Como medimos ~95% de acurácia

Escopo, metodologia e limites da taxa de acurácia nas conversões SQL Server ↔ PostgreSQL do SQLShifter.

Última atualização: 6 de junho de 2026

O que significa “95%”

Quando dizemos ~95% de acurácia, referimo-nos à conversão automática de padrões T-SQL e PL/pgSQL comuns em scripts de aplicação e DDL/DML típicos — não a uma garantia de que qualquer procedure legada de 20 anos converterá sem revisão.

O motor produz SQL executável na maioria dos casos e marca explicitamente trechos que exigem revisão humana (avisos, notas de especialista e itens ocultos no plano gratuito).

Escopo da medição

  • Par de dialetos: SQL Server 2022 ↔ PostgreSQL 15.
  • Tipos cobertos: SELECT, INSERT, UPDATE, DELETE (incluindo JOIN), funções de data comuns, LIMIT/OFFSET, MERGE/upsert, tipos BIT/BOOLEAN, ISNULL/COALESCE, PIVOT via CASE WHEN, entre outros padrões documentados nos guias /guia.
  • Fora do escopo automático “100%”: procedures muito grandes, SQL dinâmico complexo, tipos raros, lógica de negócio altamente específica e objetos que dependem de features exclusivas de um vendor.

Metodologia

A taxa é validada por uma suíte de testes automatizados e por um loop de fuzz (geração + validação de lotes de SQL) documentado em docs/GEMINI-FUZZ.md.

Cada rodada gera statements no dialeto de origem, converte com o mesmo motor usado em produção e valida o par origem→destino. Falhas são registradas para correção contínua do conversor.

O que você deve fazer na migração real

  • Use a auditoria de código-fonte para achar SQL embutido antes do cutover.
  • Trate o output convertido como rascunho de alta qualidade — revise avisos e rode testes de integração.
  • Para cutover crítico, combine o relatório gratuito com o plano Pro (export ZIP + API) e validação em staging.

Transparência

Se encontrar um padrão que converte incorretamente, use “Fale conosco” ou o feedback na conversão. Correções entram na suíte de testes e beneficiam todos os usuários.