Azure Data Studio Integração GIT

O Azure Data Studio é uma poderosa ferramenta de análise e controle de dados que pode ser customizada pelos seus usuários. Criada pela Microsoft com estratégia de atender uma demanda em que a companhia não tinha foco e nos últimos anos vinha perdendo mercado em matéria de funcionalidades de desenvolvimento de alto nível, mas, agora com essa nova ferramenta vem para brigar forte com os seus concorrentes.

Sabemos que hoje não dá mais para pensar em desenvolver códigos sem controle de versionamento, organização e um dos principais fatores que é a produtividade. Em cima dessas premissas o Azure Data Studio tem como um de seus objetivos não somente foco em desenvolvedores, mas, abrange à área de administração de banco de dados, cientistas de dados, gerenciadores de dados e arquitetos de softwares.

Sem mais delongas, hoje veremos a poderosa integração do Azure Data Studio com o GitLab. Faremos um projeto/deploy prático e sem complicações. Assumiremos que já se tenha uma conta cadastrada no GitLab, já possua instalado em seu computador o Azure Data Studio e o Git. Para usuários Windows existe uma ferramenta que não irei entrar em detalhes, mas, deixo como dica e que ajuda bastante para gerenciamento de conteúdo do GitLab no computador local através de desktop: Tortoisegit. Para os novos usuários do GitLab sugiro fortemente que treinem a princípio o gerenciamento de conteúdo através de linha de comando para posteriormente migrarem para o Tortoisegit. Isso fará que você abstraia melhor os conceitos de Git “o que no começo não é fácil, mas, com o tempo se pega o jeito da coisa e ai verás que é um mundo lindo e o melhor de tudo, o poderoso Rollback de código fonte” rs.

Downloads:

Git;

Azure Data Studio.

 

A baixo apresento minha pagina do GitLab:

Possuo um projeto master chamado Docker, mas, vamos criar um do zero. Clicamos em New project:

01

 

Daremos um nome para o projeto, no meu caso “dba-Scripts.

O conceito de projeto  é parecido com os de diretório, onde você cria um diretório principal e dentro dele você organizará seus códigos em “pastas” que são referentes ao projeto criado.

Private: somente seu usuário terá acesso ao projeto e usuários com permissão explicita;

Internal: usuários que foram designados para o grupo principal Repositório.  Podemos ter vários grupos principais com vários projetos dentro e respectivamente “pastas e arquivos”.

No meu caso a cima temos meu grupo principal Repositório como dba, mas existem outros que não tenho acesso como Desenvolvimento, Testes, Financeiro etc.. Depende da sua organização ou se você é o administrador do seu GitLab de como irá estruturar seus grupos.

Public: Todos usuários de seu GitLab poderão acessar os arquivos.

02

 

Eis que temos nosso novo projeto:

Salve o endereço marcado, você irá precisar dele.

03

 

Criaremos um diretório na maquina local onde serão armazenados os arquivos códigos. Conceito é bem simples, você trabalha em arquivos na maquina local, testa, se tudo estiver ok, você “envia” para o GitLab.

Muitos irão me apedrejar sobre o “bem simples”. Calma, sabemos que o Git bem trabalhado é extremamente complexo, mas, depois de organizado fica realmente simples. Aqui estamos tentando abordar de uma maneira mais facilitada. Se você já possui uma experiência com Git mais abrangente, pode pular para o trabalho no Azure Data Studio sem problema algum neste mesmo artigo.

No meu caso, eu criei um diretório chamado GitHub no E:\ de meu host.

Dentro dessa pasta já possuo o projeto Docker. Vamos realizar a mesma operação para o projeto que criamos dba-Scripts.

0302

 

 

No diretório criado pela sua escolha para armazenar e sincronizar com seu GitLab, clique com botão direito no diretório e selecione Git Bash Here.

001

Se essa opção não aparece, significa que não está instalado o Git em seu computador local. Realize o download e instalação de acordo com o seu sistema operacional:  git Download

 

Lembra do caminho que pedi para salvar ao criar o projeto, então, usaremos ele agora. Digite git clone e cole o endereço:

04

 

No seu diretório já deve aparecer o seu projeto:

0402

 

Abra o Azure Data Studio, vá em File, Open Folder… Selecione o projeto em seu computador local:

05

 

Já podemos testar um código. Abra o new query e digite um código. No caso usaremos o velho e excelente sp_whoisactive:

09

 

Salve o arquivo no diretório de seu projeto:

10

 

Seu código já deve aparecer source control do Azure Data Studio:

11

 

Agora já podemos subir realizar o commit do código. Commit enviará o código para uma área temporária local do próprio git.

Necessário adicionar uma mensagem para realizar o commit:

12

 

Na parte a cima do source control existe “…”. Ali existe diversas funções. Clicando em Show Git Ouput você consegue acompanhar os logs ou as saídas de códigos do Azure Data Studio:

13

 

No mesmo indicado local na imagem a cima, faremos agora o Push do código que foi comitado para o GitLab.   “…” e clique em Push.

Abra seu projeto no GitLab:15

 

 

Codigo já está no GitLab. Clique nele e você verá seu script:16

 

Vamos realizar uma modificação no script na maquina local. Quero que ver os processos do ID 1981:

17.jpg

 

Clique em salvar ou  Ctrl + S:

 

Perceba que o Azure Data Studio marca o script com “M” de modify na guia source control:

18

 

Agora realizamos os passos de Commit “sem esquecer da mensagem” e posteriormente o Push:

19

 

Agora abrimos o arquivo no GitLab:

20

 

Apague o arquivo no diretório local em seu host e veja o que acontece no Azure Data Studio:

22

 

Realize o procedimento de commit e push e acesso o GitLab novamente:

23

Codigo apagado do GitLab.

 

Resumindo:

Através do Azure Data Studio temos uma integração rápida e prática com o GitLab ajudando tanto desenvolvedores, DBAs, Cientistas de Dados a terem um controle avançado e prático de seus códigos além do versionamento e distribuição paralela.

Também é possível através do Azure Data Studio realizar comparação de scripts “merge” tanto para códigos local quanto códigos remoto local. Também existe indentação de código com suporte a Python, Scala, T-SQL, Powershell e R. Os templates de visualização auxiliam numa melhor análise de código.

 

Agradecimento especial à Pablo Rezende Linkedin, cada dia mais me ajudando a entender o mundo DevOps.. rs…

 

Publicado em Sem categoria

Deixe um comentário

Preencha os seus dados abaixo ou clique em um ícone para log in:

Logotipo do WordPress.com

Você está comentando utilizando sua conta WordPress.com. Sair /  Alterar )

Foto do Google

Você está comentando utilizando sua conta Google. Sair /  Alterar )

Imagem do Twitter

Você está comentando utilizando sua conta Twitter. Sair /  Alterar )

Foto do Facebook

Você está comentando utilizando sua conta Facebook. Sair /  Alterar )

Conectando a %s

Arquivos
Follow SQL DATA BLOG on WordPress.com
Mais acessados
  • Nenhum
%d blogueiros gostam disto: