数据库种子数据生成器

要解决的问题

手工往开发库里填测试数据，通常意味着复制粘贴假邮箱、编造日期，偶尔还会撞上外键约束。另一种常见做法是写过一版 seed 脚本后就放着不管：换个环境跑就报唯一键冲突，数据量一放大就慢得离谱，或者日期写死导致几个月后测试开始"穿越"。

技能如何工作

这个技能围绕一套可重复执行的种子数据流程展开：

• 分析目标 schema：检查所有表、列、约束（NOT NULL、UNIQUE、CHECK、外键）和表间关系，确定父表先于子表的插入顺序。
• 设计数据策略：测试用固定随机种子保证可复现；开发环境用 Faker 生成逼真的姓名、邮箱、地址；预发环境可使用匿名化的生产快照。
• 生成 seed 脚本：按项目语言（Python、JavaScript/TypeScript、SQL、Ruby）编写，用事务包裹写入以保证原子性，通过序列模式或计数器满足唯一约束。
• 保证幂等性：使用 INSERT ... ON CONFLICT DO NOTHING、UPSERT 或先清空再插入的策略，脚本跑两次不应产生重复数据或报错。
• 环境化 profile：本地开发 10–50 行，集成测试 1K–10K 行，压测 100K+ 行，通过环境变量或命令行参数切换。
• 执行与校验：核对行数是否符合预期，验证外键均指向已存在的行，并记录每张表的写入结果。

适用边界与注意点

• 固定 Faker.seed(42) 之类的种子值，测试结果才可复现；Faker 不保证大数据量下的唯一性，需要用 fake.unique.email() 或计数器兜底。
• 循环外键需要分两轮写入：先插可空外键行，再回填外键值。
• 超过一万行时改用批量写入（PostgreSQL COPY、MySQL LOAD DATA INFILE），导入后重建索引。
• 依赖日期的逻辑要用相对当前时间的日期，避免写死后失效。
• 绝不要往生产库灌测试数据，脚本顶部应加环境断言；写入后重置自增序列，防止主键碰撞。
• 安全边界：不自动安装依赖、不改系统权限、不创建持久化任务；涉及发送、删除、部署等外部写入时先展示影响并取得确认。