问题场景

在我们通过 Rest 或 UDF 发起较多请求时，执行脚本的时间会显著的增加

从图中可以看到我们执行完这个 cell 需要约 34 秒，但是他的数据量仅仅只有 36 条，可以说是非常的少，那么这是为什么呢？

解决方案

我们先说解决方案： 在之前的 Rest 和 UDF 发起请求后，使用 save 语法将获取的数据保存下来

这两行代码看似非常多余，但是再次执行试试呢？

脚本的运行时间只要 112 ms了。

执行机制

在 Byzer-lang 中是将 load -> action 分解为一个个的节点，load 即数据的获取，action 可理解为我们执行的一些操作 （如一些 select 语句）。

每一个 select 后面的 “as tableName” 其实是虚表，并不是真实存在的，后续使用到该虚表，会将获取虚表的节点再执行一遍以得到虚表的数据。将数据保存下来，然后再处理数据，将可以避免找到虚表后再次运行节点，因此可以大量节省时间。

Logo
一门面向 Data 和 AI 的低代码、云原生的开源编程语言

无需安装部署，在线快速体验 Byzer

更多推荐

编译时权限控制

前言 权限控制，对于 MLSQL 而言的重要程度可以说是生命线。 MLSQL 需要面对各式各样的资源访问，比如 MySQL, Oracle,HDFS，Hive，Kafka，Sorl，ElasticSearch，Redis，API，Web等等，不同用户对这些数据源（以及表，列）的权限是不一样的。 传统模式是，每个用户都需要有个 proxy user，然后到每个数据源里面给这个 proxy user

avatar Byzer 白泽

Byzer 支持 JDBC 聚合下推

聚合下推PR链接聚合下推 我们知道 Byzer 支持多数据源和联邦查询，可以方便分析师在一个平台上快速的分析来自多种数据源的数据，从而进行灵活的探索式分析。 使用场景和优势 当前 Byzer 中加载数据的方式会拉取明细数据到 spark 中进行聚合计算，对于小数据量或者在分布式文件系统上的数据源来说是常规操作。但是对于 JDBC 数据源或者有分析能力的 OLAP 系统来说拉取明细数据可能就不是最

avatar Byzer 白泽

Byzer 术语表

Byzer-lang Byzer ，又称为 Byzer-lang，一门面向 Data 和 AI 的低代码、云原生的开源编程语言。 Byzer 是一门结合了声明式编程和命令式编程的混合编程语言，其低代码且类 SQL 的编程逻辑配合内置算法及插件的加持，能帮助数据工作者们高效打通数据链路，完成数据的清洗转换，并快速地进行机器学习相关的训练及预测。 Byzer 希望能够提供一套语言、一个引擎，就能覆盖整

avatar Byzer 白泽