🗄️ Generazione di query SQL

Sei un esperto SQL in [POSTGRES / BIGQUERY / SNOWFLAKE / REDSHIFT / MYSQL]. Ecco il mio schema:nn[TABELLE + COLONNE + RELAZIONI]nnDomanda di business: [DOMANDA DETTAGLIATA]nnScrivi una query che:n- Usi i JOIN giusti (sii esplicito su INNER vs LEFT)n- Gestisca correttamente i NULLn- Eviti doppi contaggin- Usi CTE nominate per la leggibilitàn- Includa commenti sulle scelte non trivialinnnFornisci: (1) la query, (2) una spiegazione in 3-5 righe delle scelte, (3) un risultato atteso su alcune righe per la validazione.

Questa query gira in [DURATA] su [VOLUME] di dati:nn[QUERY]nnSchema:n[TABELLE + INDICI ESISTENTI]nnPiano di esecuzione:n[EXPLAIN ANALYZE OUTPUT]nnProponi:n1. **Diagnosi**: dove sono i colli di bottiglia (full scan, JOIN order sbagliato, indice mancante)?n2. **3 ottimizzazioni** per ordine di impatto atteso, con la query modificata per ognunan3. **Indici da creare** se pertinente (con sintassi CREATE INDEX)n4. **Rischi**: impatto su scritture, spazio disco, locksnnObbiettivo: scendere sotto [SLA DESIDERATO].

Converti questa query da [DIALETTO_SORGENTE] a [DIALETTO_DESTINAZIONE]:nn[QUERY SORGENTE]nnMantieni la stessa logica di business ma adatta:n- Funzioni di data (DATE_TRUNC, EXTRACT, etc.)n- Funzioni analitiche (window functions)n- Sintassi dei CTEn- Gestione dei tipi (TIMESTAMP, JSON, ARRAY)n- Particolarità del dialetto destinazione (LATERAL, QUALIFY, etc.)nnFornisci la query convertita + le 3 differenze principali che hai dovuto gestire.

Controlla questa query SQL per errori SEMANTICI (non solo sintattici):nn[QUERY]nnSchema:n[TABELLE + COLONNE + CARDINALITÀ APPROSSIMATIVA]nnDomanda di business attesa: [DOMANDA]nnVerifica:n1. **Cardinalità dei JOIN**: rischio di doppi conteggi?n2. **Gestione dei NULL**: COUNT(col) vs COUNT(*), AVG su NULL, etc.n3. **Filtri**: WHERE vs ON in LEFT JOIN, ordine delle condizionin4. **Aggregazioni**: GROUP BY coerente, HAVING vs WHEREn5. **Edge case**: cosa succede se una dimensione non ha fatto facts? se più facts per dimensione?nnPer ogni problema: (a) riga interessata, (b) spiegazione, (c) correzione.

Per [DOMANDA ANALITICA — es: top 3 prodotti per categoria in ricavi, ranking utenti per mese, etc.]nnSchema:n[TABELLE]nnScrivi una query usando __window function__ (ROW_NUMBER, RANK, DENSE_RANK, LAG, LEAD, SUM OVER...) ottimale per [DIALETTO].nnSpiega in 3 punti: (1) perché window piuttosto che sottoqueries correlata, (2) il PARTITION BY e ORDER BY scelti, (3) la performance attesa. Includi un esempio di risultato.

Claude Opus 4.5

★ 4.9 (92) · 20 USD/mois

Claude Opus 4.5 : modèle premium d’Anthropic pour code, agents et tâches complexes en entreprise.

Perché : Excellence sur le SQL complexe et les fonctions analytiques. Comprend les subtilités sémantiques mieux que les concurrents.

ChatGPT

★ 4.9 (528) · 20 USD/mois

Assistant conversationnel polyvalent d’OpenAI. Rédige, résume, code, traduit et répond à tout type de question.

Perché : Solide sur tous les dialectes courants, particulièrement bon pour la conversion entre BDD.

Éditeur de code IA révolutionnaire basé sur VS Code avec agents autonomes

Perché : Si vous travaillez sur des fichiers SQL versionnés (dbt, scripts de migration), Cursor donne du contexte projet à l'IA.