Как проверять SQL который сгенерировал AI — обсуждение

Текст:

Давайте поговорим про SQL, который генерирует AI. Сейчас многие пользуются такими инструментами, как ChatGPT, Copilot или Claude Code, чтобы быстро получить нужный фрагмент запроса или даже целую сложную конструкцию. Это реально экономит кучу времени, особенно если не очень силён в SQL или нужно быстро получить пример. Но тут же появляется огромный вопрос — как быть уверенным, что этот код действительно рабочий, безопасный и оптимальный?

Почему важно проверять SQL от AI

Первое, что нужно понимать — AI не знает твою базу данных изнутри. Он не видит, какие там реальные таблицы, индексы, ограничения и бизнес-логику. Он просто выдаёт варианты, которые соответствуют синтаксису и описанию задачи из твоего запроса. Иногда это может быть просто шаблонная конструкция, которая в итоге даже не компилируется на твоей базе, или работает, но гораздо медленнее, чем хотелось бы.

Проблем может быть множество: неправильное соединение таблиц (JOIN), забытые фильтры (WHERE), неаккуратная работа с NULL, дублирующиеся данные, проблемы с группировками (GROUP BY). И, конечно, важный момент — запросы могут травить большую нагрузку на сервер, если не оптимизированы.

Из личного опыта скажу, что порой AI выдаёт шикарный SQL, а иногда — такое, за что хочется блокировать написавший движок. Поэтому проверka и тестирование — обязательный пункт в работе с такими запросами.

Типы запросов, которые обычно генерируют AI

- Простые SELECT-запросы: выборка данных, сортировка, фильтрация.
- INSERT, UPDATE, DELETE — работа с изменением данных.
- CREATE TABLE, ALTER TABLE — создание и изменение структуры базы.
- Сложные JOINы — когда нужно собрать данные из нескольких таблиц.
- Подзапросы, оконные функции, группировки и агрегаты.

В каждом из этих сценариев проверка важна, потому что последствия ошибок отличаются: где-то просто невыгруженные данные, а где-то огромная потеря производительности базы или даже сбои.

Как проверять SQL-код, полученный от AI

1. Визуальный анализ

Прочитайте код. Понять, что он делает, попробовать представить данные, которые он должен получить или изменить. Это базовое, но иногда самые очевидные ошибки, типа отсутствующего WHERE в UPDATE, видны сразу.

2. Прогон на тестовых данных

Запустите запрос на отдельной тестовой базе или отдельной копии данных. Посмотрите результат, сравните его с ожидаемым. Важно проверить и пограничные случаи, например, пустые таблицы, наличие null’ов, большие объёмы данных.

3. Проверка плана выполнения (EXPLAIN)

Большинство СУБД позволяют получить план выполнения запроса. Он покажет, как именно база будет искать данные, какие индексы использует, сколько строк планируется обработать. Если план ужасный — нужно смотреть сам SQL и оптимизировать.

4. Сравнение с эталонным запросом

Если запрос — переработка уже существующего, сравните новый SQL с проверенным старым запросом, обратите внимание на логику и производительность.

5. Автоматические тесты и контроль качества

Если у вас есть единичные тесты, которые проверяют результат запроса — это лучший способ убедиться, что код работает корректно после правок.

Типичные ошибки в AI-сгенерированном SQL

- Отсутствие нужных условий в WHERE, что приводит к выборке слишком большого количества данных.
- Неправильные виды JOIN — например, LEFT вместо INNER или наоборот.
- Дублирование строк из-за неправильных связей.
- Ошибки в именах таблиц или полей, особенно если они кастомные.
- Нарушение логики агрегатов и группировок, когда GROUP BY не учитывает все поля, которые есть в SELECT.
- Использование устаревших конструкций или неоптимальных функций.
- Игнорирование аспектов безопасности — хотя это не про взлом, а например, непреднамеренный доступ к лишним данным.

Чек-лист для проверки SQL от AI

- Прочитал запрос и понял, что он делает.
- Убедился, что все таблицы и поля существуют.
- Проверил, что фильтры (WHERE) корректны и не слишком общие.
- Проверил логику соединений таблиц (JOIN).
- Запустил запрос на тестовой базе, смотрел результат.
- Вывел план выполнения (EXPLAIN), убедился, что нет полного сканирования больших таблиц.
- Убедился, что агрегации и группировки сделаны правильно.
- Проверил, не изменяются ли данные без нужного условия (для UPDATE/DELETE).
- Есть тесты, которые покрывают результат запроса после вставки.
- Обсудил с коллегой или на форуме спорные моменты.

Практические примеры

Пример 1. AI генерирует запрос для поиска пользователей из определённого города:

SELECT id, name, city FROM users WHERE city = 'Moscow'

Выглядит просто, но если забыть индексацию по полю city, запрос будет работать медленно при большом количестве пользователей. Поэтому лучше перед запуском проверить индекс или добавить его.

Пример 2. Запрос на обновление статуса заказов:

UPDATE orders SET status = 'completed' WHERE order_date < '2024-01-01'

Здесь важно проверить, что условие WHERE не пустое. Если AI случайно сгенерирует UPDATE без WHERE, вся таблица обновится.

FAQ

Вопрос: Можно ли вообще доверять SQL, который генерирует AI?

Ответ: Можно использовать как стартовую точку для примера, но всегда нужно проверять и адаптировать под свою базу.

Вопрос: Какие инструменты помогают проверять производительность запросов?

Ответ: В зависимости от СУБД — EXPLAIN и EXPLAIN ANALYZE в PostgreSQL, SQL Server Management Studio, Oracle SQL Developer и др.

Вопрос: Может ли AI генерировать запросы с синтаксическими ошибками?

Ответ: Да, такое бывает, особенно когда задача сложная или описание недостаточно чёткое. Поэтому нужно сначала проверить SQL на валидность.

Вопрос: Как убедиться, что запрос не нагрузит базу?

Ответ: Смотреть план выполнения и тестировать на копии данных, а не сразу в продакшене.

Вопрос: Помогут ли онлайн-сервисы для проверки SQL?

Ответ: Помогут с синтаксисом, но они не знают твою структуру данных и не проверят логику.

Вывод

С AI можно реально ускорить написание SQL, но проверка — обязательный этап, который никто не отменял. Берите за основу, разбирайтесь в деталях, тестируйте на практике. Только так запрос будет и работать быстро, и не сломает то, что вы строили раньше. А кто чем пользуется для проверки и оптимизации? Делитесь опытом!