（旧文新发）
题记：业务方的想法就像天上的云，多变，琢磨不透。
昨天被产品小姐姐拉去讨论一个需求，看到她优秀的 Ad Hoc 产品文档；今天又看到有文章说 “真正体现数仓价值的部分，包括且又不局限于数据可视化、BI、OLAP、即席查询......”。那么，在我等午饭的时候，来讨论一下这个拉丁语名字看起来很厉害的 Ad Hoc Query。顺便吐槽一下这个 “自我矛盾” 的即席查询。
愿天下再无即席查询。
## **Ad Hoc**
先直接抄袭产品小姐姐文档里对 Ad Hoc 的解释。
> Ad Hoc 源自于拉丁语，意思是 “for this” 引申为 “for this purpose only”，即 “为某种目的设置的，特别的” 意思。
Ad Hoc 和即席有什么关系？！
有趣的是，“即席” 这个词，在中文里几乎没有别的使用场景了。即席发挥，和即兴是同一个意思。说不定翻译成 “即兴查询” 更能体现其飘忽不定的本质。数据分析师们最烦的就是这种需求，来无影去无踪。粗暴地说，即兴查询就是一次性需求，80% 都是 “垃圾需求”。
## **Ad Hoc Query**
### **Type 1：自助式 Report 工具**
对于 Ad Hoc Query 维基百科中这样解释（注意我荧光笔高亮处）：
![[什么是即席查询 Ad Hoc Query？20240709103838.png]]
这种类型的即席查询在交付物角度基本都是报表需求，旨在通过产品功能和技术手段，让用户能够方便地自助地完成多变的报表开发需求，达成自助取数的目的。需要明确的是，这里的报表仅是表格型报表，基本不涉及到可视化图标。而正是用户取数需求的不明确和多变，以及用户数据库技术的缺失，造成了数据库的性能压力和运维风险，使得需要 “数据库专家细心设计过、预先编制好并做过优化”。技术上可能涉及到 OLAP 等。另外一个角度，数据指标的计算也会在产品层被封装，此类技术据说叫做 “语义层”，这样用户只需要选择需要的指标，而不用关心指标的计算实现，既是一种方便，也避免了指标的分支、版本等问题。
总结而言，此种即席查询，本质上是处于不自由境地中的自由查询。语义层的确能够带来数据的统一，但如果即席查询的底层数据只单一地应用于即席查询，而不能用于真正的数据分析，数据分析系统建设的开销和回报实在差距过大。毕竟，从业务系统导出汇总数据，然后在 Excel 里处理分析已经是及其成熟的操作了。如果即席查询的结果，最后还是导出到 Excel 里去做处理和分析，何苦在业务系统和数据系统做重复建设呢 ？（个人陋见，需在具体场景下详细讨论）
### **Type 2：勇往直前的 Query**
当然，我们也能找到这样的偏数据库层的解释：
![[什么是即席查询 Ad Hoc Query？20240709103921.png]]
![[什么是即席查询 Ad Hoc Query？20240709103929.png]]
简单地说，我打开一个 Console 向数据库 Query 了一段 SQL，算是即席查询；业务系统的程序里不按存储过程等方式，而是草率地直接 Query 了数据库，也是即席 查询；数据查询工具，将查询信息参数化后动态生成 SQL 语句去 Query 数据库，也是即席查询。
在这种定义范围内，所有分析师写的 Query SQL 都有即席查询的意味，因为我们既不处理事务，也不采用存储过程，还非常地 Ad Hoc。
### **Type 3：大数据语境下的即席查询**
十分有趣的是，在大数据的语境下，Ad Hoc 才有了 “即席” 的意思。很多无语义层的 Query 工具都被认为是 Ad Hoc 工具，像 Impala、Kylin、Druid。究其本质，能够在足够短的时间内完成海量数据的 query，的确功劳巨大。此处的 Kylin 虽然也还是 OLAP 的一种，但解决的首要问题是查询响应时间的问题，而不是方便不会 SQL 的用户的问题。即席等待，无需离席，是真的 “即席”。
## **Ad Hoc Analysis？不如即席分析准确**
必须拓展开谈谈 Ad Hoc Analysis，有见到过这种说法，但我一直觉得不够准确。哪里有什么 Analysis 不是 for this purpose only 的！有直接把 Ad Hoc （明显少写了 Query）当作 Ad Hoc Analysis 的。虽然在个别分析师和绝大部分非分析人员眼里，Query 可能和 Analysis 没有区别，但我还是觉得 查询 和 分析 是天差地别的两件事情。
即席分析的理想状态应该是分析工具的灵活性和易用性。分析工具需能够支持各种灵活复杂的查询，又要将复杂和繁琐的技术问题封装掉，用户应当只关注分析思路，而无需关心任何的下列问题：数据处理、查询语句、查询的性能、可视化的细节。
市面上有很多优秀的分析工具，但很难说有谁 100% 达成了这个理想态。
发布于 2023-01-17 14:35