Bagikan melalui

Mulai cepat: Menghasilkan data untuk pengujian dan tiruan

Dalam mulai cepat ini, Anda mempelajari cara menggunakan GitHub Copilot untuk membuat himpunan data yang realistis dan bertema untuk mendukung pengembangan, pengujian, dan demo aplikasi. Dengan menganalisis skema dan konteks database Anda, GitHub Copilot dapat menghasilkan data tiruan yang selaras dengan format dunia nyata, mensimulasikan kasus tepi, dan mengurangi upaya manual penyemaian database, membuat pengujian lebih cepat dan lebih representatif dari skenario aktual.

Mulai sekarang!

Pastikan Anda tersambung ke database dan membuka jendela editor aktif dengan ekstensi MSSQL. Koneksi ini memungkinkan @mssql peserta obrolan untuk memahami konteks lingkungan database Anda, memungkinkan saran yang akurat dan sadar konteks. Tanpa koneksi database, peserta obrolan tidak akan memiliki skema atau konteks data untuk memberikan respons yang bermakna.

Contoh berikut menggunakan AdventureWorksLT2022 database sampel, yang dapat Anda unduh dari beranda Sampel Microsoft SQL Server dan Proyek Komunitas .

Untuk hasil terbaik, sesuaikan nama tabel dan skema agar sesuai dengan lingkungan Anda sendiri.

Pastikan obrolan menyertakan awalan @mssql . Misalnya, ketik @mssql diikuti dengan pertanyaan atau perintah Anda. Ini memastikan bahwa peserta obrolan memahami Bahwa Anda meminta bantuan terkait SQL.

Menghasilkan data yang realistis dan dapat diuji dengan GitHub Copilot

GitHub Copilot dapat membantu menghasilkan data pengujian dan tiruan langsung dari skema SQL atau sampel JSON Anda. GitHub Copilot menawarkan saran kontekstual untuk membantu mengurangi waktu dan meningkatkan cakupan, baik Anda menyiapkan himpunan data untuk demo, menguji kasus edge, atau menyemai lingkungan pengembangan Anda dengan data bertema atau acak. Saran ini sangat berguna dalam skenario di mana entri data manual akan lambat atau tidak konsisten.

Berikut adalah kasus penggunaan umum dan contoh apa yang dapat Anda tanyakan melalui peserta obrolan.

Pembuatan data tiruan

Gunakan GitHub Copilot untuk menghasilkan data tiruan bertema, acak, atau representatif untuk tabel yang ada. Anda dapat meminta jumlah baris tertentu, menerapkan pola nama/nilai, atau membangun himpunan data berdasarkan struktur eksternal seperti sampel JSON.

Contoh tiruan data pelanggan

Generate mock data for the `SalesLT.Customer` table with 100 sample records.

Contoh data produk tiruan

Populate the `SalesLT.Product` table with 50 items, each with unique names and prices.

Contoh data penjualan tiruan

Generate mock data for the `SalesLT.SalesOrderHeader` table with 200 records, including order dates and customer IDs.

Membuat data tiruan dari sampel JSON

Based on this sample JSON with four records, generate a SQL table schema and populate it with 50 mock records. Use character names from well-known sci-fi books (for example, Dune, Foundation, Ready Player One) for the `firstName` and `lastName` fields to make the data more realistic and themed:

[
  { "firstName": "Alice", "lastName": "Smith", "email": "alice@example.com" },
  { "firstName": "Bob", "lastName": "Jones", "email": "bob@example.com" },
  { "firstName": "Charlie", "lastName": "Brown", "email": "charlie@example.com" },
  { "firstName": "Dana", "lastName": "White", "email": "dana@example.com" }
]

Pengujian kasus batas

Gunakan GitHub Copilot untuk mensimulasikan kasus ekstrem dan memverifikasi perilaku sistem Anda, melampaui pembuatan data dasar. GitHub Copilot dapat membantu menghasilkan data yang tepat, apakah Anda sedang melakukan uji stres pada logika bisnis, memeriksa kegagalan validasi data, atau memastikan adanya konsistensi relasional. Ini juga dapat menulis pernyataan atau logika pengujian untuk memvalidasi hasil.

Menguji batasan kuantitas

Generate insert statements for `SalesLT.SalesOrderDetail` with `OrderQty` values at the upper boundary (for example, 1,000 units) and verify that the system enforces quantity constraints.

Menguji format alamat email

Create test data for `SalesLT.Customer` with invalid email formats and write a query that flags these records for review.

Menguji anomali harga edge-case

Generate test data for `SalesLT.Product` with edge-case pricing, such as `StandardCost = 0` or negative values, and write a query that highlights anomalies.

Menguji integritas data dengan menggunakan objek tiruan

Simulate data integrity by generating 500 `SalesOrderDetail` rows that correctly reference valid `ProductID` and `SalesOrderID` values from related tables, and ensure GitHub Copilot includes validation logic.

Menguji logika bisnis

Write a test script that confirms the `SalesOrderHeader.TotalDue` value is always greater than the `SubTotal` for each order, helpful for spotting miscalculations in business logic.

Menguji validasi null

Using SQLAlchemy, create a test that attempts to insert a `SalesOrderDetail` record with a null `ProductID` and verify that the ORM raises an integrity error due to the foreign key constraint.

Menguji nilai negatif

With Prisma, generate test logic that tries to insert a `Product` with a `StandardCost` of `-10`. Validate that Prisma rejects the entry and logs an appropriate error message.

Membagikan pengalaman Anda

Untuk membantu kami memperbaiki dan meningkatkan GitHub Copilot untuk ekstensi MSSQL, gunakan templat masalah GitHub berikut untuk mengirimkan umpan balik Anda: GitHub Copilot Feedback

Saat mengirimkan umpan balik, pertimbangkan untuk menyertakan:

  • Skenario yang diuji - Beri tahu kami area mana yang Anda fokuskan, misalnya, pembuatan skema, pembuatan kueri, keamanan, pelokalan.

  • Apa yang bekerja dengan baik - Menjelaskan pengalaman apa pun yang terasa lancar, membantu, atau melebihi harapan Anda.

  • Masalah atau bug - Sertakan masalah, inkonsistensi, atau perilaku yang membingungkan. Cuplikan layar atau rekaman layar sangat membantu.

  • Saran untuk perbaikan – Bagikan ide untuk meningkatkan kegunaan, memperluas cakupan, atau meningkatkan respons GitHub Copilot.

Konten terkait

  • Last updated on