Converti il codice proprietario in ANSI SQL aperto con Genie Code

La migrazione da un data warehouse legacy è un'impresa complessa, che richiede ai team di analizzare codice vecchio di decenni, tradurre dialetti proprietari, migrare enormi set di dati e riconciliare le differenze tra i sistemi. Databricks rende drasticamente più semplice la migrazione dei carichi di lavoro dai data warehouse legacy al Lakehouse con Genie Code, l'agente di codifica AI di Databricks.

Siamo entusiasti di annunciare il nuovo convertitore agentico in Genie Code. Il convertitore di codice agentico traduce i dialetti proprietari in ANSI SQL aperto, a partire da T-SQL, Snowflake, Redshift, Oracle, BigQuery e Teradata. Trasforma la migrazione di un data warehouse da un progetto che il tuo team deve gestire e dotare di personale a uno da configurare, avviare e monitorare.

Pianificazione automatizzata della migrazione

Per vedere come funziona in pratica il convertitore agentico, esamineremo una proof of concept che converte un set di stored procedure T-SQL in ANSI SQL.

Per avviare la migrazione, creiamo un progetto di migrazione, una nuova funzionalità in un workspace Databricks. I progetti di migrazione offrono ai team un hub centrale per gestire i file sorgente, monitorare lo stato di avanzamento della conversione e collaborare durante l'intera migrazione. Nominamo il nostro progetto Migration Project - POC, impostiamo il dialetto di origine su T-SQL, la destinazione su ANSI SQL e scegliamo una cartella di destinazione per i file convertiti. Una volta creato, possiamo popolare il progetto con i file SQL di origine, precedentemente caricati nel workspace. Ogni file appare nel progetto con il relativo tipo di file, le righe di codice e lo stato della migrazione:

Genie Code analizza e valuta la complessità di ogni file, mostrando una valutazione nel pannello di destra. Nel nostro esempio, mixed_5cats_sp_string_agg.sql ottiene un punteggio di complessità basso perché contiene solo funzionalità SQL che si mappano chiaramente in ANSI SQL. Per una migrazione su scala completa, i team possono utilizzare il punteggio di complessità per dare priorità e affrontare prima i file più semplici.

Genie Code genera anche la lineage, mappando ogni relazione tra gli oggetti nel sistema legacy: tabelle, viste e stored procedure. Il grafico della lineage mostra che sps_sp_update_from.sql e sps_sp_pivot.sql non hanno dipendenze condivise, il che significa che possono essere migrati in sicurezza in modo indipendente.

In una migrazione su scala completa, la complessità e la lineage offrono ai team un quadro chiaro di cosa migrare, in quale ordine e cosa deve essere spostato insieme.

Conversione del codice completamente agentica

Dopo aver analizzato il codice sorgente, possiamo iniziare a convertirlo. Quando facciamo clic su Run, Genie Code analizza il T-SQL di ogni script e avvia sciami di sottoagenti per convertire i file in parallelo. Ogni sottoagente corregge gli errori in modo iterativo, convalidando sia la sintassi che l'intento semantico per garantire che il codice convertito mantenga la logica di business originale e venga analizzato correttamente.

Una volta completato, i file convertiti vengono scritti nella cartella di destinazione e codificati a colori in base allo stato. Nella nostra proof of concept, 6 file su 8 sono stati convertiti con successo. Tuttavia, mixed_5cats_sp_string_agg.sql e mixed_6cats_sp_string_agg.sql richiedono un'ulteriore revisione. Visualizzando il pannello di destra, possiamo vedere l'elenco delle attività necessarie per correggere lo script. Genie Code spiega che le stored procedure segnalate devono essere qualificate da un nome a tre parti in Unity Catalog (catalog.schema.sp_string_agg).

Facendo clic sul file, possiamo aprire l'editor SQL nativo per esplorare le differenze affiancate. Possiamo apportare la correzione manualmente nell'editor o codificare una regola di conversione creando una skill personalizzata in Genie Code. Quando saremo pronti per eseguire la migrazione completa, Genie Code applicherà la regola (in questo caso assegnando alle stored procedure un nome a tre parti in Unity Catalog) in modo automatico su l'intera codebase. Le skill personalizzate sono utili anche per una personalizzazione più ampia, come la conformità a un pattern ETL approvato o il rispetto delle convenzioni di denominazione interne.

Per i team che desiderano effettuare un lift-and-shift, Databricks offre la suite completa di funzionalità SQL aziendali. Transazioni multi-istruzione, Tabelle temporanee e Stored procedure (funzionalità comunemente utilizzate nei data warehouse legacy) sono tutte disponibili in Databricks, quindi non è necessario riprogettare la logica per adattarla a una nuova piattaforma.

Inizia a usare il convertitore agentico oggi stesso

Il convertitore di codice agentico rappresenta la nuova generazione di strumenti per la migrazione dei data warehouse, basandosi sul successo su scala di Lakebridge. Dal suo lancio al Data and AI Summit 2025, gli strumenti di conversione di Lakebridge hanno aiutato oltre mille clienti ad adottare il lakehouse di Databricks:

“Lakebridge ha reso la nostra migrazione a Databricks più prevedibile ed efficiente. Ha gestito la conversione delle nostre stored procedure legacy in Spark Declarative Pipelines, riducendo notevolmente il lavoro manuale e aiutandoci a muoverci più rapidamente verso un Lakehouse aperto e consolidato.”—Shane Irons, Sr. Director of Information Management

Come passo successivo, stiamo espandendo il convertitore agentico per supportare le comuni sorgenti ETL legacy e nuovi dialetti di destinazione. Prevediamo inoltre di integrare la migrazione e la riconciliazione dei dati nell'esperienza del progetto di migrazione, con un'integrazione nativa di Lakeflow Connect per migrare i dati e strumenti automatizzati per verificare che i dati migrati corrispondano alla sorgente prima del cutover.

Pronto per la migrazione? Contatta il team del tuo account Databricks per valutare il tuo sistema legacy e prova il convertitore di codice agentico qui.

(Questo post sul blog è stato tradotto utilizzando strumenti basati sull'intelligenza artificiale) Post originale