Malloy是什么？
Malloy是一个现代开源语言，专为数据建模、分析和转换而设计。它允许用户通过直观易懂的语法，定义数据模型、创建度量标准、建立数据之间的关系，以及执行复杂的数据查询和分析。Malloy的核心目标是简化数据处理和分析的流程，使得数据工作者能够更高效地理解和利用数据。
具体来说，Malloy提供了一种声明式的方式来描述数据模型和查询。用户可以通过Malloy语言编写脚本，定义数据的结构、计算字段、聚合操作等，并且这些脚本可以被编译成可执行的SQL查询，从而在底层数据库上运行。这种方式不仅提高了数据处理的效率，还降低了出错的概率。
此外，Malloy还提供了丰富的数据转换和清洗功能，使得用户能够轻松地将原始数据转换成适合分析的格式。同时，它也支持多种数据源，如关系型数据库、NoSQL数据库等，为用户提供了更大的灵活性。
主要特点
- 开源性：Malloy在开源许可下发布，使得开发者可以自由地访问和使用其源代码。这意味着用户可以根据自身需求定制和扩展Malloy的功能。
- 易用性：Malloy扩展默认安装了DuckDB，为用户提供了一个完整的语义层和一个快速的OLAP（联机分析处理）引擎。这使得用户可以轻松地进行数据分析操作，而无需担心底层数据处理的复杂性。
- 与SQL的兼容性：Malloy能够生成SQL代码，这使其与现有的数据库系统具有良好的兼容性。用户可以利用Malloy来编写查询，并将其转换为SQL代码以在支持SQL的数据库上执行。
- 对多种数据源的支持：Malloy对Google BigQuery和PostgreSQL等数据源有良好的支持。这意味着用户可以从不同的数据源中获取数据，并使用Malloy进行统一的分析和建模。
应用场景
- 数据建模：用户可以使用Malloy来定义数据模型，包括源表、度量、关系和维度等，从而更清晰地理解和组织数据。
- 数据分析：通过编写查询并解析为SQL代码，用户可以利用Malloy进行复杂的数据分析操作，如聚合、过滤和排序等。
- 数据转换：Malloy还允许用户进行数据转换操作，如将原始数据转换为更适合分析或可视化的格式。
- 总的来说，Malloy是一种功能强大且易于使用的开源数据建模语言，它为用户提供了灵活且高效的数据分析解决方案。无论是数据科学家、开发者还是业务分析师，都可以通过学习和使用Malloy来更好地理解和利用数据。
Malloy的试用
在Visual Studio Code (VS Code)中安装Malloy扩展。
然后下载样本数据Sample Models (models + data)
解压后使用VSC打开目录后就可以尝试：
Malloy的未来
Malloy不会完全取代SQL，但可以作为SQL的补充工具，特别是在数据建模和分析领域。以下是几个关键点，解释了为什么Malloy不会完全取代SQL，但可以与其协同工作：
SQL的广泛使用和成熟度
- 广泛采用：SQL是关系数据库中最常用的查询语言，已经在多个行业中广泛使用了数十年。许多企业和开发人员都熟悉SQL，并且有大量的工具和框架支持SQL。
- 标准化：SQL有多个标准化版本（如ANSI SQL），确保了跨不同数据库系统的兼容性和一致性。
Malloy的优势
- 易用性：Malloy提供了一种更简洁、更易读的语法，使得数据建模和查询更加直观。这对于非技术背景的用户尤其有用。
- 抽象层次：Malloy允许用户在更高的抽象层次上定义数据模型和查询，减少了手动编写复杂SQL查询的需要。
- 集成能力：Malloy可以生成SQL代码，这意味着它可以与现有的SQL数据库无缝集成，而不需要用户直接编写SQL。
互补关系
- 数据建模：Malloy特别适合用于数据建模，定义数据源、度量、维度和关系。这可以简化数据准备和预处理步骤。
- 查询生成：Malloy可以自动生成SQL查询，这有助于提高开发效率，尤其是在处理复杂的多表查询时。
- 分析和可视化：Malloy还支持简单的数据可视化和仪表板创建，使得数据分析师可以更快速地进行探索性分析。
适用场景
- 数据科学家和分析师：对于数据科学家和分析师来说，Malloy可以作为一种高级工具，帮助他们更高效地进行数据建模和分析，而不需要深入理解SQL的细节。
- 开发人员：开发人员仍然需要掌握SQL，特别是对于低级别的数据操作和优化。Malloy可以作为辅助工具，提高他们的生产力。
未来趋势
- 生态系统发展：随着Malloy生态系统的不断发展，可能会出现更多的工具和插件，进一步增强其功能和易用性。
- 混合使用：在实际应用中，Malloy和SQL可能会被混合使用。例如，数据模型可以用Malloy定义，而具体的查询和优化任务仍由SQL完成。
Malloy不会完全取代SQL，但可以作为SQL的有力补充，特别是在数据建模和分析领域。它通过提供更简洁的语法和更高的抽象层次，使得数据处理和分析更加高效和直观。对于不同的用户群体，Malloy和SQL各有优势，可以相互补充，共同提升数据处理和分析的能力。
我的想法
Malloy是由 Looker 的原作者创建的一种新建模语言。可以尝试的场景是类似Google Looker这种BI工具，原先的一些报表平台常常通过拖拽的方式生成SQL来生产报表或可视化呈现。由于Malloy的语法相对更加简单，可以尝试先生成Malloy代码再生成SQL的方式来实现。
参考链接：
