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。
