Malloy - ภาษาโอเพนซอร์สสมัยใหม่สำหรับความสัมพันธ์/การแปลง/การทำโมเดลข้อมูล

xguru · 2026-07-22T09:31:02+09:00

เป็นภาษาที่มีสองลักษณะในตัว คือ ภาษาสำหรับ semantic modeling และภาษา query โดยใช้ SQL engine ที่มีอยู่เดิมในการรัน query Malloy query ที่เขียนขึ้นจะถูก คอมไพล์เป็น SQL ที่ปรับให้เหมาะกับ DB ที่ใช้งานอยู่ แล้วจึงรัน ตอนที่เปิดตัวในปี 2022 ยังเป็น ภาษาเชิงทดลองภายใต้ Looker แต่ปัจจุบันถูกย้ายแยกมาเป็น malloydata และเติบโตจนมี Star ราว 2.5k Backend ที่รองรับก็ขยายจากเดิม BigQuery, Postgres 2 รายการ เป็น BigQuery/Snowflake/PostgreSQL/MySQL/Trino/Presto และเพิ่ม การรองรับ DuckDB แบบเนทีฟ การตั้งชื่อที่กระชับและการนำกลับมาใช้ซ้ำ: ประหยัดเวลาโดยหลีกเลี่ยงการเขียนนิยามซ้ำ ๆ และปรับแต่งโมเดลแบบวนซ้ำไปพร้อมกับการ query ป้องกัน ผลลัพธ์ที่ดูเหมือนถูกต้องแต่จริง ๆ ผิด: ช่วยป้องกันปัญหาที่ query ซึ่งดูเผิน ๆ เหมือนถูกต้องนำไปสู่ค่าที่ผิด Nested Queries (query แบบซ้อน): สร้างมุมมองข้อมูลเชิงลำดับชั้นที่สมบูรณ์ได้ง่าย ตัว query เองทำงานเป็นคอมโพเนนต์ที่นำกลับมาใช้ซ้ำได้ จึงไม่ต้องเขียนใหม่เพื่อสร้างลำดับชั้น Symmetric Aggregates (การ aggregate แบบสมมาตร): ป้องกันการ aggregate ผิด เช่น ผลรวม/ค่าเฉลี่ย/จำนวน โดยอัตโนมัติ และแก้ปัญหา Fan/Chasm Trap ในระดับภาษา Freedom and Safety (อิสระและความปลอดภัย): ผสานความยืดหยุ่นเต็มรูปแบบของ SQL เข้ากับความปลอดภัยของ semantic data model ซึ่งต่างจาก LookML ที่ให้ความปลอดภัยแต่จำกัดอิสระ มี VS Code extension: รองรับการสร้างโมเดล, query·แปลงข้อมูล, การสร้าง visualization และ dashboard แบบง่าย ๆ และทดลองได้ทันทีในเบราว์เซอร์ ตัวอย่างไวยากรณ์: query ที่ aggregate เที่ยวบินออกจาก SFO ตามสายการบิน กระชับกว่าโครงสร้าง SELECT/COUNT/AVG/GROUP BY ของ SQL และเรียงลำดับอัตโนมัติตาม aggregate ตัวแรก จึงไม่จำเป็นต้องใช้ ORDER BY run: bigquery.table('malloydata-org.faa.flights') -> { where: origin = 'SFO' group_by: carrier aggregate: flight_count is count() average_flight_time is flight_time.avg() }

เป็นภาษาที่มีสองลักษณะในตัว คือ ภาษาสำหรับ semantic modeling และภาษา query โดยใช้ SQL engine ที่มีอยู่เดิมในการรัน query
Malloy query ที่เขียนขึ้นจะถูก คอมไพล์เป็น SQL ที่ปรับให้เหมาะกับ DB ที่ใช้งานอยู่ แล้วจึงรัน
ตอนที่เปิดตัวในปี 2022 ยังเป็น ภาษาเชิงทดลองภายใต้ Looker แต่ปัจจุบันถูกย้ายแยกมาเป็น malloydata และเติบโตจนมี Star ราว 2.5k
Backend ที่รองรับก็ขยายจากเดิม BigQuery, Postgres 2 รายการ เป็น BigQuery/Snowflake/PostgreSQL/MySQL/Trino/Presto และเพิ่ม การรองรับ DuckDB แบบเนทีฟ
การตั้งชื่อที่กระชับและการนำกลับมาใช้ซ้ำ: ประหยัดเวลาโดยหลีกเลี่ยงการเขียนนิยามซ้ำ ๆ และปรับแต่งโมเดลแบบวนซ้ำไปพร้อมกับการ query
ป้องกัน ผลลัพธ์ที่ดูเหมือนถูกต้องแต่จริง ๆ ผิด: ช่วยป้องกันปัญหาที่ query ซึ่งดูเผิน ๆ เหมือนถูกต้องนำไปสู่ค่าที่ผิด
Nested Queries (query แบบซ้อน): สร้างมุมมองข้อมูลเชิงลำดับชั้นที่สมบูรณ์ได้ง่าย ตัว query เองทำงานเป็นคอมโพเนนต์ที่นำกลับมาใช้ซ้ำได้ จึงไม่ต้องเขียนใหม่เพื่อสร้างลำดับชั้น
Symmetric Aggregates (การ aggregate แบบสมมาตร): ป้องกันการ aggregate ผิด เช่น ผลรวม/ค่าเฉลี่ย/จำนวน โดยอัตโนมัติ และแก้ปัญหา Fan/Chasm Trap ในระดับภาษา
Freedom and Safety (อิสระและความปลอดภัย): ผสานความยืดหยุ่นเต็มรูปแบบของ SQL เข้ากับความปลอดภัยของ semantic data model ซึ่งต่างจาก LookML ที่ให้ความปลอดภัยแต่จำกัดอิสระ
มี VS Code extension: รองรับการสร้างโมเดล, query·แปลงข้อมูล, การสร้าง visualization และ dashboard แบบง่าย ๆ และทดลองได้ทันทีในเบราว์เซอร์
ตัวอย่างไวยากรณ์: query ที่ aggregate เที่ยวบินออกจาก SFO ตามสายการบิน กระชับกว่าโครงสร้าง SELECT/COUNT/AVG/GROUP BY ของ SQL และเรียงลำดับอัตโนมัติตาม aggregate ตัวแรก จึงไม่จำเป็นต้องใช้ ORDER BY
```
run: bigquery.table('malloydata-org.faa.flights') -> {  
  where: origin = 'SFO'  
  group_by: carrier  
  aggregate:  
    flight_count is count()  
    average_flight_time is flight_time.avg()  
}  
```

Malloy - ภาษาโอเพนซอร์สสมัยใหม่สำหรับความสัมพันธ์/การแปลง/การทำโมเดลข้อมูล

บทความที่เกี่ยวข้อง

1 ความคิดเห็น