{"id":16846,"date":"2025-02-11T08:52:20","date_gmt":"2025-02-11T16:52:20","guid":{"rendered":"https:\/\/www.couchbase.com\/blog\/?p=16846"},"modified":"2025-07-08T09:15:37","modified_gmt":"2025-07-08T16:15:37","slug":"plsql-to-javascript-udf-conversion-tool","status":"publish","type":"post","link":"https:\/\/www.couchbase.com\/blog\/es\/plsql-to-javascript-udf-conversion-tool\/","title":{"rendered":"Una herramienta para facilitar la transici\u00f3n de Oracle PL\/SQL a Couchbase JavaScript UDF"},"content":{"rendered":"

\u00bfQu\u00e9 es PL\/SQL?<\/span><\/h2>\n

PL\/SQL es un lenguaje procedimental dise\u00f1ado espec\u00edficamente para incluir sentencias SQL en su sintaxis. Incluye elementos de lenguaje procedimental como condiciones y bucles, y puede manejar excepciones (errores en tiempo de ejecuci\u00f3n).<\/span><\/p>\n

PL\/SQL es nativo de las bases de datos Oracle, y bases de datos como IBM DB2, PostgreSQL y MySQL admiten construcciones PL\/SQL a trav\u00e9s de funciones de compatibilidad.<\/span><\/p>\n

\u00bfQu\u00e9 es una UDF de JavaScript?<\/span><\/h2>\n

JavaScript UDF es la alternativa de Couchbase a PL\/SQL.<\/span><\/p>\n

JavaScript UDF traslada la flexibilidad de las secuencias de comandos de uso general de JavaScript a las bases de datos, lo que permite realizar operaciones din\u00e1micas y potentes en los sistemas de bases de datos modernos y mejora la flexibilidad en la consulta, el procesamiento y la transformaci\u00f3n de datos.<\/span><\/p>\n

La mayor\u00eda de las bases de datos modernas como Couchbase, MongoDB, Snowflake y Google BigQuery soportan JavaScript UDF.<\/span><\/p>\n

El problema<\/span><\/h2>\n

Un problema com\u00fan visto por los usuarios que migran de Oracle a Couchbase es portar sus scripts PL\/SQL. En lugar de soportar PL\/SQL, Couchbase permite a los usuarios construir funciones definidas por el usuario en JavaScript (soportado desde 2021).<\/span>
\n<\/span>
\n<\/span>Las UDF de JavaScript permiten una manipulaci\u00f3n f\u00e1cil e intuitiva de los datos de variantes y JSON. Los objetos variantes pasados a una UDF se transforman en tipos y valores nativos de JavaScript.<\/span><\/p>\n

La consecuencia involuntaria de esto es que la mayor\u00eda de los RDBMS que han existido en los \u00faltimos diez a\u00f1os han animado encarecidamente a los desarrolladores a acceder a la base de datos utilizando sus extensiones procedimentales de SQL (PL\/pgSQL, PL\/SQL), que soportan construcciones procedimentales, integraci\u00f3n con SQL, gesti\u00f3n de errores, funciones y procedimientos, disparadores y cursores, o como m\u00ednimo, funciones y procedimientos (como Sakila). Para cualquier intento de alejarse de ellos, habr\u00eda que reescribir todos sus scripts.<\/span><\/p>\n

Reescribir c\u00f3digo es a menudo una tarea tediosa, especialmente cuando se trata de scripts PL\/SQL que han sido escritos en la d\u00e9cada de 2000 y mantenidos desde entonces. Estos scripts pueden ser complejos, a menudo extendi\u00e9ndose a miles de l\u00edneas, lo que puede ser abrumador para el usuario medio de la empresa.<\/span><\/p>\n

Soluci\u00f3n<\/span><\/h3>\n

Lo ideal ser\u00eda desarrollar un evaluador PL\/SQL completamente nuevo, pero eso requerir\u00eda una cantidad excesiva de horas de ingenier\u00eda y, para el mismo caso de uso, ya disponemos de un JSEvaluator moderno, estable y r\u00e1pido.<\/span><\/p>\n

Esto convierte el problema en un caso de uso perfecto para aprovechar los avances actuales en IA y LLM. Y eso es lo que hemos hecho aqu\u00ed. Hemos utilizado modelos de IA generativa para <\/span>automatizar la conversi\u00f3n de PL\/SQL a JSUDF<\/b>.<\/span>
\n<\/span>
\n<\/span>A partir de junio de 2024, los modelos tienen una ventana de contexto limitada<\/a>, w<\/span>hich significa PL\/SQL m\u00e1s largo se golpean con el error:\u00a0\u00a0<\/span><\/p>\n

La longitud m\u00e1xima de contexto de este modelo es de 8192 tokens. Sin embargo, sus mensajes resultaron en  tokens. Por favor, reduce la longitud de los mensajes.<\/pre>\n
Tenga en cuenta que esto es para GPT4.<\/span><\/p>\n
Entonces, \u00bfesperamos a que la IA sea m\u00e1s potente y permita m\u00e1s fichas (como la Ley de Moore, pero para el contexto-longitud-vs-precisi\u00f3n de la IA)?<\/span><\/p>\n
No, ah\u00ed es donde ANTLR<\/a>, a<\/span> herramienta generadora de analizadores sint\u00e1cticos. ANTLR es bien conocido por ser utilizado para el desarrollo de compiladores e int\u00e9rpretes. De esta manera podemos dividir el script grande en unidades m\u00e1s peque\u00f1as que se pueden traducir de forma independiente.<\/span><\/p>\n
Entonces, \u00bfestamos construyendo <\/span>\u00bftranspilador? <\/b>Bueno, s\u00ed y no.<\/span>
\n<\/span>
\n<\/span>Etapas de un transpilador:<\/strong><\/p>\n
    \n
  1. \n
      \n
    1. An\u00e1lisis l\u00e9xico (tokenizaci\u00f3n)<\/span><\/li>\n
    2. An\u00e1lisis sint\u00e1ctico (Parsing)<\/span><\/li>\n
    3. An\u00e1lisis sem\u00e1ntico<\/span><\/li>\n
    4. Generaci\u00f3n de representaciones intermedias (RI)<\/span><\/li>\n
    5. Optimizaci\u00f3n (opcional)<\/span><\/li>\n
    6. Generaci\u00f3n de c\u00f3digo de destino<\/span><\/li>\n<\/ol>\n<\/li>\n<\/ol>\n
      C\u00f3mo funciona el traductor de IA<\/span><\/strong><\/h4>\n
      Los pasos 1,2 anteriores se realizan utilizando ANTLR.\u00a0<\/span>Utilizamos la interfaz Listener de ANTLR para <\/span>agarrar procedimiento\/funci\u00f3n\/bloque an\u00f3nimo individual<\/b>ya que son bloques de c\u00f3digo independientes. En el caso de que el procedimiento\/funci\u00f3n\/bloque an\u00f3nimo exceda por s\u00ed mismo la ventana de contexto, traducimos a nivel de sentencia (donde el LLM asume la existencia de uso de variables\/llamadas a funciones que no est\u00e1n definidas aqu\u00ed sino en alg\u00fan lugar anterior).<\/span><\/p>\n
      Posteriormente, los pasos 3, 4, 5 y 6 se dejan en manos del LLM (por ejemplo, GPT), es decir, traducir cada bloque PL\/SQL en una funci\u00f3n JavaScript lo mejor posible que tambi\u00e9n preserve la sem\u00e1ntica operativa del bloque y sea sint\u00e1cticamente precisa.<\/span><\/p>\n
      Los resultados son sorprendentemente positivos; la traducci\u00f3n es 80-85% exacta.<\/span><\/p>\n
      Otra ventaja de la soluci\u00f3n es que reducimos las alucinaciones al centrarnos en una tarea cada vez, lo que se traduce en traducciones m\u00e1s precisas.<\/span><\/p>\n
      Para visualizar:<\/span><\/p>\n
      \"automate<\/a><\/p>\n
      C\u00f3mo utilizar la herramienta<\/span><\/h2>\n