26개 데이터베이스 방언을 지원하며 SQL을 자동으로 수정하는 SQL 린터

🚨 누군가 26가지 다른 데이터베이스 방언(dialect)을 지원하고 사용자의 SQL을 자동으로 수정해 주는 SQL 린터를 만들었습니다.

Snowflake. BigQuery. Redshift. PostgreSQL. Databricks. ClickHouse. DuckDB. T-SQL. 이 모든 것을 하나의 도구로 처리합니다.

이것은 SQLFluff라는 이름입니다. 3,300개 이상의 기업에서 사용하고 있으며, 639명의 기여자가 참여했고, 143개의 릴리스가 있었습니다. 그리고 지금 이 기능이 중요한 이유는 간단합니다. SQL을 작성하는 모든 AI 코딩 에이전트는 일관성을 강제할 무언가가 필요하기 때문입니다. 왜냐하면 모델들은 코드베이스 전반에 걸쳐 SQL 스타일에 있어 악명 높게 일관성이 없기(inconsistent) 때문입니다.

여기에 이 도구가 해결하는 문제가 있습니다.

SQL은 하나의 보편적인 문법을 가지고 있지 않습니다. Snowflake SQL이 BigQuery SQL과 같지 않습니다. 둘 다 Postgres와는 다릅니다. 그리고 둘 다 T-SQL과는 또 다릅니다. 모든 팀은 결국 다양한 스타일의 혼합물을 갖게 됩니다. 어떤 분석가는 소문자 키워드를 사용하고, 어떤 분석가는 대문자를 사용하며, 어떤 분석가는 탭을 사용하고, 어떤 분석가는 공백을 사용하며, 어떤 분석가는 후행 쉼표(trailing commas)를 추가하고, 어떤 분석가는 그렇지 않습니다.

사용자의 AI 코딩 에이전트가 SQL을 생성할 때 — 그리고 이제 모든 데이터 팀이 Claude Code나 Cursor 같은 도구를 사용하여 쿼리를 작성하면서, 이것은 끊임없이 발생합니다 — 스타일이 매번 생성될 때마다 흐트러집니다. 한 쿼리는 다음 쿼리와 전혀 다르게 보입니다.

SQLFluff가 이를 포착하고 자동으로 수정해 줍니다.

$ sqlfluff lint test.sql --dialect ansi<br>L: 1 | P: 1 | LT01 | 'SELECT' 키워드 앞에 공백이 하나만 있어야 합니다.<br>L: 1 | P: 1 | LT02 | 첫 줄은 들여쓰기 되어 있지 않아야 합니다.

그다음:<br>$ sqlfluff fix test.sql --dialect ansi<br><br>모든 불일치함이 수정됩니다. 동일한 도구, 동일한 규칙, 모든 방언에 적용됩니다.

여기서 방언 유연성(dialect flexibility)이 진짜 기능인 이유입니다.

대부분의 SQL 린터는 하나의 데이터베이스를 가정합니다. 하지만 SQLFluff는 Doris, Materialize, StarRocks, Exasol과 같은 틈새 시장이지만 중요한 방언을 포함하여 명시적으로 26개 방언을 지원합니다. 왜냐하면 실제 기업들은 이기종(heterogeneous) 데이터 스택을 운영하기 때문입니다. 사용자의 웨어하우스는 Snowflake이고, 트랜잭션 DB는 Postgres이며, 분석 레이어는 BigQuery를 건드립니다. 세 가지 다른 규칙 세트를 가진 세 개의 다른 도구 대신, 방언별로 정확하게 조정된 하나의 린터가 필요한 것입니다.

이것을 실제 데이터 엔지니어링 도구로 만들어주는 dbt 및 Jinja 지원 기능도 있습니다.

SQL은 기본적으로 모듈화되어 있지 않기 때문에, 최신 데이터 팀들은 Jinja, dbt 매크로 또는 SQLAlchemy 플레이스홀더를 사용하여 템플릿으로 만듭니다. SQLFluff는 템플릿팅 레이어를 올바르게 구문 분석하여, 단순한 linter가 {{ ref('table') }}와 같은 문법에 막히는 대신 실제로 생성되는 SQL을 lint합니다.

여기서 가장 놀라운 점이 있습니다.

Python 파싱 속도가 병목 현상이 되는 대규모 코드베이스를 lint하는 팀들을 위해 Rust 기반의 파서(parser)와 렉서(lexer)를 선택적 추가 기능으로 출시했습니다. pip install sqlfluff[rs]를 사용하면 됩니다. 규칙은 동일하지만 실행 속도는 극적으로 빨라졌습니다.

그리고 기여 가이드에는