共计 2734 个字符，预计需要花费 7 分钟才能阅读完成。
几十年来，SQL（结构化查询语言）始终在数据查询语言畛域处于主导地位，简直成了数据库的“代名词”，任何想从数据库中检索信息的人都必须学习 SQL。但随着时代的变迁，SQL 对数据检索的主导力量正在削弱。
家喻户晓，世界上其余中央都应用小写字母，但 SQL 用户却仍在输出 SELECT 或 WHERE 等单词，这自身就是一种“倒退”。也正因为如此，当初市面上曾经呈现了一批应用全新语言的新数据库。
近日，InfoWorld 评比出了 8 款“超过”SQL 的数据查询语言，不仅为古代用例提供了更多的优雅、简略和灵活性，有些甚至还更好用，一起来看看吧！
GraphQL
GraphQL 的名字乍一听会让人有点困惑，因为它并非一种利用图形数据库中所有可能性的语言，反而更像一种查问相似于 JSON 的嵌套格局存储数据的优雅速记。
GraphQL 数据查询语言只是对后果的查问做疾速形容，通过后端查看该字段列表，这些字段可能对值有限度，并尝试查找匹配的后果。SQL 个别是指定数据库应该如何实现申请，而 GraphQL 用户只需提供一个字段列表。
特地对于某些 JSON 数据库来说，GraphQL 语言是一种人造的匹配语言，且 GraphQL 在应用表格模式搜寻关系数据库时也越来越风行，智能后端能够将嵌套申请转换为合乎模式的连贯模式。
GraphQL 最后由 Facebook 构建，用于 API 的查询语言，容许开发人员抉择他们想要收回的申请类型，并在单个申请中接管所需的信息。在作为一个独立的开源我的项目被公布后，开发人员开始开发 GraphQL 后端。
PRQL
PRQL 语言为 Pipelined Relational Query Language（发音为“Prequel”) 的缩写。这种语言中的查问被结构为一系列小命令，这些命令只应用所需的数据生成后果。
与许多古代编程语言相似，PRQL 查问的思考模型采纳函数办法，变量等简略性能能够缩小反复，简化流程。一行的后果以长链模式输出下一行，如果您想删除一个步骤，通常只需正文掉这一行，其余的 pipeline 依然能够工作。
PRQL 的代码采纳了 Rust 编写，以此将 PRQL 转换为 SQL 的传输工具，因而根本构造是可扩大的，这种简略的试验确保了语言的疾速倒退。
WebAssembly
许多开发人员认为 WebAssembly（缩写为 Wasm）是一种用于创立在 web 浏览器中运行的疾速应用程序的工具，当 Redpanda 开始构建一个数据流工具来取代 Kafka 时，他们心愿增加一种机制，不仅能够传递数据，而且能够在过程中偶然转换数据，WebAssembly 就是最好的抉择。
当然，WebAssembly 甚至比某些数据库中的存储过程性能更强、级别更低。并非所有开发人员都想编写字节级代码。然而这个选项关上了数据流，使其可能进行简单的转换，远远超出了 SQL 所能实现的范畴。
GQL
图形查询语言（Graph Query Language，简称 GQL）是一种被提议的规范，它交融了相似 Cypher、PGQL 和 GSQL 的申明式编程语言。
开发人员通过为一组节点指定特定模型来创立查问，而后数据库负责查找匹配项。GQL 应用更简单的属性图，容许成对的节点共享多个不同的连贯。
Gremlin
Gremlin 是搜寻图形的原始语言之一，它要求执行一组步骤来搜寻节点之间的连贯，因而被一些人称为“基于门路”或“图形遍历”语言。
Gremlin 语言每个查问都是基于步骤构建的，每个步骤都可能波及映射以后节点、过滤列表或以某种形式将后果制成表格。
Gremlin 语言通常只是一个终点，如在扩大 Gremlin 时，在其中嵌入 Python 解释器，以便查问能够蕴含 Python 代码。也有人将 Gremlin 嵌入 Java 等规范编程语言中，以此来从该语言中开掘 Gremlin 的威力。
Gremlin 最后是为 Apache 的 TinkerPop 我的项目构建的，它已被次要的事务性分布式图形数据库（如 Amazon 的 Neptune）和应用 Apache Spark 或 Hadoop 的图形处理框架所采纳。
N1QL
N1QL（发音为“nickel”）旨在让 SQL 原生用户更容易解决可能存储在 Couchbase 中的 JSON 对象。与 SQL 一样，根本查问有几个由关键字 SELECT、FROM 和 WHERE 指定的局部，指定数据将来自的数据结构门路的细节将依据 JSON 对象的嵌套世界进行调整和调整。
多年来，数据库软件公司 Couchbase 始终在寻找查问个别文档的最佳形式。一开始，查问是作为一个 JavaScript 函数编写的，而后交给数据库执行。只管这是一个很好的、通用的解决方案，但有时须要破费很长时间能力生成后果，因而开发者发明出了 N1QL。
为了激励试验，N1QL 提供了一个带有可视化界面的查问工作台，用于测试和优化查问。此外，Couchbase 还提供了一个通用的全文搜寻选项，可独立运行，用于搜寻文本词而非结构化数据的查问。
Malloy
Malloy 的创建者曾示意，SQL 的问题在于语法细节 —— 表白哪怕是最简略的查问也须要工夫，因为语言简短且充斥暗藏的性能陷阱。因而，他们发明了一种具备天然默认值和更简略语法的古代编程语言 —— Malloy，能够编译成 SQL，因而没有人须要革新 stock database。
其后果是一种相似于更弱小的 GraphQL 的语法，查问更像是后果的模型或愿景，包含任何限度、匹配或默认值。Malloy 可在后盾解决一些优化，如能够主动生成更智能的连贯，以防止一些性能陷进；而子查问能够聚合以节省时间，还可依据须要增加索引。因而，编写查问更像是编写古代代码，标点符号能够放弃构造简洁。
Malloy 的开源外围是在 TypeScript 中构建的，用于蕴含在 Node.js 中的代码，VS Code 插件简化了开发。
Basis
大多数查询语言都间接绑定到特定的数据库，而 Basis 正在构建更多的管道，在应用 SQL 和 Python 混合过滤之前，能够从各种源中提取数据，最初再将数据交付给各种规范选项进行输入，从运行代码到人工智能算法再到图表和仪表盘。
Basis 只是更新的数据管道工具的一个例子，这些工具正在关上查问过程，从多个源中提取数据，应用多个语言进行过滤，并以多种形式交付数据。
综述
下面 8 个新型数据查询语言的呈现，也并非意味着 SQL 越来越不受欢迎。如果说有什么区别的话，那就是编写的 SQL 比以往任何时候都多，而数据存储的世界正在以更快的速度倒退，而这些倒退和增长正在激发更多新尝试和新拓展。
当然，也并非所有这些新类型语言都比 SQL 更好，并不是所有这些都是开发者们正在寻找的，但他们的而呈现都提供了一个新的机会，让你有机会以不同的形式思考某些服务器上的海量字节，期待你能找到一种新的办法来说明自我所需，不是吗?