SQL思维 VS 编程思维

先给出一个题目：

现在有十万个主键ID,对应某个记录表的主键。现在是写代码要求把十万个ID对应的记录拿到。

我下面给出两个方式。

第一个是，用SQL里的In查询，但是因为受限于SQL自身的长度，我们不可能把十万个ID都放到一条SQL里，所以我们将ID集合切分，然后并发去访问得到结果。

select * from table1 where id in (....ids...)

第二个方式是，将ID保存成一个表A，然后将A和记录表进行Join关联。

如果是第一种做法，那么这就是我说的"编程思维"，而第二种则是“SQL思维”。

我之前将"编程思维"，"SQL思维"发了个朋友圈，问大家他们之间有啥区别，答案五花八门。不过就我的认知而言，SQL本质上是面向集合，将一切操作都转化为集合操作。而编程的话，则是一种高度灵活的思维，他本身没有给你一个方向，所以一般大家会按照编程的自然习惯，也就是for循环的思维去解决问题。

通常而言，我们在编程时，用的最多的其实就是集合类，做的非常多的也是对集合进行操作。但是编程语言自身并没有对如何操作集合给出一个“规范的”思维，因为它允许用户用无数的解决方案去解决。而SQL则对这一类操作做了一个总体的设计和规范，如果你习惯了SQL的模式，大部分数据操作会很简单。

以编程思维为主的人接触SQL会觉得各种别扭，还是觉得自己for循环(包含if/else)的模式更可控，更自由。但是，一个相对来说复杂一点的SQL完成的任务，如果让大家用for循环模式来完成（其实就是用一些基础的集合类），大家可能会花一天甚至几天的时间才能完成，并且性能可能会比较差，而SQL可能只要几分钟。

SQL的流行取决于数据自然就是按集合组织的，无论有无数据库（SQL）,他都会是这种形态。那么SQL又天然是面向集合操作，自然会有很强的能量。

Excel -> SQL -> Python, Excel符合托拉拽的操控数据，所以是最广泛的操作数据的工具，其次就是SQL了，Python虽然流行，但他是一个通用的语言，复杂度摆在那。

所以我这些年一直以来，一直努力于MLSQL,一个以SQL为主内嵌Python的新语言，这有别于其他的统一的大数据分析/AI工具以Python为主，内嵌SQL。最易于被人接受的才是最有价值的。