背景

多年以来，SQL 一直在各路 solo 。 什么计算机语言适合入门数据行业、交互快、用途广、可扩展性好？答案总是 SQL。

只有 SQL 开发者才能看得懂的笑话 一个 SQL 查询走进了一个酒吧，看到两张 Table，它和两张 Table 说，“我能 Join 你们吗？”

 

有人会问，也许近些年 Python 的流行可以挑战一下 SQL 的地位？

但是对于 Python 初学者，你可能需要解决大部分你不需要解决的问题。大部分非计算机专业的同学核心要解决的是数据操作问题，但是在操作数据前，你必须要学习诸如变量，函数，线程，分布式等等各种仅仅和语言自身相关的特性，这需要相当的学习成本。操作数据当然也可以使用 Excel、SAS、Alteryx（以及类似的软件），但是 Excel 有它的限制，譬如有很多较为复杂的逻辑不太好做，无法跨数据源关联，数据规模也有限。在各种对比之下，SQL 最终以其低门槛、易用性、可拓展性依然胜出。

但是SQL也它的短板，首先他最早为了关系型数据库设计的，适合查询而非 ETL，但是现在人们慢慢把他扩展到 ETL，流式处理，甚至 AI 上，它就有点吃力了。 第二个问题是，他是声明式的，导致缺乏可编程性。

那么 SQL 也不行的话，人们期望实现 Data + AI 能够统一编程的语言在哪里呢？

为了通过编程语言进行革新，从根本上提高数据平台落地和 AI 工程化的效率，Byzer SQL语言诞生了。

 

Byzer SQL 是什么

Byzer SQL是一门全新的编程语言，完全开源，低代码，使用 Byzer 可以实现数据处理、数据分析和 AI。

我们使用一种语言 Byzer SQL，就可以在单一平台上实现过去要使用多语言、多平台、多组件才能实现的事情。

传统的数据处理链路

 

Byzer SQL 既保留了 SQL 的所有原有优势，简洁易懂，上手就可以干活；Byzer SQL 还允许用户进阶操作，提供更多可编程能力。Byzer SQL 有以下 四大特性：

 

Byzer SQL 使用场景/人群

在 Byzer 中可以实现使用统一的交互语言，在一个统一的平台内即可完成 数据处理 +数据分析+数据科学 的任务。

设想一下，如果企业内的一名业务人员，通过学习进阶版的 SQL 语言 Byzer，就能够完成原来数据团队内的数据科学家 + 数据工程师 + 数据分析师的工作，那么企业在数据团队的投入成本就会大大减少。企业数字化转型不是重金招募更多数据专家，而是让每一个人都成为数据专家。

 

Byzer SQL 基础语法

Byzer SQL 语法非常简单，比标准的 SQL 只多了一些关键字，整个学习过程可以在几个小时内完成。在学习 SQL 的基础上，大家再多努力一点点，就可以掌握用 声明式语法 进行机器学习。

声明式类 SQL 的语法非常简单易懂

 

Byzer 分布式数据库

Byzer SQL 和其执行引擎构成的分布式数据库，基于云原生架构设计，用户可以使用桌面版软件，连接到云端引擎，轻松解锁算力和存储空间限制。

Byzer 数据库轻松涵盖大数据， AI 和大模型全生命周期工作。 用户使用 Byzer SQL 和 Byzer 数据库进行交互。此外, Byzer 数据库除了有 Byzer-LLM 这个大模型插件引擎以外，还有 Byzer-QARetriever 插件引擎用于基于大模型的问答检索。

 

Byzer 支持 Python

对于一些资深的机器学习用户，他们可能会担心，已经在其他产品例如 Jupyter Notebook 用 Python 的 scikit-learn 或者 tensorflow 进行了机器学习的模型开发，项目文件已经存在大量的代码，如何迁移到 Byzer 呢？

在 Byzer 中我们通过 插件引擎 Byzer-python 来实现对 Python 代码的引用和适配，资深 Python 用户可以继续使用您习惯的机器学习的包进行模型开发。这部分的内容可以参考 Python 扩展 章节。

更强大之处在于，Byzer-python 提供过了非常方便的 API 给用户让用户无需担心权限即可访问 Byzer 脚本中的一个或者多个视图数据，并且产生一个或者多个新的视图，不止步于此，

Byzer-python 还提供了分布式编程能力以及硬件感知能力（如 GPU）， 用户可以轻易实现诸如 Parameter Server 结构的机器学习训练模式。

接下来，就上手试试 Byzer 数据库吧。