昨天看了一篇文章，里面有段话讲的比较务实：

开发效率，从平台发展的各阶段实践中，我们发现，对于一个统计任务/算法任务/风控任务，如果采用传统的编程思维方式去实现，那么只能通过堆开发人员，去做大量的开发、迭代和维护工作，一个任务可能会花一天甚至几天的时间才能完成，对于一天几十甚至几百个任务需求来说，一个SQL仅仅只需要几分钟的开发时间（以我厂为例，每日2.5万+个例行任务和临时任务）。我们做到了全平台SQL化，用SQL思维取代编程思维，降低平台使用门槛，大大解放上层业务开发团队。

林庆敏，公众号：趣店技术团队趣店大数据平台架构

你可能会好奇，什么是传统编程思维，什么是SQL思维？他们的区别在哪？

要想了解他们的差异和区别，不妨来做到测试题：

现在有十万个主键ID,对应某个记录表的主键。现在是写代码要求把十万个ID对应的记录拿到。

我下面给出两个方式。

第一个是，用SQL里的In查询，但是因为受限于SQL自身的长度，我们不可能把十万个ID都放到一条SQL里，所以我们将ID集合切分，然后并发去访问得到结果。

select * from table1 where id in (....ids...)

第二个方式是，将ID保存成一个表A，然后将A和记录表进行Join关联。

如果是第一种做法，那么这就是我说的"编程思维"，而第二种则是“SQL思维”。

我之前将"编程思维"，"SQL思维"发了个朋友圈，问大家他们之间有啥区别，答案五花八门。不过就我的认知而言，如果从表面看，其实区别很明显：

1. SQL 思维其实就是Join思维。如果面对数据，你的第一反应是join,pivot,那么你就是典型的SQL思维。

2. 编程思维其实就是 for/if/else 思维。如果你面对数据，第一反应是for/if/else,那么就是典型的编程思维。

如果深入点分析，SQL本质上是面向集合中特定的类型，表，将一切操作都转化为表操作，而且这种操作是通过申明来表达的。虽然编程语言中，操作的最多的其实也是集合类，但是编程语言集合种类繁多，并且作为通用语言，自身也并不会对如何操作集合给出一个“规范的”思维，用户首先想到的是利用for循环/if/else对集合做处理。

以编程思维为主的人接触SQL会觉得各种别扭，还是觉得自己for循环(包含if/else)的模式更可控，更自由。但是，一个相对来说复杂一点的SQL完成的任务，如果让大家用for循环模式来完成（其实就是用一些基础的集合类），大家可能会花一天甚至几天的时间才能完成，并且性能可能会比较差，而SQL可能只要几分钟。

SQL的流行取决于数据自然就是按表组织的，无论有无数据库（SQL）,他都会是这种形态。那么SQL又天然是面向表操作，自然会有很强的能量。

Excel -> SQL -> Python, Excel符合托拉拽的操控数据，所以是最广泛的操作数据的工具，其次就是SQL了，Python虽然流行，但他是一个通用的语言，复杂度摆在那。

虽然一旦你有了SQL思维，你可以非常高效的用SQL去玩转数据，但是任何一个语言都有其局限，譬如SQL很难去做机器学习，即使扩展语法后，你也只能做系统提供的一些算法支持，无法充分利用现有的Python生态。

MLSQL很好的解决了这个问题，他在增强了SQL的表达能力（脚本化能力）的基础上，还完全支持了Python生态体系，非常好的融合大数据和算法。

下面是一段小的MLSQL脚本：

全部SQL化是MLSQL的主要特色，虽然也允许你使用Python编程，但是是作为内置在SQL中的脚本语言存在的，但这也让MLSQL的能力得到很大的扩展，基本可以做任何想做的事情。

如果大家想对MLSQL做进一步了解，可以点击原文链接直达MLSQL知乎专栏，或者

扫码添加小可爱微信号。添加成功后，发送  mlsql  这5个英文字母进群

查看评论