我们真的需要链式查询吗？

多年后，面对Quicksql的时候，我将会想起刚参加工作面对mongodb复杂聚合查询的那个遥远下午。

那是一种淡淡的忧伤，这么多年来，这种忧伤仅次于Neo4j那独树一帜的语法给我带来的惊（）喜（）。

warning!
warning!
warning!

以下是一个基于java api的管道聚合查询，满屏溢出的忧伤，逆流成河。

List<AggregationOperation> operations = new ArrayList<>();

       Criteria criteriaGroup = new Criteria();
       criteriaGroup.andOperator(
               Criteria.where("_id").is(userQuery.getId()),
               Criteria.where("deleteFlag").is("N"));
       MatchOperation matchGroup = new MatchOperation(criteriaGroup);

       UnwindOperation unwindUser = new UnwindOperation(Fields.field("userIds"), true);

       Field fromEntityType = Fields.field("user");
       Field localFieldEntityType = Fields.field("userIds");
       Field foreignFieldEntityType = Fields.field("_id");
       Field asEntityType = Fields.field("user");
       LookupOperation lookUpUser = new LookupOperation(fromEntityType, localFieldEntityType,
               foreignFieldEntityType, asEntityType);

       Fields projectUserFields = Fields.fields("user");
       ProjectionOperation projectGroup = new ProjectionOperation(projectUserFields);
       projectGroup.andExclude("_id");

       AggregationExpression userAggregationExpression = ArrayOperators.ArrayElemAt.arrayOf("user").elementAt(0);
       ReplaceRootOperation replaceRootUser = new ReplaceRootOperation(userAggregationExpression);

       SetOperation set = new SetOperation("deleteFlag", "");

       Criteria criteriaUser = new Criteria();
       criteriaUser.orOperator(
               Criteria.where("userName").regex(".*" + userQuery.getKeyword() + ".*"),
               Criteria.where("userDes").regex(".*" + userQuery.getKeyword() + ".*"));
       MatchOperation matchUser = new MatchOperation(criteriaUser);

       List<AggregationOperation> dataOperations = new ArrayList<>();
       SkipOperation skipOperation = new SkipOperation((userQuery.getPage() - 1) * userQuery.getSize());
       LimitOperation limitOperation = new LimitOperation(userQuery.getSize());
       dataOperations.add(skipOperation);
       dataOperations.add(limitOperation);

       CountOperation countOperation = new CountOperation("total");

       FacetOperation facet = new FacetOperation().and(countOperation).as("metadata")
               .and(dataOperations.toArray(new AggregationOperation[dataOperations.size()])).as("records");

       AggregationExpression totalArray = ArrayOperators.ArrayElemAt.arrayOf("metadata").elementAt(0);
       ObjectOperators.MergeObjects om = ObjectOperators.valueOf(totalArray).mergeWith(ROOT);
       ReplaceRootOperation replaceRootTotal = new ReplaceRootOperation(om);

       operations.add(matchGroup);
       operations.add(unwindUser);
       operations.add(lookUpUser);
       operations.add(projectGroup);
       operations.add(replaceRootUser);
       operations.add(set);
       operations.add(matchUser);
       operations.add(facet);
       operations.add(replaceRootTotal);

       Aggregation aggregation = Aggregation.newAggregation(operations);
       AggregationResults<UserPageVO> results = mongoTemplate.aggregate(aggregation, "user_group",
               UserPageVO.class);
       UserPageVO vo = results.getUniqueMappedResult();   

或者ElasticSearch 的一个不算复杂的常规聚合查询

SearchRequestBuilder searchRequestBuilder=getClient(deviceIndexName,esclient);
BoolQueryBuilder query = QueryBuilders.boolQuery();
		query.filter(QueryBuilders.rangeQuery("time").gte(startTimeMills).lte(endTimeMills));
query.should(QueryBuilders.termsQuery("deviceId", deviceIdLst));
 
TermsBuilder deviceAgg = AggregationBuilders.terms("deviceAgg").field("deviceId").size(1000);
Map<String, Object> aggs = new HashMap<>();
String aggStr = "{\"rated\":{\"top_hits\":{\"sort\":[{\"ip\":{\"order\":\"desc\"}},{\"time\":{\"order\":\"asc\"}}],\"size\":1}}}";
aggs = JSON.parseObject(aggStr, new TypeReference<Map<String, Object>>(){});
deviceAgg.subAggregation(aggs);
CardinalityBuilder deviceIdCard = AggregationBuilders.cardinality("deviceCard").field("deviceId").precisionThreshold(100);
 
SearchResponse response = searchRequestBuilder.setQuery(query).addAggregation(deviceIdCard).addAggregation(deviceAgg).setSize(1).execute().actionGet();
Terms deviceAggRes = response.getAggregations().get("deviceAgg");
List<Map<String, Object>> dataList = new ArrayList<>();
for (Terms.Bucket deviceBuck : deviceAggRes.getBuckets()){
	InternalTopHits rated = deviceBuck.getAggregations().get("rated");
	SearchHit[] searchHits = rated.getHits().hits();
	List<Map<String, Object>> hitDataList = Lambda.extract(searchHits, Lambda.on(SearchHit.class).getSource());
	dataList.addAll(hitDataList);
}

那时我想的是，我会java,我还会sql，但为什么我不会es和mongodb数据库查询。

这个(java)，再加上这个(sql)，能不能站着把钱挣了？

这些复杂的API，我需要花时间去熟悉，好不容易用熟悉了常用的一些，然后，除非我一直用，不然过一个月，铁定又给忘了。

ElasticSearch，mongodb不就是数据库吗？
甭管你造些什么名词出来忽悠我，关系型数据库，非关系型数据库，nosql,new sql，它不都是数据库吗？

这些年过去了，

好消息是，mybatis本身已经支持mongodb,neo4j这些非传统关系型数据库了。
有些个人开发者或者公司也在这些非关系型数据库的基础上，开发包装了一层通用的查询语言，大大降低了学习曲线和上手难度。

坏消息是，mybatis-plus好像又走上了monogodb-java-driver各种API点点点的复读机老路了。

我能理解SQL是Structured，而es,mongo已经不是Structured的数据库了，但面对传统关系型数据库，mybatis-plus为什么要反其道而行之呢？

我需要去熟悉这些API，一个稍微复杂的查询点点点出来一串链式的代码堆在那里。

我并不觉得这是一件优雅的事情。

同样的，在大数据领域里，面对的数据库挑战并不比web方向更少。
相关的数据库更加的繁多。

但是spark/flink保证了统一的操作方式。

比如，要实现一个经典的topN,使用flink DataStream API的方式，非常复杂，需要熟悉事件驱动和诸多API。

以前写过demo,但没找到，网上随便找了一个，大家随意感受一下代码量，以及上手难度。

https://blog.csdn.net/zhungcan/article/details/116271588

而使用table api 即flink sql呢？
刚好手边有个以前写的demo,不涉及业务。

一个简单的全局topN场景

 String sql = " select * from ( " +
                "select *, ROW_NUMBER() over ( partition by key order by price desc  ) as rownum " +
                "from test " +
                ") where rownum <= 3";

这种一般用得少，多作用于下面这种实时窗口上

 String sqlWindowTopN =
                "select * from (" +
                "  select *, " +
                "   ROW_NUMBER() over (partition by window_start, window_end order by total desc ) as rownum " +
                "     from (" +
                "       select key,window_start,window_end,count(key) as `count`,sum(price) total from table (" +
                "           HOP(TABLE test, DESCRIPTOR(`time`), interval '1' minute, interval '3' minutes)" +
                "        ) group by window_start, window_end, key" +
                "   )" +
                ") where rownum <= 3";

        st.executeSql(sqlWindowTopN).print();

哪怕你不是java程序员，哪怕你对flink乃至于大数据一窍不通，但只要你懂sql，你基本就能看懂上面代码的意图，上手难度大大降低。

大数据的趋势是最大程度对新手甚至外行友好。力求零成本上手。
数据是流动的，没有流和批的区别，更没有高低贵贱的鄙视链，只区分有界与无界。
数据从一个地方流到另一个地方，各种分析处理，都能通过sql来直接解决。

https://juejin.cn/post/7231567262448746551

不管大数据还是web方向，我觉得不管什么数据库，甭造些名词来唬我，只要是存数据的地方，就应该用通用的查询语言来操作，不要搞些生僻的API在那里点点点，什么都要点点点只会害了你。

本文无过激字眼，不引战。彼之砒霜，吾之蜜糖。彼之蜜糖，吾之砒霜。理性交流。