Misata: Automatisierte Datenbank‑Schema‑Generierung mit LLMs

Key Takeaway

Misata ist ein Werkzeug, das aus einer einfachen Textbeschreibung automatisch ein realistisches, mehrtabelliges synthetisches Datenbankschema erzeugt und Daten generiert – alles ohne manuelles Schema‑Design oder Trainingsdaten.

Summary

• Ziel: Schnell realistische Datensätze aus natürlicher Sprache erzeugen; keine Schema‑Schreibarbeit oder eigene Trainingsdaten nötig.
• Hauptmerkmale: Automatische Schema‑Generierung (inkl. Beziehungen, Geschäftsregeln, Integrität), Unterstützung mehrerer LLM‑Provider (Groq, OpenAI, Ollama), Streaming‑Generierung für 10 M+ Zeilen, einfache Integration über CLI, Python‑API und Jupyter‑Notebooks.
• Installation & Start:

  pip install misata
  

  Beispiel:

  misata generate --story "A SaaS with 50K users, subscriptions, and payments" --use-llm
  

• Python‑API:

  from misata import DataSimulator, SchemaConfig
  from misata.llm_parser import LLMSchemaGenerator
  llm = LLMSchemaGenerator(provider="groq")
  config = llm.generate_from_story("...")
  for table, batch in DataSimulator(config).generate_all():
      print(f"Generated {len(batch)} rows for {table}")
  

• CLI‑Optionen: –use-llm, –provider, –model, –output-dir, –rows, –seed
• Business‑Regeln & Constraints: Beispiel: Beschränkung der täglichen Arbeitsstunden in einer timesheets‑Tabelle.
• Datenanpassung: TextGenerator, Customizer, ColumnOverride
• Rausch‑Injection: add_noise, NoiseInjector für zeitlichen Distribution‑Drift
• Performance: 390 k Zeilen pro Sekunde bis 10 M Zeilen im Streaming‑Modus
• Enterprise‑Features: Unterstützung von 10 M+ Zeilen, Enterprise‑Schemata, Pipeline‑Integration, Branchenspezifische Daten, Schulungen. Kontakt: rasinbinabdulla@gmail.com
• License & Author: MIT‑Lizenz, Autor: Muhammed Rasin
• Dokumentation: QUICKSTART.md, README.md, Beispiel‑Notebook im examples/
• GitHub‑Status: Keine Sterne, Forks, Issues; keine Veröffentlichung von Releases.

Quelle: GitHub