Convierte CSV Folder en tablas consultables.

De dónde proceden las columnas

• Muestreado, no supuesto: el agente inspecciona archivos reales en lugar de confiar en la primera fila del primero.
• Codificaciones compatibles: UTF-8, UTF-16, Windows-1252 y Latin-1, para que los nombres con acentos y las exportaciones europeas no lleguen como texto ilegible.
• El dinero sigue siendo dinero: una columna que siempre contiene decimales se almacena como decimal exacto, no como número de coma flotante, para que los totales no varíen ni un céntimo.
• Una columna que solo tienen algunos archivos se convierte en una columna vacía en los demás, en lugar de ser un motivo de fallo.

-- Toda la carpeta como una tabla, luego por archivo SELECT _source_file, COUNT(*) AS rows, SUM(total) AS revenue FROM data GROUP BY _source_file ORDER BY revenue DESC

Cuando un archivo no coincide

Si los primeros archivos se contradicen (dos delimitadores diferentes, o una columna que contiene una fecha en un archivo y texto libre en otro), el conector no fija nada y le indica qué archivos y qué columnas presentan discrepancias. No elegirá discretamente un ganador para que usted lo descubra a fin de mes.

• Después de eso, se retiene un archivo defectuoso en lugar de corromper la tabla: un encabezado modificado, una columna adicional, un valor que no cabe o una última línea truncada.
• Sus filas permanecen fuera, y files_events registra exactamente qué archivo y qué columna lo causaron.
• Todos los demás archivos de la carpeta se siguen cargando. Una exportación defectuosa nunca provoca que el informe deje de funcionar.

Una mesa, o una por diseño.

Las exportaciones recurrentes del mismo informe deben agruparse en una sola tabla, y esa es la configuración predeterminada. Si la carpeta contiene archivos CSV distintos (por ejemplo, una lista de clientes junto a un volcado de pedidos), cambie al modo por diseño y cada diseño tendrá su propia tabla, hasta un máximo de 25.

Cada conector de carpeta también te ofrece

• files_current: un inventario en tiempo real: todos los archivos que el conector puede ver ahora mismo, con su ruta, tamaño y fecha de modificación.
• files_events: el registro de auditoría: qué apareció, qué cambió, qué desapareció y qué se retuvo, con el nombre del archivo y el motivo.
• directories y volumes: totales por carpeta, historial de crecimiento diario y espacio disponible en la unidad.
• Solo se vuelven a leer los archivos que han cambiado realmente en cada sincronización, por lo que una carpeta de 50.000 archivos no se vuelve a analizar porque se haya exportado un nuevo archivo.

Es bueno saberlo

• Solo lectura, garantizado: una instrucción cada vez; solo SELECT y similares. Tus archivos nunca se escriben, mueven ni renombran.
• No se sube nada: los datos se almacenan en caché, cifrados, en tu propio equipo, junto al agente. Solo el resultado de una consulta sale de tu red.
• Valores predeterminados razonables: hasta 250 000 archivos, 16 niveles de carpetas y 512 MB por archivo; todo ajustable. Las papeleras, .git y node_modules siempre se omiten.
• El dialecto SQL es DuckDB: el mismo SQL que escribirías para cualquier otro conector.