告别宽表，用DQL成就新一代BI

BI 商业智能这个概念已经提出好几十年了，这个概念本身比较宽泛，不同人也有不同的理解和定义，但落实到技术环节，特别是面向业务用户的环节，所称的 BI，基本就是指的多维分析或者自助报表

不管是叫自助报表还是多维分析，也都是一回事，都是让用户自己去通过拖拽的方式查询数据或制作报表

用户想通过 BI，实现查询和报表自由，也就是可以灵活地分析自己想要的数据，挖掘出更大的价值

厂商想通过 BI，给用户赋能，盘活用户数据价值的同时，也能体现出 BI 产品本身的价值

那实际的情况如何呢，BI 有没有发挥出它预期的作用呢，我们就来探究一下

做技术的都清楚，要查询分析数据，其实就是编写 SQL 语句去查询（我们假设要分析的数据都在关系数据库中，这是绝大多数 BI 的实际场景），那给业务人员使用的BI 多维分析的技术本质，其实就是通过页面拖拽出这个 SQL

对于单表的查询，并不是很难理解和实施，选出字段再配上过滤条件及排序，和用 Excel 差不太多，分组汇总会稍复杂些，但也不是多难懂

但是，有业务意义的查询经常涉及多表关联，比如查询存储余额 10 万元以上的储户中本地人的比例，看看某月回款额与发票额的对比。这些都需要多表关联，也就是要用到 SQL 的 JOIN

业务人员很难理解 SQL 的 JOIN，多个表及其关系是个网状形式，要指定关联字段，还会涉及自关联、递归关联还有子查询再关联的复杂情况。三五个关联表之间的数据关系连技术人员都可能会晕，就更别说业务人员了，这时候，界面再炫丽、操作再流畅都没有什么意义了

多表的 JOIN 拖拽把用户难住了，BI 厂商就只能绕路解决，总不能和用户说我们的分析只能基于单表进行吧（毕竟相当多有业务意义的分析都是多表的，世界是普遍关联的嘛），目前采用的变通手段就是建模，当前市场上的产品，基本都是这么做的

所谓建模，就是把表间关联运算做成逻辑视图或物理宽表，这样业务人员在查询时相当于面对的还是逻辑上的单表，这就又变的简单了，又可以拖拽了

问题完美解决？不，并没有，宽表并不是一个好的解决方案

宽表的局限性很明显，数据冗余，维护麻烦这些就不说了

单单是：分析也只能基于宽表现有的关联去做这一条，就让用户和厂商都无法忍受了

用户分析需求超出范围，或者有变化，就得技术人员修改或者重新再做一次宽表，用户不自由，啥也得厂商帮忙，今天想做的分析，可能得一周以后才能做；厂商更不乐意，每一次修改和重做，都是人工成本，可是自己产品提供的自助关联又不好用，也只能任用户摆布了

当然有的 BI 厂商的建模，不叫宽表，事实上他们也确实比宽表做了更多的准备和优化，但归根结底，不管是 CUBE, 还是立方体，还是其他名字，本质都还是一个宽表，逻辑上并没有脱离宽表的范畴，分析需求变动时，还是得技术人员去改

在一个数据系统中,BI 的作用本来就有限，然后还被死死的限制在了需要技术人员介入的宽表上，所谓的自由灵活就更得打折扣了

那为什么这么多厂商都做不好多表的 JOIN，提供的 JOIN 功能，用户根本不会用，只能被迫用宽表呢？

造成这些难题的根本原因是，SQL 本身对于 JOIN 的定义过于简单了，用来描述复杂的关联场景时，就会很难理解，容易犯晕，就像用加法来描述乘法一样

我们通过两个例子来看下

查询：北京号码打给上海号码的通话记录

涉及通话记录表和电话帐户表以及地区表的多次关联

查询：中国经理的美国员工

人事系统里员工表，还有部门表。员工表中有所属部门的字段与部门表关联，部门会有经理，而经理也是个员工，部门表中的经理字段会再和员工表关联。这就发生互相关联的情况，转圈了

这俩例子是很正常，很普遍的查询，但是即使是技术人员来写这个 SQL，也得费点劲儿，这是 SQL 本身的局限性造成的

BI 厂商们也没有在数据模型层面针对这个难题进行优化封装，只是简单的把表对业务人员做了可视，把技术人员都觉得难的问题丢给了没有技术能力的业务人员，那当然没人能用的起来了

更多的关于 BI 厂商做不好 JOIN 的分析，可以参考：为什么 BI 软件都搞不定关联分析

要解决这个难题，就需分析研究 SQL 的 JOIN 运算，突破 SQL 的局限才可以

我们发现，BI 多维分析中需要的 JOIN，都属于这么3+1种情况：

1. 外键关联，多对 1 的 JOIN 和 LEFT JOIN

2. 同维表关联，1 对 1 的 LEFT JOIN 或 FULL JOIN

3. 主子表关联，1 对多的 JOIN 和 LEFT JOIN

4. 按维对齐，1 对 1 的 FULL JOIN 或 JOIN，LEFT JOIN 较少见

第四种维度对齐，稍有特殊，但也并没有超出前三种情况的范围，所以我们说成3+1

这里说的是 BI 中的 JOIN，并不是 SQL 中全部的 JOIN，有些关联计算仍然需要原始的 JOIN 定义来描述，比如做矩阵乘法，但在 BI 中碰不到

我们针对这3+1种情况，重新定义 JOIN 运算，改造 SQL 语法形成另一种类似的查询语言，也就是这里所说的 DQL，它是润乾开发出的新一代 BI 多维分析引擎，D 是即 Dimensional 维度的意思

我们来分别看一下这几种情况下的 SQL 的复杂度以及 DQL 是怎么解决的

外键属性化

我们用前面提到的那个查询中国经理的美国员工的例子来看一下 SQL 要怎么写，员工表里有个部门外键字段指向部门表的主键，部门表里又有经理外键字段指回员工表，这是很常见的数据结构设计

SQL 写出来是这样的：

SELECT A.*FROM  员工表 AJOIN 部门表  ON A.部门 = 部门表.编号JOIN  员工表 C ON  部门表.经理 = C.编号WHERE A.国籍 = '美国'  AND C.国籍 = '中国'

员工表和部门表 JOIN，再 JOIN 回员工表，也就是同一个表要连接两次，这就起个别名。在 WHERE 中写上 JOIN 的条件和最终我们希望的条件。整个句子要看一会才能明白

使用 DQL 会写成这样：

SELECT *FROM 员工表WHERE 国籍='美国' AND 部门.经理.国籍='中国'

这个句子中，美国员工好理解，中国经理的条件稍复杂一点，字段有了子属性，子属性又有子属性，但并不难理解，也就是部门的经理的国籍是中国

在 DQL 的语法体系中，外键被看成了属性，外键指向表的字段可直接用子属性的方式引用，也允许多层和递归引用

同维表等同化

这是两个一比一的表，主键相同，在数据库设计中经常有这种情况，字段的业务分类不同，不适合都放在一个表里，太宽的表在各字段丰满度相差较大时还会造成空间冗余浪费，访问性能也下降，因此常常会分到多个主键相同的表中

现在我们要查询计算所有员工的收入

SQL 中需要做 JOIN：

SELECT 员工表.姓名, 员工表.工资 + 经理表.津贴FROM 员工表LEFT JOIN 经理表 ON 员工表.编码 = 经理表.编号

DQL 则可以把这两个表看成一个表访问：

SELECT 姓名,工资+津贴FROM 员工表

" 工资 + 津贴”的的部分实际上来自两个表，DQL 把主键同维的表等同化，视为一个宽表，访问其中任何一个均可引用其它表的字段

子表集合化

订单及订单明细是典型的主子表，前者的主键是后者的一部分

现在我们想计算每张订单的总金额

用 SQL 写出来会是这样：

SELECT T1.订单编号,T1.客户,SUM(T2.价格)  FROM 订单表T1  JOIN 订单明细表T2ONT1.订单编号=T2.订单编号  GROUP BY T1.订单编号,T1.客户

要完成这个运算，不仅要用到 JOIN，还需要做一次 GROUP BY，否则选出来的记录数太多。

如果我们把子表中与主表相关的记录看成主表的一个字段，那么这个问题也可以不再使用 JOIN 以及 GROUP BY：

SELECT 订单编号,客户,订单明细表.SUM(价格)  FROM 订单表

与普通字段不同，订单明细被看成订单表的字段时，其取值将是一个集合，因为两个表是一对多的关系。所以要在这里使用聚合运算把集合值计算成单值。这种简化方式称为子表集合化

这样看待主子表关联，不仅理解书写更为简单，而且不容易出错

如果有多个子表时，SQL 需要分别先做 GROUP, 然后在一起和主表 JOIN 才行，会写成子查询的形式，但是 DQL 则仍然很简单，SELECT 后直接再加字段就可以了

按维对齐

这里有三个表：合同表、回款表和库存表

我们希望按日期统计合同额、回款额和库存金额

用 SQL 写出来是这样的：

SELECT T1.日期,T1.金额,T2.金额FROM (SELECT  日期, SUM(金额) 金额  FROM  合同表  GROUP  BY  日期）T1LEFT JOIN (SELECT  日期, SUM(金额) 金额  FROM  回款表  GROUP  BY  日期）T2ON T1.日期 = T2.日期LEFT JOIN (SELECT  日期, SUM(金额) 金额  FROM  库存表  GROUP  BY  日期 ) T3ON T2.日期=T3.日期

用子查询把每个表分组汇总后再 JOIN 起来，如果偷懒不用子查询先 JOIN 后 GROUP，那结果是错误的，统计值会变多。这个问题必须使用子查询

这里涉及的三个子查询都要连接上，SQL 的 JOIN 关系要写成若干个两表关联，在表比较多时，增删关联表有可能把某个表漏掉而没有连接条件，出现完全叉乘

用 DQL 写出来是这样的：

SELECT 合同表.SUM(金额),回款表.SUM(金额),库存表.SUM(金额) ON 日期FROM 合同表 BY 日期LEFT JOIN 回款表 BY 日期LEFT JOIN 库存表 BY 日期

在 DQL 中，只要把这几个表分别按日期对齐分别汇总就行了，而不必关心这些表之间的关系，在增删表时也不容易发生遗漏

如果按维对齐再与外键搅到一起，情况就会更复杂：

我们希望按地区统计销售员人数和合同额

用 SQL 写出来是这样：

SELECT T1.地区,T1.数量,T2.金额FROM (SELECT 地区,COUNT(1) 数量 FROM 销售员 GROUP BY 地区）T1LEFT JOIN (SELECT 客户表.地区  地区,SUM(合同.金额) 金额FROM 客户表,合同表WHERE 客户表.编号=合同表.客户GROUP BY 客户表.地区 ) T2ON T1.地区 = T2.地区

这个子查询很复杂

而在 DQL 中，可以和外键属性化结合，这样查询会写成：

SELECT 销售员.count(1),合同表.sum(金额) ON 地区FROM 销售员 BY 地区JOIN 合同表 BY 客户表.地区

这里又出现了子属性，但整个句子仍然很简单，DQL 允许每个表独立设定统计维度，无须关心表间关联，还可以与属性化的外键配合使用

对这些 JOIN 更深入的探讨，可以参考 连接运算 1-SQL 中的 JOIN
http://c.raqsoft.com.cn/article/1619562709132

解决关联

前面讲的这几个 JOIN 的例子，都是在实际应用中常见的，具有业务意义的查询需求，

这些例子都是可以用来检验 BI 产品的“自助”灵活程度的，能否不需要技术人员更新模型就由完成这些查询。结果会发现，业内的大部分 BI 产品，无论界面多炫丽、操作多流畅，都经不起这个检验

原因就在于，低层模型上，并没有解决好 JOIN 问题

有了 DQL 之后，我们就能解决 BI 中的 JOIN 问题了

从前面的 DQL 例子中可以明显的看出，前 3 个查询用 SQL 的 JOIN 都没有了，多表变成单表了，只是字段变成有子属性了，而这并不难理解，业务人员可以轻车熟路地搞定。最后一个按维对齐的情况虽然还有 JOIN，但也很简单，用户无需关心这些表之间的关联关系，只要向统一的目标维度对齐就行了

重新定义 JOIN 后，就彻底把不易于理解和拼写的 JOIN 变的简单易懂了，再做一个拖拽的前端界面，能让业务人员做 JOIN 的 BI 就做成了

有人可能会问，多表变一表，那不还是宽表吗？那不也还得技术人员做吗？

DQL 和宽表大有不同!!!

DQL 当然也需要技术人员提前定义好元数据，但是用到技术人员的地方也仅此一次

元数据中预先定义好了各种关联关系，但并没有做实际关联，当用户在前端拖拽分析的时候，才实时生成关联查询，不需要像宽表一样预先关联，占用数据库资源

它的关联关系只要数据表本身结构不变，就不用修改元数据，不需要像宽表一样总得重新生成，相当于一次定义可以适应无数次不同的分析需求，它拥有宽表的优势但从根本上解决了宽表的各种弊端

这就是所谓的非按需建模，建模只要考虑数据结构本身，而与用户需求无关。宽表（无论逻辑还是物理的）则是按需建模，需求一变就要再建模

用 DQL 语法还能降低出错率

很多程序员习惯用 WHERE 来写 JOIN 运算的过滤条件，表少的时候没有问题，表多的时候漏写了 JOIN 条件意味着将发生多对多的完全叉乘，而这个 SQL 却还可以正常执行，一方面计算结果会出错，另一方面，如果漏写条件的表很大，笛卡尔积的规模将是平方级的，这极有可能把数据库直接“跑死”！

采用 DQL 的 JOIN 语法，就不可能发生漏写 JOIN 条件的情况了。因为对 JOIN 的理解不再是以笛卡尔积为基础，而且设计这些语法时已经假定了多对多关联没有业务意义，这个规则下写不出完全叉乘的运算

对于多个子表分组后与主表对齐的运算，在 SQL 中要写成多个子查询的形式。但如果只有一个子表时，可以先 JOIN 再 GROUP，这时不需要子查询。有些程序员没有仔细分析，会把这种写法推广到多个子表的情况，也先 JOIN 再 GROUP，可以避免使用子查询，但计算结果是错误的

使用维度对齐的写法就不容易发生这种错误了，无论多少个子表，都不需要子查询，一个子表和多个子表的写法完全相同

DQL 还能让数据结构显得更为清晰

这是我们平时看到的 E-R 图，它是个网状结构的，表与表之间可能都有关联，表多了就会显得很零乱，增删表的时间很容易遗漏或重复表间的关联。

而在 DQL 体系下看到的表间关联是总线式的：

表与表之间没有直接的关联，都只处在中间地位的维度关联，增删表的时候不会影响到其它表，数据结构耦合度低

不过，要说明的是，无论是 E-R 图还是后面的总线图，其中连线的数量都是相当的，这是数据关系本身决定的，不会因为改变了看待方法而变少，只是总线式看着更清晰些

DQL 让 BI 告别了宽表，实现了更大程度的自由自助；也拓宽了 BI 分析的边界，让分析可以应对更多的数据场景，让 BI 成了更自由更好用的新一代的 BI

DQL 从低层模型上解决了 JOIN 的问题后，前端的界面要怎么来做其实也就变的简单了，不需要再费心去想怎么样设计才能让用户更好的理解数据了，因为不管怎么做，都能轻松理解拖拽了

下面是润乾基于 DQL 实现的一套界面，我们还是按前面的例子，挨个看看每个 JOIN 是怎么呈现给业务人员，怎么拖拽的

外键关联 --- 中国经理的美国员工

经过 DQL 解析后，数据就都变成业务人员可以理解的清晰的树状结构了

原先的两个表变到一个表里了，业务人员已经完全不用去管后台是几个表，怎么关联了，直接拖拽员工姓名，再拖拽部门经理姓名，然后再设置一下两个的国籍，就可以了

同维表关联

同样的，多表变一表，主键相同的表，像员工表，经理表；客户表，VIP 客户表，直接同化到一个表中了

主子表关联 --- 每个订单的总金额

主子表，被视为一个表了，拖出订单，再选择求和方式拖出明细金额就可以了，不操心怎么关联的

按维对齐汇总 --- 按日期统计 3 个不同表的汇总金额

这个虽然还是三个表，但业务人员也不用管各个表之间有什么关联关系，找到对应的金额指标，选择求和，然后直接拖拽就可以，再选一个“日”当做共同的统计条件，那就是按日期汇总了

而且查询控件还会自动把和已选择数据不匹配的数据项过滤隐藏掉，有汇总的还会自动建立汇总项与统计维度之间的匹配关系，使用起来就更加智能了，不仅避免了出错，保证了拖拽分析的业务正确性，也使得查询分析更加流畅了

润乾基于 DQL 引擎的全新一代 BI，突破宽表的限制，真正做到自由灵活分析，让业务人员能能轻松应对各种数据 JOIN 场景的 BI

DQL 引擎会把 DQL 语句翻译成 SQL 执行，所以可以基于任何关系数据库工作。这款 DQL 引擎目前是免费提供的哦，前端界面部分还开源，你可以轻松把这些强大的功能集成到自己的 BI 应用中

BI 的定位是自由的分析，它可以隐忍一时的因为技术限制而带来的不自由，但它绝不会永远这样逆来顺受，技术是需要革新的，也会有人去革新，当新的技术突破瓶颈，捅破限制它的天花板以后，新一代的 BI 就到来了