@AlohaV2 再说，pandas, arrow 从来没宣称过要替代 SQL ，他们本质上和 SQL 一样。

@AlohaV2 我们是用 SQL 替代 SQL

@1018ji 是的，我们的目标是替换分析型查询 SQL 。

@JavaGo 如果需要，可以很快支持

@swim2sun
1 ） SQL 方言在 Agile Query 是极小的工程，目前支持 PostgreSQL, Starrocks, BigQuery, DuckDB, Databend ，
基本上两天实现一个新的 SQL 方言。

2 ） Agile Query 的函数的难易程度接近 Excel 的函数，面向的是非技术人员。

@dexterzzz 再说，内存计算，也还是无法回避过度计算的问题，如果不能自动解决过度，Agile Query 还是有一定的生存空间的。

@dexterzzz 兄弟的回复比较全面，有些信息我的确不知道需要仔细研究了，
既然 DSL 是个成熟的方案，为什么像 FineBI 还是预计算的形式进行数据开发，

你说的那些 DSL 是否能解决多表关联时引发的过度计算，是否需要数据工程手工去处理。

本质上 Agile Query 的 DSL 不是新语法，只不过是为了自动关联表，并且自动处理过度计算而已。

@lexa 这个 SQL 比较复杂

https://i.v2ex.co/037Dn1S2.png

https://i.v2ex.co/d62srb7a.png

@beneo 这个函数生成的 SQL 比较复杂，纯粹的在 superset 里写这样的 SQL 还是有难度的。
@lexa

@beneo 上面的确是一种 DSL ，只不过这类 DSL 更接近领域问题，使用起来更加方便。

建议去看一下： https://www.agiquery.com/blog/rfm/

@beneo Agile Query 只需要一个函数就可以实现，

SEGMENT(
CASE
WHEN MONTH_DIFF(NOW(), MAX(orders.order_date)) < 2
AND SUM(order_details.quantity * order_details.unit_price) > 1000
AND COUNT(orders.order_id) > 10 THEN '高价值客户'
WHEN DAY_DIFF(NOW(), MAX(orders.order_date)) < 50
AND SUM(order_details.quantity * order_details.unit_price) > 100 THEN '重要发展客户'
WHEN MONTH_DIFF(NOW(), MAX(orders.order_date)) > 4
AND SUM(order_details.quantity * order_details.unit_price) > 400 THEN '重要挽留客户'
ELSE '其它'
END,
customers.customer_id,
orders.order_date = LAST_YEARS(1)
)

FineBI 的： https://help.fanruan.com/finebi/doc-view-703.html

PowerBI 的： https://zhuanlan.zhihu.com/p/220408371

Agile Query 本质上和 PowerBI 比较接近，FineBI 的就差太远了。

@beneo 兄弟本质上是一个 DSL 生成 SQL ，关键是如何生成的 SQL ，
生成的 SQL 能不能进行 "RFM 分析"、"同环比分析"、"客户画像"等，

如果兄弟开发出通过拖拽实现上述分析，我需要向兄弟你好好学习一下，有机会一定去拜访。

@Alias4ck 我和这个项目不是同一类项目，后面再写个文章介绍一下 chatgpt 和实际的数据分析之间的距离。

@dayeye2006199 kylin 是预计算最典型的产品，

@hanhugh 非常同意你的看法，自己设计的 DSL 短期内很难产生影响力，毕竟 SQL 已经出现近 40 年了，已经根深蒂固了，只能通过间接的方法实现，除非有越级大的公司做背书。

Google 提的 NoSQL 目前只能在部分领域适用，关系运算还是以 SQL 为主，估计还得需要类似 OpenAI 形式的创新，来改写历史。

统一感谢一下。。。。

@token10086 抱歉，修改好了。实在没留意，文章刚刚写好。

@hopehack
1 ）明细数据是普通的业务数据库的表，不需要额外加工
2 ）组装过程就是公式的编写过，只需要聚焦单个指标，不需要关注与其它维度的组合关系，那些都是由 SQL 编译器完成。

处理好依赖关系，和容错后重试就可以了，