Atlas: la base de datos embebida que diagnostica y repara sus propios datos

Un desarrollador conocido como laniuslegate ha publicado Atlas, una base de datos embebida escrita desde cero que pretende resolver un problema al que casi nadie atiende dentro del motor de datos: la calidad y la reparación segura de la información semiestructurada. Atlas no es un sustituto de SQLite ni de SQL, sino una herramienta pensada para registros tipo JSON, CSV o líneas JSON que suelen llegar con duplicados, espacios, mayúsculas inconsistentes, nulos, tipos mezclados o estructuras cambiantes.

El proyecto está disponible en GitHub y, según su autor, cubre todo el ciclo de vida de los datos: los almacena de forma duradera, construye un índice de texto completo, infiere el esquema, calcula una puntuación de salud explicable, propone reparaciones seguras y mantiene una pista de auditoría. Todo ello en un único motor con append-only storage y write-ahead journaling, sin depender de SQLite ni de ninguna librería externa.

Qué hace Atlas dentro del motor

La idea clave es que la inspección y el diagnóstico no deberían estar en scripts externos, sino en la propia base de datos. Atlas ejecuta un pipeline: ingesta, almacenamiento, indexación, comprensión, reparación y verificación. En la etapa de comprensión, infiere tipos, perfila estadísticas de campo y mide la cobertura y los nulos; en la de reparación, clasifica problemas sin modificar registros durante el diagnóstico, y solo aplica cambios de forma explícita. El sistema también verifica la consistencia del índice, los bloques de almacenamiento y la cadena de auditoría.

El autor justifica por qué no usa SQLite: aunque reconoce su madurez y utilidad para datos relacionales tradicionales, Atlas se optimiza para datos semiestructurados, búsqueda BM25, análisis de calidad explicable y un flujo de reparación con cuarentena de registros inciertos. La diferencia no es de rendimiento, sino de foco: "no es que Atlas sea universalmente mejor que SQLite", dice el autor, "sino que encaja mejor cuando la pregunta no es solo si un registro se puede almacenar, sino qué es ese dato, qué tiene de malo y qué cambios son seguros de aplicar".

Un proyecto joven con una demo en vídeo

El repositorio incluye un vídeo de demostración en el que se ve el motor en acción. Atlas aún no tiene versión etiquetada ni documentación extensa, y el autor no menciona la licencia, aunque por su publicación en GitHub apunta a un proyecto abierto. Para quien trabaje a diario con datos semiestructurados importados de APIs, ficheros o eventos, Atlas ofrece un enfoque prometedor: que la reparación deje de ser un trabajo manual y pase a formar parte de las capacidades nativas de la base de datos. Queda por ver si el proyecto madura en cuanto a compatibilidad, rendimiento en volúmenes grandes y una comunidad que lo mantenga.