検索、AI キャッシュの無効化。 |
| sqlly-testkit | ワークスペース自身のテストスイート全体で使用されるSQL Serverコンテナと、フィクスチャ/ゴールデンファイルのテストヘルパー。 |
本格的なスクリプトテンプレートカタログ
テンプレートシステムが使うのは、 <name,type,default> プレースホルダー構文 SSMS テンプレートには、一から学ぶ未知の DSL ではなく、意図的に馴染みのある構文を採用しています。
バッチ スクリプトを 1 ステートメントずつ
レキサーは、変更レビューの経路で使われるステートメント分割機能を公開しているため、複数ステートメントのスクリプトを、1 つの不透明な塊としてではなく、ステートメントごとに分析して、安全性をチェックできます。
パフォーマンスの主張はテストスイートで裏付けられています
補完のレイテンシ予算テスト
IntelliSense クレートには、キャッシュされた補完が明示的なレイテンシ予算内に収まることを検証するテストがあります。補完経路のパフォーマンス低下は CI で失敗し、数か月後にユーザーに気づかれるだけで終わることはありません。
実際のサブプロセスによる統合テスト
ユニットテストに加えて、CLI エンジンは実際のサブプロセスを使う統合テストでも検証されています。これらのテストは実際の環境変数を設定し、相関の取れたログを検証します。ping と応答の相関付け、応答のないリクエストの検出、正常シャットダウン時のログの切り詰めをカバーしています。
実際の SQL Server に対するゴールデンファイルのフィクスチャ
sqlly-testkit 統合テスト用に実際の SQL Server コンテナを起動するため、クエリ層とメタデータ層を、モックの応答ではなく実際のエンジンに対してテストします。
ツアーは以上です。
ここにソースとずれている点を見つけたら(コードベースは変化が速いので)、お知らせください。静かに古くなってしまうより、ページを直したいと考えています。