Recursos avançados

Esta página reúne as capacidades para usuários intensos (DBAs / engenheiros de dados / backend). Ficam em menus de contexto, na paleta ⌘K ou em níveis mais profundos da toolbar; raramente usadas no dia a dia, mas indispensáveis em cenários como:

Ver se o plano usa índice e qual nó é o mais lento
Inferir quais índices criar com base no histórico de SQL
Ver distribuição de valores / NULL ratio / tipos sobre-dimensionados de uma tabela
Limpar duplicatas / preencher defaults históricos / recuperar soft-deleted
Buscar onde um valor aparece em todo o banco
Construir queries por drag-and-drop em vez de escrever SQL
Gerenciar partições Doris/StarRocks / parts ClickHouse / binlog MySQL / extensões PG
Migrar Oracle inteiro para DM (达梦)

Sequência "ver → editar → buscar → criar → migrar".

1. Visualização de EXPLAIN — PlanPanel

Quem escreve SQL conhece EXPLAIN, mas o texto puro não é claro. O SkylerX pendura um painel Plan ao lado do QueryPane que renderiza EXPLAIN como árvore + resumo.

Gatilhos

Entrada	Comportamento
Toolbar `📊 Plan`	EXPLAIN do SQL atual (sem executar)
`⌘⇧E` / Ctrl+Shift+E	Idem
`▶ Analyze` ao lado	EXPLAIN ANALYZE (executa de verdade; cuidado com DML)

Internamente, plan.ts → planQuery(dialect, sql, { analyze }):

Dialeto	Statement
PostgreSQL / Kingbase	`EXPLAIN (FORMAT JSON) <sql>` / `EXPLAIN (ANALYZE, BUFFERS, FORMAT JSON) <sql>`
MySQL / MariaDB / OceanBase	`EXPLAIN FORMAT=TREE <sql>` / `EXPLAIN ANALYZE <sql>` (MySQL 8.0.18+)
Outros	Fallback EXPLAIN em tabela (renderizado em pre)

Renderização da árvore

JSON Plan do PG é parseado por parsePgPlan em árvore PlanNode e então flattenPlan em lista {node, depth}. Cada nó exibe:

Label: Seq Scan / Index Scan / Hash Join ...
Detalhes: on users / using users_pk / inner join
Barra de custo: largura = cost / maxCost * 60px, gradiente verde→vermelho
Números: cost 1234.56 · est 1000 · act 1234 · 12.3ms (act / ms apenas com ANALYZE)

Operadores lentos coloridos

PlanPanel marca em vermelho os "1/3 mais caros":

function isSlow(node) {
  return node.cost >= maxCost.value * 0.33 && maxCost.value > 0
}

Fundo vermelho + label vermelho, o que precisa otimizar aparece de cara.

Skew entre estimado e real

estimateSkew(node) calcula max(est, act) / min(est, act). ≥ 10× = estatísticas desatualizadas; lateral amarelo + badge ⚠ 24×. O resumo também aponta o "pior skew":

let skewWorst = null
for (const r of arr) {
  const sk = estimateSkew(r.node)
  if (sk == null) continue
  if (!skewWorst || sk > skewWorst.skew) skewWorst = { node: r.node, skew: sk }
}

Esse badge geralmente significa "ANALYZE table" ou "pg_statistic refresh".

Resumo

Topo do painel:

Campo	Significado
`Total Cost`	Cost do nó mais pesado (raiz acumulada)
`Actual ms`	Soma de tempos reais (com ANALYZE)
`Heaviest`	Nome do nó mais caro
`Skew`	Nó com maior desvio est vs act + múltiplo

2. Recomendação de índices — IndexRecommender

⌘K → Recomendar índices ou clique direito no banco 🔧 Recomendar índices.

Entrada e saída

Entrada	Origem
Padrões históricos	`client.connections.history(connId, 1000)` últimos 1000
Índices existentes	MySQL `information_schema.STATISTICS` / PG `pg_index + pg_class`

Saída: IndexHint[] — tabela, colunas, score combinado, motivo inferido, DDL CREATE INDEX executável.

Algoritmo (`index-recommender.ts`)

Sem parser SQL (caro e por dialeto), usa heurística regex para extrair WHERE / JOIN / ORDER BY / GROUP BY:

Agregação: mesmo texto SQL → acumula count + totalMs
Filtro: somente SELECT / WITH, ignora DML/DDL
Aliases: parseTableAliases(sql) extrai tbl [AS] alias do FROM/JOIN
Scan de 4 cláusulas, score base por hit:

Cláusula	Score base	Notas
`WHERE col = ?` / `LIKE` / `IN` / `IS NULL` / `BETWEEN`	5	Sinal forte
`JOIN ON a.col = b.col`	3	Ambos os lados pontuam
`ORDER BY col`	2	Ordenação precisa de índice ordenado
`GROUP BY col`	2	Idem para agrupamento

Peso temporal: cada SQL count × min(perMs/avgMs, MAX_TIME_MULTIPLIER=5) — evita que 1-2 SQLs lentos dominem a tabela
SQL multi-tabelas exige alias; single-tabela permite coluna bare
Filtra índices existentes: isCovered(table, cols, known) (prefixo de índice existente cobre a sugestão) — skip
Composto: top-3 colunas por tabela pareadas duas a duas → sugestões compostas

Geração DDL

function buildDdl(table, columns, dialect) {
  const idxName = `idx_${sanitize(table)}_${cols.map(sanitize).join('_')}`.slice(0, 60)
  return `CREATE INDEX ${quoteIdent(idxName)} ON ${quoteIdent(table)}(${cols.map(quoteIdent).join(', ')});`
}

MySQL usa backticks, PG usa aspas duplas.

Fluxo

Ao abrir: run() → escaneia → lista candidatos (scoreEstimate desc). Cada linha:

[Adotar] → emit('runSql', h.ddl) envia DDL ao QueryPane
[Copiar tudo] → clipboard
[Re-escanear] → re-roda

Apenas família MySQL / PG; outros mostram "não suportado".

3. Data Inspector

Clique direito na tabela 🔬 Inspecionar dados. Um diálogo com 5 tabs cobrindo "ver saúde + manutenção de um clique". Por design, não roda SQLs concorrentes (medo de carga em prod): só busca dados quando o tab é aberto.

Tab 1: Amostragem de coluna (A3)

Uma SQL para todas as estatísticas:

sql

SELECT
  COUNT(*) AS total,
  COUNT(col) AS non_null,
  COUNT(DISTINCT col) AS distinct_cnt,
  MIN(col) AS min_val,
  MAX(col) AS max_val
FROM <table>

Mais o top-10:

sql

SELECT col AS value, COUNT(*) AS cnt
FROM <table> GROUP BY col ORDER BY cnt DESC LIMIT 10

Cards de estatísticas + tabela top-N. NULL alto / distinct baixo (status) / valores extremos saltam à vista.

Tab 2: Profile da tabela inteira (B6)

Uma SELECT grande com COUNT(col) + COUNT(DISTINCT col) para todas as colunas:

sql

SELECT COUNT(*) AS total,
       COUNT(`a`) AS nn_a, COUNT(DISTINCT `a`) AS dc_a,
       COUNT(`b`) AS nn_b, COUNT(DISTINCT `b`) AS dc_b,
       ...
FROM <table>

Tabela: coluna | tipo | NULL% | DISTINCT/total. NULL% > 50 destaca amarelo.

Tab 3: Scan de constraints (B5)

Lista colunas IS_NULLABLE = 'NO'; para cada uma, SELECT COUNT(*) WHERE col IS NULL. Hits > 0 = violação (sujeira histórica não limpa após adicionar NOT NULL).

Tab 4: Sugestões de tipo (B9)

Por categoria:

Tipo atual	Verifica	Sugere
`VARCHAR(255)`	`MAX(CHAR_LENGTH(col))`	`VARCHAR(max(32, ceil(maxlen1.5)))` se declarado > maxlen4 e gap > 50
`BIGINT`	`MAX(ABS(col))`	Se < 2³¹-1 → `INT`
`INT`	Idem	Se < 32767 → `SMALLINT`

Cada sugestão explica (max real 20, declarado 255 desperdiça 235 bytes).

Tab 5: Manutenção (B10)

Por dialeto, 4 botões:

Família	Botões
MySQL	`ANALYZE TABLE` / `OPTIMIZE TABLE` / `CHECK TABLE`
PG	`ANALYZE` / `VACUUM FULL` / `VACUUM` / `REINDEX TABLE`

Confirmação dupla em cada (VACUUM FULL locka).

4. Data Fixup

Clique direito na tabela 🩹 Corrigir dados. 3 tabs, mesmo skeleton "input → gerar SQL → revisar → executar". Sem commit direto — entrega o SQL ao QueryPane como pending.

Tab 1: Detecção de duplicatas (B3)

Marque colunas como chave de negócio (email + tenant_id); GROUP BY para ver duplicados:

sql

SELECT col1, col2, COUNT(*) AS cnt
FROM <table>
GROUP BY col1, col2 HAVING COUNT(*) > 1
ORDER BY cnt DESC LIMIT 100

Após confirmar, Gerar SQL de limpeza produz DELETE com ROW_NUMBER() (versão PG) e comentário com versão MySQL self-join:

sql

-- Mantém ROW_NUMBER() = 1, deleta os outros
DELETE FROM <table>
WHERE (col1, col2, ctid) IN (
  SELECT col1, col2, ctid FROM (
    SELECT col1, col2, ctid,
           ROW_NUMBER() OVER (PARTITION BY col1, col2 ORDER BY ctid) AS rn
    FROM <table>
  ) sub WHERE sub.rn > 1
);

Tab 2: Backfill NULL (B4)

Escolha coluna + estratégia:

Estratégia	Expressão SET
`literal`	`'<valor>'`
`avg`	`(SELECT AVG(col) FROM <table>)`
`min` / `max`	`(SELECT MIN/MAX(col) FROM <table>)`
`most_common`	`(SELECT col GROUP BY col ORDER BY COUNT(*) DESC LIMIT 1)`

Gera UPDATE <table> SET col = <expr> WHERE col IS NULL; com comentário "rode SELECT COUNT primeiro".

Tab 3: Restaurar soft-delete (B8)

Heurística para encontrar colunas (deleted_at / is_deleted / deleted):

Coluna	Gera
`is_deleted` / `*_flag`	`UPDATE ... SET col = FALSE WHERE col = TRUE`
`deleted_at` / timestamp	`UPDATE ... SET col = NULL WHERE col IS NOT NULL`

WHERE adicional opcional (AND user_id = 42) para limitar o escopo.

5. Cross-table search — SearchValueDialog

⌘K → Busca cross-table ou clique direito em célula 🔎 Onde mais aparece esse valor (pré-preenche).

Fluxo

Listar colunas "pesquisáveis" (information_schema.columns):
- MySQL: varchar / char / text / tinytext / mediumtext / longtext / json
- PG: character varying / character / text / json / jsonb
Agrupar por tabela: cada tabela gera SELECT * FROM t WHERE col1 LIKE :v OR col2 LIKE :v ... LIMIT 50
Paralelo (max 6, evitar saturar pool)
Progresso + hits

Performance

Bancos grandes têm milhares de colunas; use table_prefix (user_*). matchMode:

contains → LIKE '%v%' (lento mas completo)
exact → = 'v' (rápido, para IDs)

maxPerTable (50) impede que uma tabela enorme exploda a memória.

Exemplo

Investigar "por que o usuário alice@x.com recebeu push":

⌘K → Busca cross-table
Valor alice@x.com, modo exact
Scan: users(email) + subscription(email) + mail_logs(to_addr) → localiza o fluxo

6. Row history — RowHistoryDialog

Resultado: clique direito na linha → ⏱ Ver versões.

Tabelas-sombra (heurística)

Dado PK ({id: 42}), busca em information_schema.tables:

sql

SELECT table_name FROM information_schema.tables
WHERE table_name LIKE '<base>_%'
   OR table_name = 'audit_<base>'
   OR table_name = '<base>_history'

<datalist> para escolher ou digitar.

Histórico

SELECT * FROM <shadow> WHERE id = 42 ORDER BY changed_at, updated_at, created_at, version, revision DESC LIMIT 200. Cada linha = uma versão; strings truncadas em 80 chars.

7. Builder visual — VisualQueryDialog

⌘K → Construtor visual ou clique direito no banco 🎨 Visual.

MVP sem canvas drag-and-drop — usa "lista + cards" mais robusto.

Layout

Área	Conteúdo
Esquerda	Todas as tabelas do banco + busca + checkbox
Centro	Tabelas marcadas viram cards; cada coluna tem checkbox (marcada vai a SELECT)
Topo	WHERE / ORDER BY + `LIMIT`
Rodapé	SQL em tempo real + `Abrir como nova aba`

JOIN automático

Marcadas duas tabelas, detecta "colunas com cara de FK", gera INNER JOIN:

// inferConventionalFks
const m = /^(.+?)_id$|^(.+?)Id$/.exec(col.name)
// user_id → users.id  /  category_id → categories.id

Plural simples (user → users, category → categories). Sem path, degrada para CROSS JOIN (aviso visual).

SQL gerado

sql

SELECT users.id AS users_id, users.name AS users_name,
       orders.id AS orders_id, orders.amount AS orders_amount
FROM users
  INNER JOIN orders ON users.id = orders.user_id
WHERE amount > 100
ORDER BY users.id DESC
LIMIT 200

Aliases <table>_<col> evitam conflito de nome.

8. MPP — gerenciamento de partição (MppPartitionDialog)

Para Doris / StarRocks (família MySQL). Clique direito no banco 🗂 Partições.

Campos

SHOW PARTITIONS FROM <db>.<tbl> retorna:

Campo	Significado
`PartitionId` / `PartitionName`	Metadados
`State`	NORMAL etc.
`PartitionKey` / `Range`	Chave / range
`DistributionKey` / `Buckets`	Bucketing
`ReplicationNum`	Réplicas
`StorageMedium`	HDD / SSD
`CooldownTime`	Tempo para HDD
`DataSize`	Em KB/MB/GB

Ações

Botão	Ação
`+ Nova partição`	Prompt para `ADD PARTITION ...`; prefixa `ALTER TABLE <db>.<tbl>`
`DROP` por linha	Confirmação + `ALTER TABLE <db>.<tbl> DROP PARTITION <name>`
`🔄 Refresh`	Re-roda SHOW PARTITIONS

9. Avançado por dialeto

9.1 MysqlAdvancedDialog

MySQL / MariaDB / OceanBase / TiDB / Doris / StarRocks. 3 tabs:

Tab	SQL
Binlog	`SHOW MASTER STATUS` + `SHOW BINARY LOGS` + `SHOW BINLOG EVENTS IN '<file>' LIMIT N`
Replica status	`SHOW REPLICA STATUS` (8.0+), fallback `SHOW SLAVE STATUS` (MariaDB / antigo)
Variables / Status	`SHOW GLOBAL VARIABLES` / `SHOW GLOBAL STATUS` com filtro; Variables permite `SET GLOBAL k = v`

9.2 PgAdvancedDialog

PostgreSQL / Kingbase / openGauss / Greenplum / CockroachDB / Redshift. 3 tabs:

Tab	Origem
Extensions	`pg_available_extensions`; `CREATE EXTENSION IF NOT EXISTS "<name>" WITH SCHEMA "<schema>"` / `DROP EXTENSION`
Publications / Subscriptions	`pg_publication` + `pg_publication_tables` + `pg_subscription`
Slots	`pg_replication_slots` (slot_name / plugin / slot_type / active / restart_lsn / confirmed_flush_lsn / wal_status); `DROP_REPLICATION_SLOT`

9.3 ClickHouseAdvancedDialog

4 tabs, todas em system.*, leitura:

Tab	Origem	Uso
Partições	`system.parts` (active)	`rows / bytes_on_disk / data_compressed_bytes / marks / min_date / max_date / level`; `DROP / DETACH / ATTACH PARTITION`
Mutation	`system.mutations`	`is_done / command / parts_to_do / latest_failed_part / latest_fail_reason`
Réplicas	`system.replicas`	`is_leader / queue_size / inserts_in_queue / merges_in_queue / total_replicas / active_replicas / zookeeper_path`
Tabelas (metadata)	`system.tables`	`engine / total_rows / total_bytes / partition_key / sorting_key / primary_key / sampling_key / storage_policy`

Todas têm filtros database / table no topo, essencial em clusters grandes.

10. Assistente de migração Oracle → DM (达梦)

Cenário comum em 信创: migrar um Oracle inteiro para 达梦. ⌘K → Oracle → DM abre o assistente.

Fluxo de 5 passos

Passo	Ação
1. Conexões	Lista conexões `dialect == Oracle` / `dialect == DM`, escolhe origem e destino
2. Objetos	Carrega `tables / views / sequences / procedures`; todos marcados, alternáveis
3. Preview	Cada objeto: `DBMS_METADATA.GET_DDL` → `translateDdl()` → warnings + editável
4. Executar	`client.connections.execute(dstConnId, ddl)` por objeto; erros coletados, sem interromper
5. Relatório	Markdown resumindo sucessos / warnings; Copy / saveText

Regras de tradução (`oracleToDm.ts`)

Mapa de tipos (TYPE_MAP):

Oracle	DM	Notas
`VARCHAR2`	`VARCHAR`	—
`NVARCHAR2`	`NVARCHAR`	—
`NUMBER`	`NUMERIC`	DM aceita NUMBER, NUMERIC é mais padrão
`CLOB` / `NCLOB` / `BLOB`	iguais	—
`DATE`	`DATE`	⚠ Oracle DATE inclui hora, DM DATE não
`TIMESTAMP`	`TIMESTAMP`	—
`RAW` / `LONG RAW`	`VARBINARY`	—
`LONG`	`CLOB`	Oracle deprecado
`BINARY_FLOAT` / `BINARY_DOUBLE`	`FLOAT` / `DOUBLE`	—
`ROWID` / `UROWID`	`VARCHAR(18)` / `VARCHAR(4000)`	DM sem equivalente
`XMLTYPE`	`XML`	XPath/XQuery podem precisar reescrita

Implementação: ordenada por "chave mais longa primeiro" (LONG RAW antes de LONG); NUMBER bare sem comprimento não preenche; NUMBER(p,s) copia números. Cada hit adiciona warning de TYPE_NOTES.

Mapa de funções / keywords (FN_MAP):

Oracle	DM	Notas
`SYSDATE` / `SYSTIMESTAMP`	`CURRENT_TIMESTAMP`	DM aceita SYSDATE, padrão é mais estável
`NVL(a, b)`	`COALESCE(a, b)`	DM aceita NVL, COALESCE é mais portável
`NVL2(...)`	mantém	Se não suportado, `CASE WHEN expr IS NOT NULL THEN a ELSE b END`
`MINUS`	`EXCEPT`	DM aceita MINUS, EXCEPT é padrão
`DUAL` / `ROWNUM`	mantém	DM suporta

Avisos de sintaxe complexa (HARD_WARNINGS, não toca SQL, gera [review]):

Padrão	Aviso
`DECODE(...)`	Funciona, mas sugira `CASE WHEN` para legibilidade
`CONNECT BY`	Mostly compat; `NOCYCLE` / `SYS_CONNECT_BY_PATH` etc. exigem revisão
`MERGE INTO`	Branches complexos (`DELETE WHERE` / `UPDATE` multi-source) podem divergir
`INSTEAD OF (INSERT/UPDATE/DELETE) TRIGGER`	Semântica de triggers DM difere
`SDO_GEOMETRY` / `MDSYS.*`	Oracle Spatial sem equivalente
`DBMS_*`	Apenas simulação parcial (`DBMS_OUTPUT`/`DBMS_LOB`)
`UTL_*` (`UTL_HTTP`/`UTL_FILE`)	Normalmente não suportado
`INTERVAL YEAR/DAY TO ...`	Algumas versões só suportam forma simplificada
`PIVOT(...)` / `UNPIVOT(...)`	DM 8.x parcial; versões antigas precisam `CASE WHEN`
`BULK COLLECT` / `FORALL`	DMSQL difere

O que não é feito

Não traduz semântica PL/SQL — só migra shell de procedure; corpo manual
Triggers idem
Não ordena dependências de constraints — ordem lexicográfica; falha → re-run
Sem atomicidade transacional — por objeto, falhas em vermelho

Migração de dados (experimental)

Passo 4 com "incluir dados (100 linhas por tabela)":

sql

-- Origem
SELECT * FROM "<table>"  -- limitado a 100

-- Destino
INSERT INTO "<table>" (col1, col2, ...) VALUES (v1, v2, ...)  -- por linha

Apenas esqueleto — migração completa exige paginação + conversão de tipos + batch. Para produção, use DTS / expdp + impdp.

Relatório

Markdown exemplo:

markdown

# Relatório de migração Oracle → DM

- Conexão fonte: `prod-oracle`
- Conexão alvo: `dm-test`
- Tempo: 2026-05-30 10:23:11
- Total: 142, sucesso 138, falha 4

## Objetos com sucesso
- [tables] ORDERS (124ms)
- [tables] USERS (89ms)
...

## Objetos com falha
- [procedures] CALC_BONUS
  - Erro: ORA-00942 tabela ou view não existe

## Avisos de tradução (review manual)
- (ORDERS) [type] DATE: Oracle DATE inclui hora, DM DATE não; se a coluna dependia de hora, use TIMESTAMP
- (ORDERS_REPORT) [review] PIVOT/UNPIVOT: DM 8.x parcial; versões antigas precisam de CASE WHEN

Copiar ou Salvar em .md.

11. Quando usar qual?

Quero…	Use…
Ver onde uma SQL lenta trava	PlanPanel + ANALYZE
Não sei que índice criar	IndexRecommender
Avaliar a saúde de uma tabela nova	DataInspector profile + types
Limpar duplicatas / dados sujos	DataFixup
Onde aparece este valor?	SearchValueDialog
Histórico de uma linha	RowHistoryDialog
Demonstrar query para não-tech	VisualQueryDialog
Gerenciar partições Doris	MppPartitionDialog
MySQL binlog / replicação	MysqlAdvancedDialog
Extensão PG / replicação lógica	PgAdvancedDialog
CH part / Mutation	ClickHouseAdvancedDialog
Migrar Oracle para DM	OracleToDmWizard

Use com Assistente de IA e multiplique — PlanPanel com nó lento → "Perguntar à IA"; IndexRecommender duvidoso → IA explica; DataInspector com sugestão de tipo → IA avalia risco.

Recursos avançados ​

1. Visualização de EXPLAIN — PlanPanel ​

Gatilhos ​

Renderização da árvore ​

Operadores lentos coloridos ​

Skew entre estimado e real ​

Resumo ​

2. Recomendação de índices — IndexRecommender ​

Entrada e saída ​

Algoritmo (index-recommender.ts) ​

Geração DDL ​

Fluxo ​

3. Data Inspector ​

Tab 1: Amostragem de coluna (A3) ​

Tab 2: Profile da tabela inteira (B6) ​

Tab 3: Scan de constraints (B5) ​

Tab 4: Sugestões de tipo (B9) ​

Tab 5: Manutenção (B10) ​

4. Data Fixup ​

Tab 1: Detecção de duplicatas (B3) ​

Tab 2: Backfill NULL (B4) ​

Tab 3: Restaurar soft-delete (B8) ​

5. Cross-table search — SearchValueDialog ​

Fluxo ​

Performance ​

Exemplo ​

6. Row history — RowHistoryDialog ​

Tabelas-sombra (heurística) ​

Histórico ​

7. Builder visual — VisualQueryDialog ​

Layout ​

JOIN automático ​

SQL gerado ​

8. MPP — gerenciamento de partição (MppPartitionDialog) ​

Campos ​

Ações ​

9. Avançado por dialeto ​

9.1 MysqlAdvancedDialog ​

9.2 PgAdvancedDialog ​

9.3 ClickHouseAdvancedDialog ​

10. Assistente de migração Oracle → DM (达梦) ​

Fluxo de 5 passos ​

Regras de tradução (oracleToDm.ts) ​

O que não é feito ​

Migração de dados (experimental) ​

Relatório ​

11. Quando usar qual? ​

Recursos avançados

1. Visualização de EXPLAIN — PlanPanel

Gatilhos

Renderização da árvore

Operadores lentos coloridos

Skew entre estimado e real

Resumo

2. Recomendação de índices — IndexRecommender

Entrada e saída

Algoritmo (`index-recommender.ts`)

Geração DDL

Fluxo

3. Data Inspector

Tab 1: Amostragem de coluna (A3)

Tab 2: Profile da tabela inteira (B6)

Tab 3: Scan de constraints (B5)

Tab 4: Sugestões de tipo (B9)

Tab 5: Manutenção (B10)

4. Data Fixup

Tab 1: Detecção de duplicatas (B3)

Tab 2: Backfill NULL (B4)

Tab 3: Restaurar soft-delete (B8)

5. Cross-table search — SearchValueDialog

Fluxo

Performance

Exemplo

6. Row history — RowHistoryDialog

Tabelas-sombra (heurística)

Histórico

7. Builder visual — VisualQueryDialog

Layout

JOIN automático

SQL gerado

8. MPP — gerenciamento de partição (MppPartitionDialog)

Campos

Ações

9. Avançado por dialeto

9.1 MysqlAdvancedDialog

9.2 PgAdvancedDialog

9.3 ClickHouseAdvancedDialog

10. Assistente de migração Oracle → DM (达梦)

Fluxo de 5 passos

Regras de tradução (`oracleToDm.ts`)

O que não é feito

Migração de dados (experimental)

Relatório

11. Quando usar qual?