Receitas de banco de dados

O botai pessoas gera os mesmos INSERTs em qualquer máquina, com a mesma semente, o mesmo --hoje e a mesma versão. Num lote, CPF, e-mail e CNPJ não se repetem, então o lote cabe em colunas UNIQUE.

O SQL traz só os INSERTs, sem CREATE TABLE: crie a tabela antes.

A tabela

O README do core traz esta tabela para o Postgres. Ela recebe as 33 colunas, na ordem do CSV e do SQL, com UNIQUE no CPF, no e-mail e no CNPJ:

CREATE TABLE pessoas (
  nome text, prenome text, sobrenomes text, sexo text, nascimento date, idade integer,
  cpf text UNIQUE, rg text, rg_orgao_emissor text, rg_uf text, pis text, titulo_eleitor text,
  email text UNIQUE, email_usuario text, email_caixa_url text, senha text,
  celular text, celular_e164 text, cep text, logradouro text, numero text, complemento text,
  bairro text, cidade text, uf text, empresa_razao_social text, empresa_nome_fantasia text,
  empresa_cnpj text UNIQUE, cartao_bandeira text, cartao_numero text, cartao_titular text,
  cartao_validade text, cartao_cvv text
);

A nascimento sai como data ISO (1976-10-02) e a idade como número. O que cada coluna recebe está em Colunas do CSV e do SQL.

Postgres

A importação no Postgres 16 foi provada pelos dois caminhos, com 1000 linhas.

Pelo SQL, com o psql:

botai pessoas -n 1000 --semente carga --hoje 2026-10-05 --formato sql | psql "$DATABASE_URL"

Pelo CSV, com o \copy do psql:

botai pessoas -n 1000 --semente carga --hoje 2026-10-05 --formato csv \
  | psql "$DATABASE_URL" -c "\copy pessoas FROM STDIN WITH (FORMAT csv, HEADER true)"

Onde houver Node e nada instalado, o mesmo pelo npx, com a versão fixa:

npx -y @pilutech/botai-core@0.4.1 pessoas -n 1000 --semente carga --hoje 2026-10-05 --formato sql | psql "$DATABASE_URL"

Para conferir o arquivo antes de importar, gere-o e conte os INSERTs:

botai pessoas -n 1000 --semente carga --hoje 2026-10-05 --formato sql > pessoas.sql
grep -c '^INSERT' pessoas.sql

1000

Esquema e colunas

--tabela app.pessoas escreve o INSERT num esquema. Com --campos, o INSERT nomeia só as colunas pedidas, e a tabela pode ter outras:

botai pessoas -n 2 --semente demo --hoje 2026-10-08 --formato sql --tabela app.clientes --campos nome,cpf,email

-- botai: formato 1, motor 0.4.1, semente demo, hoje 2026-10-08
INSERT INTO "app"."clientes" ("nome", "cpf", "email") VALUES ('Isabela Freitas Santos', '550.160.642-96', 'isabela-santos-7825@tuamaeaquelaursa.com');
INSERT INTO "app"."clientes" ("nome", "cpf", "email") VALUES ('Vitória Alves Carvalho', '843.495.439-70', 'vitoria-carvalho-1721@tuamaeaquelaursa.com');

SQLite

A importação no SQLite (sqlite3 3.51.0) foi provada. Com o DDL acima salvo em tabela.sql, crie a tabela e rode o SQL do dialeto sqlite:

sqlite3 teste.db < tabela.sql
botai pessoas -n 1000 --semente carga --hoje 2026-10-05 --formato sql --dialeto sqlite | sqlite3 teste.db

O SQL do SQLite é igual, byte a byte, ao do Postgres. O --dialeto sqlite deixa a intenção clara no comando.

MySQL

Documentado

O texto do --dialeto mysql confere com o arquivo dourado do projeto, mas ninguém o importou num MySQL de verdade. O DDL da tabela acima é do Postgres: no MySQL, crie uma tabela com as mesmas colunas, nos tipos dele.

botai pessoas -n 1000 --semente carga --hoje 2026-10-05 --formato sql --dialeto=mysql > pessoas-mysql.sql

O MySQL usa crases nos nomes e escapa a barra invertida. Veja o exemplo em Um lote de pessoas.

Mais pessoas depois, sem colidir

A unicidade vale só dentro de um lote: dois lotes com sementes diferentes podem repetir um CPF, e a segunda carga falha na coluna UNIQUE.

dica

Para crescer uma base, use a mesma semente e o mesmo --hoje com um -n maior, e pule as pessoas que já entraram. As primeiras k pessoas de um lote de n são o lote de k, e o lote de n inteiro não repete CPF, e-mail nem CNPJ.

No SQL, a 1ª linha é o comentário -- botai: …. Depois de 1000 pessoas, as próximas 1000 começam na linha 1002:

botai pessoas -n 2000 --semente carga --hoje 2026-10-05 --formato sql | tail -n +1002 > proximas.sql
grep -c '^INSERT' proximas.sql

1000

Volume

Para lote grande, use sql, csv ou ndjson: eles escrevem aos poucos, em cerca de 130 MiB de memória com 100 000 pessoas. O json monta tudo na memória (cerca de 1,5 GB com 100 000). Os tempos e tamanhos estão em Um lote de pessoas.