阿里巴巴开源Chat2DB v1.0.11 初体验

news/2024/7/10 21:45:32 标签: 开源, 人工智能, Chat2DB

阿里巴巴开源Chat2DB v1.0.11 初体验

  • 前言
  • 什么是Chat2DB
  • 下载安装
  • 安装配置
  • Chat2DB初体验
    • 配置数据源
    • 准备测试数据
    • 认识几个功能菜单
    • 开始测试
      • 自然语言转SQL
      • SQL解释
      • SQL优化
  • 使用总结
  • 后续功能
  • 结语

前言

作为一名阿里巴巴开源项目的拥护者，从Chat2DB开源至今都有关注这个开源项目，因为之前的版本还存在较多BUG，暂时就没有分享，目前升级到 v1.0.11 版本后，我来谈谈我个人的一个使用感受

Chat2DB_3">什么是Chat2DB

Chat2DB 是一款有开源免费的多数据库客户端工具，支持windows、mac本地安装，也支持服务器端部署，web网页访问。和传统的数据库客户端软件Navicat、DBeaver 相比Chat2DB集成了AIGC的能力，能够将自然语言转换为SQL，也可以将SQL转换为自然语言，可以给出研发人员SQL的优化建议，极大的提升人员的效率，是AI时代数据库研发人员的利器，未来即使不懂SQL的运营业务也可以使用快速查询业务数据、生成报表能力。

下载安装

项目Releases地址：
https://github.com/alibaba/Chat2DB/releases
大家根据自己的电脑环境选择对应版本即可，博主这里使用的MacOS X64 (Intel芯片)版本

安装配置

正常双击打开拖动到Applications进行安装，安装完成后配置Chat2DB AI SQL功能，找到设置，填写Open Ai的密钥（登录OpenAi官网，右上角View API keys 创建即可），当然这里需要科学上网
在这里插入图片描述
创建完成后，在设置中输入刚刚获取的OpenAi密钥
在这里插入图片描述
至此一步我们已经完成了基础的配置，下面我们来感受一下Chat2DB

Chat2DB_17">Chat2DB初体验

配置数据源

这里博主以mysql为例，点击加号新建数据源
在这里插入图片描述
填写相关链接信息 选择数据库，博主这里test为例
在这里插入图片描述

目前Mac版本选择了数据库test，但是实际上依旧还是将整个localhost的所有数据库列出来了，目前还是一个BUG，博主也在Issues建议官方不选择数据库默认所有，指定了数据库就单独显示某个库

准备测试数据

这里博主准备了一份测试数据表，分别是：科目表、学生成绩表、学生信息表、学生选修科目表，大家可以复制执行即可

SET NAMES utf8mb4;
SET FOREIGN_KEY_CHECKS = 0;

-- ----------------------------
-- Table structure for course
-- ----------------------------
DROP TABLE IF EXISTS `course`;
CREATE TABLE `course` (
  `id` int NOT NULL AUTO_INCREMENT COMMENT '科目ID',
  `name` varchar(50) NOT NULL COMMENT '科目名称',
  `teacher` varchar(50) NOT NULL COMMENT '授课教师',
  `credit` int NOT NULL COMMENT '科目学分',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=3 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci COMMENT='科目表';

-- ----------------------------
-- Records of course
-- ----------------------------
BEGIN;
INSERT INTO `course` VALUES (1, '语文', '张老师', 100);
INSERT INTO `course` VALUES (2, '数学', '王老师', 100);
COMMIT;

-- ----------------------------
-- Table structure for score
-- ----------------------------
DROP TABLE IF EXISTS `score`;
CREATE TABLE `score` (
  `id` int NOT NULL AUTO_INCREMENT COMMENT '成绩ID',
  `student_id` int NOT NULL COMMENT '学生ID',
  `course_id` int NOT NULL COMMENT '科目ID',
  `score` int NOT NULL COMMENT '成绩',
  PRIMARY KEY (`id`),
  KEY `student_id` (`student_id`),
  KEY `course_id` (`course_id`),
  CONSTRAINT `score_ibfk_1` FOREIGN KEY (`student_id`) REFERENCES `student` (`id`),
  CONSTRAINT `score_ibfk_2` FOREIGN KEY (`course_id`) REFERENCES `course` (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=5 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci COMMENT='学生成绩表';

-- ----------------------------
-- Records of score
-- ----------------------------
BEGIN;
INSERT INTO `score` VALUES (1, 1, 1, 90);
INSERT INTO `score` VALUES (2, 1, 2, 95);
INSERT INTO `score` VALUES (3, 2, 1, 100);
INSERT INTO `score` VALUES (4, 2, 2, 99);
COMMIT;

-- ----------------------------
-- Table structure for student
-- ----------------------------
DROP TABLE IF EXISTS `student`;
CREATE TABLE `student` (
  `id` int NOT NULL AUTO_INCREMENT COMMENT '学生ID',
  `name` varchar(50) NOT NULL COMMENT '学生姓名',
  `gender` varchar(10) NOT NULL COMMENT '学生性别',
  `birthday` date NOT NULL COMMENT '学生生日',
  `address` varchar(100) NOT NULL COMMENT '学生住址',
  `phone` varchar(20) NOT NULL COMMENT '学生联系方式',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=3 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci COMMENT='学生信息表';

-- ----------------------------
-- Records of student
-- ----------------------------
BEGIN;
INSERT INTO `student` VALUES (1, '小明', '男', '2023-06-16', '广州', '13724889158');
INSERT INTO `student` VALUES (2, '小羊', '女', '2023-06-16', '广州', '13800126000');
COMMIT;

-- ----------------------------
-- Table structure for student_course
-- ----------------------------
DROP TABLE IF EXISTS `student_course`;
CREATE TABLE `student_course` (
  `id` int NOT NULL AUTO_INCREMENT COMMENT '关系ID',
  `student_id` int NOT NULL COMMENT '学生ID',
  `course_id` int NOT NULL COMMENT '科目ID',
  PRIMARY KEY (`id`),
  KEY `student_id` (`student_id`),
  KEY `course_id` (`course_id`),
  CONSTRAINT `student_course_ibfk_1` FOREIGN KEY (`student_id`) REFERENCES `student` (`id`),
  CONSTRAINT `student_course_ibfk_2` FOREIGN KEY (`course_id`) REFERENCES `course` (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=5 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci COMMENT='学生选修科目表';

-- ----------------------------
-- Records of student_course
-- ----------------------------
BEGIN;
INSERT INTO `student_course` VALUES (1, 1, 1);
INSERT INTO `student_course` VALUES (2, 1, 2);
INSERT INTO `student_course` VALUES (3, 2, 1);
INSERT INTO `student_course` VALUES (4, 2, 2);
COMMIT;

SET FOREIGN_KEY_CHECKS = 1;

认识几个功能菜单

当你选择好对应的数据库表后，你会发现有这么4个菜单
在这里插入图片描述

  • 自然语言转SQL：简单来说就是 使用中文描述，软件自动帮我们生成SQL；
  • SQL解释： SQL语句转中文解释（有的时候我们会遇到非常复杂的SQL，有的甚至成百上千行的SQL，要读懂这段SQL可能需要几个小时甚至几天时间。通过Chat2DB就可以快速的了解这段SQL的含义）
  • 有的时候我们写了一段SQL性能不好，Chat2DB也可以帮我们优化SQL，提升查询性能
  • 不同数据库SQL预发间有略微的差异，我们也可以通过Chat2DB让他帮我们去转换这个SQL的语法（比如Mysql转SqlServer语句）

开始测试

自然语言转SQL

终端输入 ==查询学生小明的各科目成绩，包括科目名称、教师名字段 ==，点击自然语言转SQL
在这里插入图片描述

在弹出的选择表中选择本次查询所涉及到的几个表：course、score、student
在这里插入图片描述
最终生成如下：
在这里插入图片描述

SQL解释

那么我们使用这段生成的SQL反过来看看Chat2DB会帮我们解释成什么，选中生成的SQL点击SQL解释，输出如下：
在这里插入图片描述

--- BEGIN ---
SELECT course.name, course.teacher, score.score 
FROM score 
INNER JOIN course ON score.course_id = course.id 
INNER JOIN student ON score.student_id = student.id 
WHERE student.name = '小明'
--- 解释SQL ---
这个SQL查询语句的作用是从三个表中选择课程名称、教师和分数，其中分数是从score表中获取的。通过INNER JOIN将score表与course表和student表连接起来，连接条件是score表中的course_id等于course表中的id，同时score表中的student_id等于student表中的id。最后，通过WHERE子句筛选出学生名字为“小明”的记录。
--- END ---

SQL优化

我们依旧使用这段生成的SQL看看Chat2DB会给我们一些什么优化建议：
在这里插入图片描述

--- BEGIN ---
SELECT course.name, course.teacher, score.score 
FROM score 
INNER JOIN course ON score.course_id = course.id 
INNER JOIN student ON score.student_id = student.id 
WHERE student.name = '小明'
--- SQL优化 ---
优化建议：

1. 添加索引：在score表的course_id和student_id列上添加索引，以提高JOIN操作的效率。

2. 避免使用通配符：在WHERE子句中避免使用通配符，如使用LIKE '%小明%'，会导致全表扫描，影响查询性能。

3. 使用EXISTS替代INNER JOIN：如果只需要查询小明的成绩，可以使用EXISTS子查询替代INNER JOIN，可以减少JOIN操作的次数，提高查询效率。

优化后的SQL语句如下：

SELECT course.name, course.teacher, score.score 
FROM score 
INNER JOIN course ON score.course_id = course.id 
WHERE EXISTS (SELECT 1 FROM student WHERE student.id = score.student_id AND student.name = '小明')
--- END ---

使用总结

通过上面的简单实用，相信大家已经知道Chat2DB的实用方法，其次再我们一些简单的命令下，它也能帮我们生成我们想要的语句，博主测试过一些复杂的业务SQL可能暂时还无法给到很正确提示，在SQL优化方面也给出了一定的建议，博主感觉这些建议都是可以供参考的，当然实际的情况还是需要根据我们的业务场景来决定

后续功能

目前该开源项目还会提供支持环境隔离、支持团队协作，支持创建、修改、删除表，支持非关系型数据库的迭代版本，后续有新的功能版本，博主再来和大家分享，一下是项目的未来规划：
在这里插入图片描述

结语

以上就是博主对阿里巴巴开源Chat2DB v1.0.11版本的体验感受，如果你觉得有用希望点赞关注，以免错失后续版本的分享～ 谢谢大家


http://www.niftyadmin.cn/n/439641.html

相关文章

VME总线芯片集

VME总线芯片集

------------------VME------------------------------------------------ LS373 锁存器 74LS373。 LS244 总线驱动器 74LS244为3态8位缓冲器 ALS245 TS 八路总线收发器与3态输出。 MB3771 电压检测 富士通MB3771。 L5240 ADL5240 高性能数字控制可变…
阅读更多...
科技云报道：大模型时代，SaaS元年才真的到来了？

科技云报道：大模型时代，SaaS元年才真的到来了？

科技云报道原创。 ChatGPT席卷全球后，如果有人问AI大模型影响最大的会是哪个行业？SaaS领域肯定是不二之选。 目前全球各大科技公司已宣称要用大模型触及、整合所有产品。 其中，微软率先为其办公家族装配上了各类copilot，开发者…
阅读更多...
HHDESK批量重命名功能在工作中的实际运用

HHDESK批量重命名功能在工作中的实际运用

笔者自认为有个很好的习惯，每个完成的工作，都会新建一个文件夹，放在工作文件夹下面，并且分类很细，详细命名，方便查找，万一遗忘也没关系，关键字和时间一搜索即可。 所以在今天&…
阅读更多...
【网络安全】成功上岸深信服，这套面试题你肯定需要！！！

【网络安全】成功上岸深信服，这套面试题你肯定需要！！！

时间过得很快，回想起去年的这个时候，我也正在准备秋招，今天的我刚刚结束培训。 我的个人情况就读于某双非大学，信息与计算科学（大数据方向，校企合作，一个介于数学与计算机之间的专业&#xff0…
阅读更多...
Kafka中的producer拦截器

Kafka中的producer拦截器

在Kafka中，拦截器一共有两种。分别是生产者端的和消费者端的。本文介绍生产者端的拦截器 Kafka Producer拦截器 Kafka Producer拦截器（Interceptor）主要用于实现clients端的定制化控制逻辑。对于Producer而言，Interceptor使得用户在消息发送前以及Producer回调逻辑前有机…
阅读更多...
33、js - 面试 - 事件循环 微任务 宏任务

33、js - 面试 - 事件循环 微任务 宏任务

1、事件循环♻️（EventLoop） js是单线程语言，也就是某一刻只能执行一行代码，为了让耗时代码不阻塞其他代码运行，设计了事件循环模型。 事件循环是一个并发模型，负责执行代码、收集异步任务的模型&#xff0…
阅读更多...
源代码加密：保护企业利益的重要一环

源代码加密：保护企业利益的重要一环

在当今数字化时代，源代码是企业的核心资产之一。它包含了企业软件、应用程序和系统的基础架构，对于企业的运营和发展至关重要。然而，源代码的安全性也面临着日益严峻的挑战。 源代码泄露可能导致多重风险和损失。首先，竞争对手或…
阅读更多...
【深度学习】2-4 神经网络-手写数字识别

【深度学习】2-4 神经网络-手写数字识别

在实现对手写数字图像的分类，可以先假设学习已经全部结束，我们使用学习到的参数，先实现神经网络的“推理处理”。该处理也称为神经网络的前向传播。 和求解机器学习问题的步骤(分成学习和推理两个阶段进行)一样 使用神经网络解决问题时&…
阅读更多...
最新文章

Copyright @ 2022~2023