SQL Academy · Lekcja

CI dla zmian schematu (GitHub Actions)

Uruchamiać migracje, dbt build i lintowanie SQLFluff w GitHub Actions przy każdym PR, korzystając z efemerycznych baz danych

Lekcja 4 z 414 kroki

CI dla zmian schematu (GitHub Actions) to bezpłatna lekcja SQL Academy na CoddyKit. To lekcja 4 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej SQL Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs SQL Academy zawiera 4 lekcji w sumie.

Dlaczego CI dla SQL?

Ręczne migracje powodują awarie. CI wykrywa:

Migrację, której nie można zastosować
Migrację, która powoduje niepowodzenie istniejących testów
Rozbieżności schematu między środowiskami
Regresje w lintowaniu i testach

Solidny potok CI dla SQL

Uruchom tymczasową instancję Postgresa (Docker / usługa GitHub Actions)
Zastosuj wszystkie migracje od początku
Zastosuj tylko nowe migracje do kopii schematu środowiska stagingowego
Uruchom dbt build / Flyway test / testy aplikacji
Uruchom lintowanie SQLFluff
Wygeneruj raport różnic schematu

GitHub Actions: usługa Postgresa

Uruchom Postgresa obok zadania:

name: ci
on: [pull_request]
jobs:
  test:
    runs-on: ubuntu-latest
    services:
      pg:
        image: postgres:16
        env:
          POSTGRES_PASSWORD: postgres
        ports: ['5432:5432']
        options: >-
          --health-cmd pg_isready
          --health-interval 10s
          --health-timeout 5s
          --health-retries 5
    steps:
      - uses: actions/checkout@v4
      - name: Run migrations
        env:
          DATABASE_URL: postgres://postgres:postgres@localhost:5432/postgres
        run: |
          ./scripts/migrate.sh

Etap lintowania

Lintowanie za pomocą SQLFluff jako osobne zadanie:

jobs:
  lint:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - uses: actions/setup-python@v5
      - run: pip install sqlfluff && sqlfluff lint models/

Budowanie dbt w CI

W projektach dbt:

- name: dbt deps & build
  run: |
    pip install dbt-postgres
    dbt deps
    dbt build --profiles-dir profiles/ci

Różnice schematu

migra (lub apgdiff, schemahero) pokazuje zmiany wprowadzane przez migrację:

pip install migra
migra postgres://baseline postgres://branch > diff.sql
# Comment diff.sql on the PR

Strategia migracji wyłącznie do przodu

Zawsze twórz nowe migracje; nigdy nie edytuj już zastosowanych. CI sprawdza, czy sekwencję migracji można zastosować od początku.

Wstecznie kompatybilne zmiany schematu

Schemat w każdym PR-ze powinien pozostać kompatybilny z poprzednią wersją aplikacji, aby można było wdrożyć aplikację i bazę danych w dowolnej kolejności. CI może to zweryfikować, uruchamiając testy STAREJ aplikacji na NOWYM schemacie.

Inicjalizacja danych testowych

Niewielki skrypt z danymi testowymi w CI pozwala uruchamiać testy na realistycznych danych:

- name: Seed
  run: psql $DATABASE_URL < seed/dev.sql

Limity czasu blokad w testach migracji

Ustaw lock_timeout w migracjach uruchamianych przez CI, aby odwzorować zachowanie środowiska produkcyjnego:

ALTER DATABASE postgres SET lock_timeout = '5s';

Wdrażanie na produkcji

W przypadku migracji produkcyjnych użyj zadania uruchamianego jednorazowo:

Narzędzie do uruchamiania migracji z ponawianiem prób
Powiadomienia o niepowodzeniu
Udokumentowana procedura wycofania zmian

Wzorzec rozgałęziania bazy danych

Narzędzia takie jak Neon i rozgałęzianie Supabase pozwalają utworzyć kopię produkcji dla każdego PR-a — można na niej uruchamiać migracje i testy aplikacji, korzystając z kopii zawierającej rzeczywiste dane.

Podsumowanie

SQL należy umieścić w CI.

Uruchamiaj tymczasową usługę PG
Stosuj migracje i uruchamiaj dbt build
Wykonuj lintowanie za pomocą SQLFluff
Uruchamiaj testy aplikacji na zmigrowanym schemacie
Porównuj schematy na potrzeby przeglądu

Szybki test

Jaki jest najprostszy sposób dodania bazy danych Postgres do zadania GitHub Actions?

Odpowiedz w interaktywnej lekcji

Bezpłatny start

Ucz się SQL dzięki korepetycjom AI — za darmo

Pisz i uruchamiaj kod w przeglądarce, otrzymuj natychmiastową pomoc od korepetytora AI dostępnego 24/7 i kontynuuj naukę w sieci lub w aplikacji.

Kursy: 46
Lekcje: 183

Zacznij naukę bezpłatnie Wyświetl pełny kurs

Często zadawane pytania

Czy lekcja „CI dla zmian schematu (GitHub Actions)” jest bezpłatna?

Tak — pełny tekst „CI dla zmian schematu (GitHub Actions)” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu SQL Academy, przejdź na CoddyKit PRO. Kurs SQL Academy zawiera 4 lekcji w sumie.

Co nauczysz się w „CI dla zmian schematu (GitHub Actions)”?

Uruchamiać migracje, dbt build i lintowanie SQLFluff w GitHub Actions przy każdym PR, korzystając z efemerycznych baz danych Ćwiczysz SQL Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.

Czy potrzebuję doświadczenia, aby zacząć SQL Academy?

Nie wymagamy żadnego doświadczenia. SQL Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 4 z 4.

Ile czasu zajmuje lekcja „CI dla zmian schematu (GitHub Actions)”?

Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.

Czy mogę pisać i uruchamiać kod w tej lekcji SQL Academy?

Tak. Każda lekcja SQL Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.

Wszystkie lekcje w tym kursie

Podstawy DBT (Data Build Tool)
SQLFluff i lintowanie
Testowanie SQL: testy dbt, Great Expectations
CI dla zmian schematu (GitHub Actions)

← Powrót do SQL Academy