@harrozze 非常同意，Agile Query 有自己的边界，将跨表查询的 SQL 编译，其它的特性会适当的加上。

@winglight2016 那是数据库选型的问题，针对 SQL 的结果进行 1 分钟，5 分钟的缓存就可以解决。异步执行

@encro 哈哈，superset 多表查询是需要写 SQL 的，而 Agile Query 不需要写 SQL 自动多表查询。

@encro 数据库连接是可以选择的，会不会搞死数据库，可以根据自身的需要。

@Autmn
@wdmcode
目前系统已经具备演示条件，有兴趣可以加我微信：18901845760

@wdmcode 至于数据治理，这属于一个新名字，不太理解到底是做什么的。

@wdmcode 我分别回复一下：
第一点，数据清洗不是 Agile Query 的职责，Agile Query 只是解决数据的灵活计算，指标定义只是 Agile Query 中的一个公式而已，可能和传统 BI 系统的指标统一可能概念上不一样。

第二点，Agile Query 会根据表之间的关系自动 Join ，自动生成最优的查询 SQL ，数据工程师不需要写 SQL ，所以宽表存在的意义就不是那么大了，最近几年 MPP 型数据库发展的非常快，计算效率也越来越高，所谓 ODS ，ADS ，宽表，数据血缘，数据集市 这一堆概念产生的背景是：因为传统 BI 需要写复杂 SQL ，而且之前计算效率非常低效，如果这两个痛点都由 Agile Query 解决了，这些概念也就不存在了。

@phatzhong24 后端用 Python

@ideacco 看看我这个产品，对您有帮助吗：

https://www.youtube.com/channel/UCN7ckPJv4c9kMHANlHiARdA

楼主要以看一下 LLVM ，目前大都数语言的跨平台都在往这个方向发展，有些时候站在别人的肩上也不会太丢人。

至少从高级语言 到汇编这块 LLVM 处理的还是很棒的。

很好的尝试，最近我在写 SQL 的编译器，大家都在往更底层技术的创新，很棒的想法...

@loading 我们正在基于 Facebook 的 LLaMA 做自己的服务，就不用担心那玩意了。哈哈

@yinyuncan6 可视化这块正在完善，应该很快就能发布了。

@yinyuncan6 SQL 型数据库都可以完美的支持。接入只需要一天时间

@leeg810312 再补充一点，Agile Query 的优势本质上是和 MPP 的发展紧密相关的，MPP 型数据库发展的越好，理论上 Agile Query 也会更好。

因为 MPP 的计算效率越高，那么整个数据系统的结构就会越简单，像 Spark 那样通过代码进行离线计算的存在性就会越低，那么 SQL 的复杂度也就越高。

Agile Query 内部设计的 FlatQL 的作用也就越明显，因为它对外屏蔽了 JOIN, SUBQUERY ，更重要的是它会智能的优化过度计算(over-counting) 的问题，也就是 JOIN 后的表进行 count, sum 时数据重复计算的问题。

@leeg810312 不好意思有一点，是我理解错了。

您的观点是通过 SQL 去计算的效率，还是不如自已写程序计算（例如：Spark/Flink ）的效率高。

复杂 SQL 是更难写呢？还是更难优化呢？这是两个不同的概念，SQL 优化本身有自身的规则，不同的 SQL 引擎会有一些区别，但本质上还是有规律的。

@leeg810312 还有一点补充一下：

1 ）快速响应需求变化在传统 BI 中有两种方法：1 ）设计中间表，成本非常昂贵，基本以周为单位，2 ）在 BI 中增加复杂 SQL ，基本以天为单位。但在 Agile Query 中，是以秒为单位的，已经将成本降至最低了，代价也已经是最低的了。

@leeg810312
您的回答非常专业，我分别回答一下：

1 ）根据查询的数据设计中间表：Agile Query 屏蔽的是为了简化查询而设计的中间表，如果纯粹的基于海量数据的优化，我们无法避免。

2 ）物化视图：它本身不是为了节约性能，更重要的是降低开发成本。

3 ） SQL：Agile Query 会依据不同的 SQL 执行引擎进行特殊的优化，理论上人能够优化的 SQL ，Agile Query 都可能设计规则进行优化。


Agile Query 内的所有维度和指标可以进行自由的组合，不需要做任何其它工作，单纯这块就可以提升需求响应速度很多倍，传统 BI 中，不同维度的组合都需要设计中间表，如果纯粹写 SQL ，也是非常复杂的。

如果您有兴趣，我可以给你在线演示一下系统，您也可以在线挑战。

@leeg810312

Agile Query 主要解决的是复杂 SQL 编程的问题，让数据系统不需要针对业务场景进行复杂的抽象过程，不再出现，同样计算公式计算的结果按不同维度存储在不同的表中，减少数据不一致产生的问题。

提升数据系统能够快速响应需求变化的能力