CATRUSTDB

Migrations formelles & Privacy-by-Design
Moteur catégoriel avec garantie mathématique des migrations. Zéro SQL, conformité RGPD (droit à l'oubli) native, performances de Rust et Apache Arrow.

Démarrage rapide Télécharger Playground

Le problème : SQL est fragile et la conformité est complexe

Les outils classiques (Flyway, dbt) gèrent les bases comme une liste de scripts SQL : on ne prouve jamais qu'une migration est correcte. De plus, retirer proprement des données pour le RGPD ("Soft Delete") détruit bien souvent l'intégrité de ces modèles.

CATRUSTDB unifie ces deux défis. Une migration de schéma devient un foncteur mathématique entre catégories (Sigma Σ, Delta Δ, Pi Π). Vous supprimez ou déplacez des blocs de données sans écrire une faille SQL : la base prouve elle-même la solidité du changement (Data Contract).

La magie du modèle permet une gestion Privacy-by-Design : un effacement désactive toutes les données concernées (même celles en relation complexes), puis compacte le WAL via cryptographie. Plus besoin de réparer la Prod pour se conformer au droit à l'oubli CNIL.

Trois opérations fondamentales

Σ_F — Push-forward

Left Kan extension. Déplace les données de S vers T en appliquant le foncteur F.

{"cmd": "sigma",
 "target_cql": "schema Org { ... }",
 "mapping_cql": "mapping Rename ..."}

Δ_F — Pullback

Adjoint droit de Σ. Rapatrie les données de T vers S en inversant le foncteur F. Rollback exact.

{"cmd": "delta",
 "source_cql": "schema Company { ... }",
 "mapping_cql": "mapping Rename ..."}

Π_F — Right Kan extension

Ne conserve que les lignes dont toutes les contraintes FK restent vérifiées après migration.

{"cmd": "pi",
 "target_cql": "schema Org { ... }",
 "mapping_cql": "mapping Rename ..."}

Comparaison

Fonctionnalité	CATRUSTDB	Flyway	Liquibase	dbt
Paradigme	Foncteur catégoriel	Scripts SQL versionnés	Changelogs XML/YAML	Modèles SQL Jinja
Rollback	Δ_F (pullback exact)	Script SQL undo manuel	rollback changeSet	Non natif
Validation	Pré-validation formelle	Aucune avant exécution	Hash + checksum	Tests post-exécution
Dépendance SQL	Zéro SQL	100 % SQL	100 % SQL	100 % SQL
Sémantique	Adjonction Σ ⊣ Δ ⊣ Π	Aucune	Aucune	Aucune
Incrémental	Σ_Δ avec checkpoint	Via script manuel	Via contexts	Via incremental models
Snapshot 1M lignes	93 ms (13.5×)	—	—	—
Chargement 1M lignes	~5 ms (~700×)	—	—	—
Lignage automatique	Log d'adjonctions	Non	Changelog	DAG de modèles

Exemple : renommage de schéma

schema Company {
  Employee   : { emp_name : String, salary : Float }
  Department : { dept_name : String }
  works_in   : Employee -> Department
}

schema Org {
  Staff     : { full_name : String, pay : Float }
  Team      : { team_name : String }
  member_of : Staff -> Team
}

mapping Rename : Company -> Org {
  Employee   -> Staff
  Department -> Team
  emp_name   -> full_name
  salary     -> pay
  dept_name  -> team_name
  works_in   -> member_of
}

# Chargement + migration en une commande
echo '{"cmd":"load","schema_cql":"...","instance_cql":"..."}' | nc localhost 7474
echo '{"cmd":"sigma","target_cql":"...","mapping_cql":"..."}' | nc localhost 7474
→ {"ok":true,"schema":"Org","entities":[{"name":"Staff","rows":3},{"name":"Team","rows":2}]}

# Rollback : Δ ramène les données dans Company
echo '{"cmd":"delta","source_cql":"...","mapping_cql":"..."}' | nc localhost 7474

4 protocoles, un seul moteur

TCP NDJSON — API native pgwire — Compatible PostgreSQL Arrow Flight — pandas, Polars, DuckDB HTTP — Catrust Studio

TCP NDJSON

API native pour microservices et scripts. Client Python inclus (zéro dépendance).

from catrustdb import connect
db = connect(port=7474)
db.load(schema_cql=cql)
rows = db.query("query Q {…}")

pgwire

Compatible psql, JDBC, SQLAlchemy. Utilisez vos outils SQL habituels.

psql -h localhost -p 5433
SELECT * FROM Employee
 LIMIT 10;

Arrow Flight

Transfert haute performance pour l'analytique. Zero-copy vers pandas et Polars.

import pyarrow.flight as fl
client = fl.connect("grpc://localhost:32100")
df = client.do_get(
  fl.Ticket(b'{"entity":"Employee"}')
).read_all().to_pandas()

Démarrage rapide

Docker (recommandé)

docker run -p 7878:7878 catrustdb/catrust:latest

Binaire

Télécharger depuis GitHub Releases (Linux, macOS, Windows) :

catrust serve --schema mon_schema.cql
# → Studio web sur http://localhost:7878

Python

pip install catrustdb  # ou télécharger le .whl depuis GitHub Releases
from catrustdb import connect
with connect(port=7474) as db:
    db.load(schema_cql=open("schema.cql").read())
    print(db.query("query Q { from e:Employee select name->e.emp_name }"))

Pourquoi pas Flyway ?

Flyway suppose que vous savez écrire du SQL correct. CATRUSTDB suppose que vous voulez prouver que votre migration est correcte.

Situation	Flyway	CATRUSTDB
Va-t-elle casser des FKs ?	Découverte en prod	`validate_migration` avant exécution
Puis-je revenir en arrière ?	Script undo manuel	Δ_F — retour exact garanti
Mes migrations composent-elles ?	Pas de garantie	Σ_G∘F = Σ_G ∘ Σ_F
Quelle est la lignée ?	Logs manuels	Log d'adjonctions automatique