Oficina de Dados e Estúdio de Análise SQL

Consulte, una, filtre e analise conjuntos de dados locais em CSV, JSON e Parquet com DuckDB-WASM.

Oficina de Dados e Estúdio de Análise SQL

Consulte, una, filtre e analise conjuntos de dados locais em CSV, JSON e Parquet com DuckDB-WASM.

Como funciona

1
Selecione seu arquivo
Escolha o arquivo; processamento seguro e local.
2
Configure as opções
Ajuste os parâmetros conforme sua necessidade.
3
Processar e baixar
Execute a conversão no navegador e baixe o resultado.
Central de Conhecimento e Conceitos

Oficina de Dados SQL Local: Análise DuckDB-WASM no Navegador para CSV, JSON e Parquet

A análise exploratória de dados tabulares (arquivos transacionais CSV, logs hierárquicos JSON ou conjuntos colunares Parquet) historicamente exige o envio de informações confidenciais para servidores em nuvem. A Oficina de Dados SQL Local executa o motor analítico colunar DuckDB-WASM inteiramente na memória RAM do seu navegador web, assegurando que seus arquivos jamais saiam do seu computador.

Cenário de Aplicação Real: Um analista financeiro ou desenvolvedor possui um arquivo Parquet de 95 MB com registros de transações sensíveis. Ao arrastar o arquivo para o painel, o WebAssembly registra imediatamente uma tabela virtual em memória. Utilizando dialeto ANSI SQL com window functions, agregações estatísticas e junções (JOINs) entre múltiplas fontes, as consultas são resolvidas em milissegundos com exportação direta para CSV, JSON ou Parquet.

O processamento opera sob o limite seguro de memória da aba do navegador e garante 100% de conformidade com a LGPD e privacidade de dados.

Arquitetura Central e Fórmula Matemática

Pipeline DuckDB-WASM = Registro de Arquivo(VirtualFS) → Streaming Colunar(Apache Arrow) → Execução Vetorizada(ANSI SQL) → Tabela Interativa / Exportação Parquet

Estruturação em sistema de arquivos virtual, manipulação em memória zero-copy e execução analítica nativa com a velocidade e otimização do núcleo DuckDB C++.

Melhores Práticas e Diretrizes Essenciais

  • Utilizar a cláusula LIMIT em grandes volumes: Evite sobrecarregar o navegador limitando a exibição na tabela a 100 ou 1.000 linhas de prévia.
  • Priorizar arquivos no formato Parquet: O formato colunar Parquet carrega e executa consultas até 10 vezes mais rápido que arquivos de texto plano CSV.
  • Atribuir nomes descritivos às tabelas: Renomeie as tabelas carregadas no painel lateral para construir consultas JOIN mais claras e legíveis.
  • Construir consultas com CTEs: Utilize blocos WITH para estruturar etapas sequenciais de limpeza e agregação de dados de modo modular.

Perguntas Frequentes (FAQ)

Os meus arquivos CSV, JSON ou Parquet são enviados para algum servidor?
Não. Todo o armazenamento, indexação e execução SQL ocorrem 100% em ambiente local no navegador do seu dispositivo.
Qual o tamanho máximo de arquivo que consigo carregar?
O limite é determinado pela memória disponível da aba do navegador (geralmente entre 1 e 2 GB). Arquivos com centenas de megabytes são processados com agilidade.
Posso fazer cruzamentos (JOIN) entre arquivos diferentes?
Sim. Você pode carregar um CSV e um arquivo Parquet simultaneamente e relacioná-los usando INNER JOIN, LEFT JOIN e filtros cruzados.
Quais formatos de exportação estão disponíveis?
Você pode baixar os dados filtrados instantaneamente como arquivo CSV tradicional, JSON formatado ou Apache Parquet colunar.