$ loading_
帮助审查 BigQuery SQL 的性能、成本并给出优化改写建议。
复制安装指令,让 AI 自动完成配置 · 推荐新手
"sql-review-agent" 暂无可直接复制的安装信息,请查看页面文档或源码仓库。
请审查下面这段 BigQuery SQL,找出性能瓶颈、可能导致全表扫描的问题,并给出改写建议与原因:SELECT user_id, COUNT(*) FROM `project.dataset.events` WHERE DATE(event_time) >= '2024-01-01' GROUP BY user_id ORDER BY COUNT(*) DESC LIMIT 100;
返回性能问题分析、低效写法说明,以及更高效的 SQL 改写版本。
请评估这段 BigQuery 查询的大致扫描数据量和成本风险,并说明哪些字段筛选或分区条件可以降低成本:SELECT * FROM `project.dataset.orders` WHERE customer_region = 'APAC' AND status = 'paid';
返回成本风险说明、扫描量判断依据,以及降低费用的优化建议。
请把这段 BigQuery SQL 改写成更适合生产环境的版本,优先考虑分区裁剪、减少扫描列数和可读性,并列出修改点:SELECT * FROM `project.dataset.sessions` WHERE EXTRACT(YEAR FROM session_start)=2024 AND country IN ('US','CA');返回优化后的 SQL、逐项修改说明,以及预期性能改进方向。
用自然语言查询、分析与对比 Google BigQuery 数据集和表结构。
帮助用户获取 GitHub PR 差异与元数据,并直接发布代码审查评论。
连接 BigQuery 分析搜索与业务数据,并输出结论与优化建议。
将自然语言转成 BigQuery 查询并安全执行,便于接入 Copilot、BI 与 Web 应用。
自动化执行代码审查,提供语法检查、代码讲解与改进建议。
帮助大模型安全探索 BigQuery 数据并执行只读查询