?今天的數據驅動型企業(yè)不僅需要針對實時數據作出快速響應要，而且還必須執(zhí)行復雜的查詢以解決復雜的業(yè)務問題。

例如，客戶個性化系統(tǒng)需要將歷史數據集與實時數據流結合起來，以便立即向客戶提供最相關的產品建議。提供關鍵任務的實時業(yè)務觀察能力的運營分析系統(tǒng)也必須如此，例如，在線支付供應商需要監(jiān)測其全球范圍內的交易，以發(fā)現(xiàn)可能預示金融欺詐的異常情況。

或者想象一個網上學習平臺需要為學區(qū)客戶和內部客戶團隊提供關于學生和教師使用情況的最新洞察力。或者是一個市場新聞供應商，需要監(jiān)測并確保其金融客戶在狹窄的窗口內獲得準確的、相關的更新，以實現(xiàn)盈利的交易。

NoSQL的局限性

SQL支持復雜的查詢，因為它是一種非常具有表現(xiàn)力的。 是成熟的語言。復雜的SQL查詢在商業(yè)智能（BI）中早已司空見慣。而當Hadoop和Hive這樣的系統(tǒng)出現(xiàn)時，它首次將復雜的查詢與大數據結合起來。Hive在Hadoop的本地MapReduce編程范式上實現(xiàn)了一個SQL層。這些第一代基于SQL的大數據系統(tǒng)的代價是，它們以更高的查詢延遲為代價，提高了數據處理的吞吐量。因此，這些使用案例仍然是運行在批處理模式中。

當NoSQL數據庫（如鍵值和文檔存儲）出現(xiàn)時，情況發(fā)生了變化。設計目標是低延遲和規(guī)模。現(xiàn)在，公司可以把一個龐大的數據集，組織成簡單的鍵值或文檔對，并立即執(zhí)行查找和其他簡單的查詢。這些大規(guī)模、可擴展的鍵值存儲或文檔數據庫的設計者決定，只有當查詢性質簡單時，規(guī)模和速度才有可能。在鍵值存儲中查找一個值，可以做到快如閃電。相比之下，SQL查詢，由于過濾器、排序和聚合的固有復雜性，在技術上太有挑戰(zhàn)性，無法在大量數據上快速執(zhí)行。

不要注意那個幕后的人

不幸的是，由于上述原因，當查詢復雜、嵌套且必須返回精確答案時，NoSQL數據庫往往會遇到問題。這故意不是他們的強項。他們的查詢語言，無論是類似SQL的變體，如 CQL (Cassandra)和Druid SQL等類似SQL的變體，還是MQL（MongoDB）等完全自定義的語言，都不支持連接和其他復雜的查詢命令。

NoSQL數據庫的供應商就像綠野仙蹤一樣，用煙霧和鏡子分散你的注意力，高談闊論狹義的速度定義，這樣你就不會注意到NoSQL數據庫在實時分析方面的實際弱點。使用NoSQL數據庫的開發(fā)人員最終被迫將Join和其他數據邏輯嵌入到他們自己的應用程序代碼中--從單獨的表中獲取數據到進行連接優(yōu)化和其他分析工作的一切。

雖然走NoSQL的道路是可能的，但它是繁瑣和緩慢的。以一個申請抵押貸款的人為例。為了分析他們的信用度，你會創(chuàng)建一個數據應用來計算數據，比如這個人的信用歷史、未償貸款和還款歷史。要做到這一點，你需要結合幾個數據表格，其中一些可能是歸一化的，哪些數據是真實的，哪些是不真實的。你還可能分析當前和歷史上的抵押貸款利率，以確定提供什么利率。

使用SQL，你可以簡單地將信用記錄和貸款支付表連接在一起，并聚合大規(guī)模的歷史數據集，如每日抵押貸款利率。然而，使用像Python或Java這樣的東西來手動重新創(chuàng)建連接和聚合，與SQL相比，你的應用程序中的代碼行數會增加幾十甚至一百。

更多的應用程序代碼不僅需要更多的時間來創(chuàng)建，而且?guī)缀蹩偸菍е赂牟樵儭Ｈ绻荒苁褂没赟QL的查詢優(yōu)化器，加速查詢是很困難和費時的，因為應用程序中的業(yè)務邏輯和應用程序使用的基于查詢的數據訪問路徑之間沒有分界。像一個普通的東西 join table一樣的東西，SQL可以有效而優(yōu)雅地處理，但在其他語言中卻可能成為一個臃腫的內存占用者。

最后，用應用程序代碼編寫的查詢也是比較脆弱的，需要不斷的維護和測試，如果數據量發(fā)生變化，還可能需要重寫。而大多數開發(fā)人員缺乏時間和專業(yè)知識來進行這種持續(xù)的維護。

只有一個NoSQL系統(tǒng)我認為可以合理地勝任復雜的查詢。GraphQL。GraphQL系統(tǒng)可以將數據類型與特定的數據字段聯(lián)系起來，并提供函數來檢索文檔的選定字段。它的查詢API支持復雜的操作，例如根據一組匹配字段過濾文檔，并有選擇地從匹配的文檔中返回字段的子集。GraphQL的主要分析缺陷是它缺乏表達能力，無法根據兩個不同的數據集中特定字段的值來連接這兩個數據集。大多數分析性查詢需要這種能力，以便在查詢時連接多個數據源。

為工作選擇最佳工具--SQL

在技術和生活中，每項工作都有一個為其設計的最佳工具。對于復雜的分析查詢，SQL無疑是最好的工具。SQL擁有半個世紀以來開發(fā)的豐富的強大命令集。創(chuàng)建查詢很容易，調整和優(yōu)化查詢更容易，以加快結果，縮小中間表，降低查詢成本。

有一些關于SQL數據庫的神話，但它們是基于1990年代的傳統(tǒng)關系型系統(tǒng)。事實是，現(xiàn)代云原生SQL數據庫支持實時分析所有必要的關鍵功能，包括。

• 可變數據，以實現(xiàn)令人難以置信的快速數據攝取和對晚到事件的順利處理。
• 靈活的模式Schema，可以根據傳入的流媒體數據的結構自動調整。
• 即時擴大數據寫入或查詢的規(guī)模，以處理突發(fā)的數據。

SQL仍然非常流行，在所有編程語言中排名最靠前。正如我們所看到的，它支持復雜的查詢，這是現(xiàn)代實時數據分析的一個要求。相比之下，NoSQL數據庫在執(zhí)行連接和其他復雜的查詢命令方面比較弱。此外，尋找一個不太知名的自定義查詢語言的專家可能會很費時和昂貴。

底線是，你將沒有問題找到熟練的數據工程師和數據運營人員，他們知道SQL及其復雜查詢的能力。他們將能夠利用這些知識和能力，推動你的組織從批量分析到實時分析的飛躍。?