Cómo generar datos de prueba con SQL Server: paso a paso
Crear conjuntos de datos de prueba es esencial para validar consultas, realizar pruebas de carga, probar índices y desarrollar funcionalidades sin afectar datos reales. Esta guía muestra cómo generar datos de prueba en SQL Server de forma práctica y reproducible, usando técnicas set-based y funciones como RAND, NEWID y CHECKSUM para producir registros con apariencia realista. Explicamos por qué usar cada técnica y damos ejemplos concretos.
Requisitos previos
- Instancia de SQL Server accesible (local o remota).
- SQL Server Management Studio (SSMS) u otra herramienta SQL.
- Permisos para crear bases de datos y tablas (CREATE DATABASE, CREATE TABLE, INSERT).
Paso 1: Crear una base de datos y una tabla de ejemplo
Empiece por aislar los datos de prueba en una base de datos dedicada para evitar impactos. La tabla de ejemplo imita un escenario común: clientes con nombre, email, fecha de creación y flag de actividad. Usamos IDENTITY para generar claves únicas automáticamente y tipos como NVARCHAR y DATETIME2 para compatibilidad y precisión.
CREATE DATABASE TestDataDB;
GO
USE TestDataDB;
GO
CREATE TABLE Customers (
CustomerID INT IDENTITY(1,1) PRIMARY KEY,
FirstName NVARCHAR(50),
LastName NVARCHAR(50),
Email NVARCHAR(100),
CreatedDate DATETIME2,
IsActive BIT
);
Por qué: tener una tabla simple permite probar varias consultas (joins, filtros por fecha, agregaciones). Identity facilita la referencia y la desduplicación posterior.
Paso 2: Generar nombres y emails usando combinaciones simples
Una técnica eficiente es crear listas pequeñas de nombres y apellidos y usar CROSS JOIN para obtener todas las combinaciones. Con 5 nombres y 5 apellidos obtenemos 25 combinaciones únicas — rápido y determinista. Para hacer los emails distintos añadimos un número generado por CHECKSUM(NEWID()) mod 100.
-- tabelas temporárias com listas curtas
CREATE TABLE #FirstNames (Name NVARCHAR(50));
CREATE TABLE #LastNames (Name NVARCHAR(50));
INSERT INTO #FirstNames VALUES ('Ana'),('João'),('Miguel'),('Rita'),('Pedro');
INSERT INTO #LastNames VALUES ('Silva'),('Santos'),('Ferreira'),('Costa'),('Pereira');
-- usar CROSS JOIN para crear combinaciones e insertar
INSERT INTO Customers (FirstName, LastName, Email, CreatedDate, IsActive)
SELECT f.Name, l.Name,
LOWER(f.Name + '.' + l.Name + CAST(ABS(CHECKSUM(NEWID()))%100 AS VARCHAR(3)) + '@example.com'),
DATEADD(day, -ABS(CHECKSUM(NEWID()))%365, GETDATE()),
CASE WHEN ABS(CHECKSUM(NEWID()))%2 = 0 THEN 1 ELSE 0 END
FROM #FirstNames f
CROSS JOIN #LastNames l;
Ejemplo concreto: con 5×5 = 25 filas generadas, cada Email tendrá un sufijo 0–99 para reducir colisiones. Este enfoque evita bucles y es mucho más rápido para volúmenes pequeños/medios.
Paso 3: Generar muchos registros (ejemplo 10000) con técnicas set-based
Para crear miles de registros, use una tabla de números (tally). Es una técnica set-based que evita cursores y es escalable. En el ejemplo creamos hasta 10000 entradas; ajustando TOP() o el cálculo de multiplicación de las listas obtendrá exactamente el número deseado.
-- crear una tally table temporária con N números
WITH Tally AS (
SELECT TOP (10000) ROW_NUMBER() OVER (ORDER BY (SELECT NULL)) AS n
FROM sys.all_objects a
CROSS JOIN sys.all_objects b
)
INSERT INTO Customers (FirstName, LastName, Email, CreatedDate, IsActive)
SELECT
-- elegir aleatoriamente entre listas con módulo
fn.Name,
ln.Name,
LOWER(fn.Name + '.' + ln.Name + CAST(n%100 AS VARCHAR(3)) + '@example.com'),
DATEADD(second, -(ABS(CHECKSUM(NEWID())) % 31536000), GETDATE()), -- hasta 1 año atrás
CASE WHEN n%3 = 0 THEN 0 ELSE 1 END
FROM Tally t
CROSS JOIN (SELECT Name FROM #FirstNames) fn
CROSS JOIN (SELECT Name FROM #LastNames) ln
WHERE t.n <= 10000;
Nota práctica: dependiendo de cuántas listas cruce, la multiplicación puede generar más filas de las esperadas (por ejemplo 10000×5×5 = 250000). Si pretende exactamente 10000 filas, use SELECT TOP (10000) ... o limite con WHERE/ROW_NUMBER(). Esta técnica es rápida en máquinas modernas: insertar 100k–1M registros puede hacerse en segundos a minutos, dependiendo del I/O.
Paso 4: Introducir diversidad con NEWID y RAND
RAND() devuelve el mismo valor por batch en SELECT sin semilla variable; por eso, para variabilidad por fila prefiera CHECKSUM(NEWID()) o NEWID() combinado con funciones. Úselos para generar edades, saldos y fechas dispersas. Ejemplos de distribución: Age entre 18 y 77, Balance entre 0 y 1000.
-- añadir columna Age y Balance con valores pseudo-aleatorios
ALTER TABLE Customers ADD Age INT NULL, Balance DECIMAL(10,2) NULL;
UPDATE Customers
SET Age = 18 + ABS(CHECKSUM(NEWID()))%60,
Balance = CAST((ABS(CHECKSUM(NEWID()))%100000) / 100.0 AS DECIMAL(10,2));
Explicación: ABS(CHECKSUM(NEWID()))%60 genera 0–59. Al sumar 18 obtenemos intervalo 18–77. Para Balance usamos centésimos; %100000 produce 0–99999 que luego dividimos por 100.
Paso 5: Eliminar duplicados y validar integridad
Al generar masas de datos es normal que surjan duplicados. Detecte por email (o por la combinación FirstName+LastName) y elimine manteniendo la fila deseada, normalmente la con menor CustomerID. La limpieza previene errores en índices únicos e informes.
-- encontrar emails duplicados
SELECT Email, COUNT(*) AS Qty
FROM Customers
GROUP BY Email
HAVING COUNT(*) > 1;
-- eliminar duplicados manteniendo el menor CustomerID
;WITH Dups AS (
SELECT *, ROW_NUMBER() OVER (PARTITION BY Email ORDER BY CustomerID) AS rn
FROM Customers
)
DELETE FROM Dups WHERE rn > 1;
Validar integridad incluye también verificar rangos (fechas en el pasado), porcentaje de IsActive (por ejemplo: ~66% activos si usó n%3 arriba) y distribución de Age/Balance con COUNT/AVG/MIN/MAX.
Verificar el resultado
Use consultas simples para confirmar volumen, muestras y estadísticas. Estas consultas ayudan a validar si los datos generados siguen las reglas esperadas.
-- conteo total
SELECT COUNT(*) AS TotalCustomers FROM Customers;
-- muestra de 10 registros aleatorios
SELECT TOP (10) * FROM Customers ORDER BY NEWID();
-- estadísticas básicas
SELECT MIN(CreatedDate) AS Oldest, MAX(CreatedDate) AS Newest, AVG(Age) AS AvgAge FROM Customers;
Conclusión
Generar datos de prueba en SQL Server usando técnicas set-based y funciones como NEWID y CHECKSUM evita bucles y mejora el rendimiento. Empiece con listas pequeñas y combínelas, luego escale con una tally table. Pasos recomendados siguientes: transformar estos scripts en procedimientos almacenados parametrizables (número de registros, porcentaje activos), usar tablas temporales para aislamiento y versionar los archivos .sql para reproducibilidad. Con estos patrones consigue crear escenarios realistas para desarrollo, pruebas de rendimiento y validación de consultas.