昨天看了一篇文章，裏面有段話講的比較務實：
開發效率，從平臺發展的各階段實踐中，我們發現，對於一個統計任務/算法任務/風控任務，如果採用傳統的編程思維方式去實現，那麼只能通過堆開發人員，去做大量的開發、迭代和維護工作，一個任務可能會花一天甚至幾天的時間才能完成，對於一天幾十甚至幾百個任務需求來說，一個SQL僅僅只需要幾分鐘的開發時間（以我廠爲例，每日2.5萬+個例行任務和臨時任務）。我們做到了全平臺SQL化，用SQL思維取代編程思維，降低平臺使用門檻，大大解放上層業務開發團隊。
林慶敏，公衆號：趣店技術團隊趣店大數據平臺架構
你可能會好奇，什麼是傳統編程思維，什麼是SQL思維？他們的區別在哪？
要想了解他們的差異和區別，不妨來做到測試題：
現在有十萬個主鍵ID,對應某個記錄表的主鍵。現在是寫代碼要求把十萬個ID對應的記錄拿到。
我下面給出兩個方式。
第一個是，用SQL裏的In查詢，但是因爲受限於SQL自身的長度，我們不可能把十萬個ID都放到一條SQL裏，所以我們將ID集合切分，然後併發去訪問得到結果。
select * from table1 where id in (....ids...)第二個方式是，將ID保存成一個表A，然後將A和記錄表進行Join關聯。
如果是第一種做法，那麼這就是我說的"編程思維"，而第二種則是“SQL思維”。
我之前將"編程思維"，"SQL思維"發了個朋友圈，問大家他們之間有啥區別，答案五花八門。不過就我的認知而言，如果從表面看，其實區別很明顯：
1. SQL 思維其實就是Join思維。如果面對數據，你的第一反應是join,pivot,那麼你就是典型的SQL思維。
2. 編程思維其實就是 for/if/else 思維。如果你面對數據，第一反應是for/if/else,那麼就是典型的編程思維。
如果深入點分析，SQL本質上是面向集合中特定的類型，表，將一切操作都轉化爲表操作，而且這種操作是通過申明來表達的。雖然編程語言中，操作的最多的其實也是集合類，但是編程語言集合種類繁多，並且作爲通用語言，自身也並不會對如何操作集合給出一個“規範的”思維，用戶首先想到的是利用for循環/if/else對集合做處理。
以編程思維爲主的人接觸SQL會覺得各種彆扭，還是覺得自己for循環(包含if/else)的模式更可控，更自由。但是，一個相對來說複雜一點的SQL完成的任務，如果讓大家用for循環模式來完成（其實就是用一些基礎的集合類），大家可能會花一天甚至幾天的時間才能完成，並且性能可能會比較差，而SQL可能只要幾分鐘。
SQL的流行取決於數據自然就是按表組織的，無論有無數據庫（SQL）,他都會是這種形態。那麼SQL又天然是面向表操作，自然會有很強的能量。
Excel -> SQL -> Python, Excel符合托拉拽的操控數據，所以是最廣泛的操作數據的工具，其次就是SQL了，Python雖然流行，但他是一個通用的語言，複雜度擺在那。
雖然一旦你有了SQL思維，你可以非常高效的用SQL去玩轉數據，但是任何一個語言都有其侷限，譬如SQL很難去做機器學習，即使擴展語法後，你也只能做系統提供的一些算法支持，無法充分利用現有的Python生態。
MLSQL很好的解決了這個問題，他在增強了SQL的表達能力（腳本化能力）的基礎上，還完全支持了Python生態體系，非常好的融合大數據和算法。
下面是一段小的MLSQL腳本：
全部SQL化是MLSQL的主要特色，雖然也允許你使用Python編程，但是是作爲內置在SQL中的腳本語言存在的，但這也讓MLSQL的能力得到很大的擴展，基本可以做任何想做的事情。
如果大家想對MLSQL做進一步瞭解，可以點擊原文鏈接直達MLSQL知乎專欄，或者
掃碼添加小可愛微信號。添加成功後，發送 mlsql 這5個英文字母進羣