几十年来，SQL（结构化查询语言）一直在数据查询语言领域处于主导地位，几乎成了数据库的“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减弱。
众所周知，世界上其他地方都使用小写字母，但 SQL 用户却仍在输入 SELECT 或 WHERE 等单词，这本身就是一种“倒退”。也正因为如此，现在市面上已经出现了一批使用全新语言的新数据库。
近日，InfoWorld 评选出了 8 款“超越” SQL 的数据查询语言，不仅为现代用例提供了更多的优雅、简单和灵活性，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，反而更像一种查询类似于 JSON 的嵌套格式存储数据的优雅速记。
GraphQL 数据查询语言只是对结果的查询做快速描述，通过后端查看该字段列表，这些字段可能对值有限制，并尝试查找匹配的结果。SQL 一般是指定数据库应该如何完成请求，而 GraphQL 用户只需提供一个字段列表。
特别对于某些 JSON 数据库来说，GraphQL 语言是一种天然的匹配语言，且 GraphQL 在使用表格模式搜索关系数据库时也越来越流行，智能后端可以将嵌套请求转换为符合模式的连接模式。
GraphQL 最初由 Facebook 构建，用于 API 的查询语言，允许开发人员选择他们想要发出的请求类型，并在单个请求中接收所需的信息。在作为一个独立的开源项目被发布后，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。这种语言中的查询被构造为一系列小命令，这些命令只使用所需的数据生成结果。
与许多现代编程语言类似，PRQL 查询的思考模型采用函数方法，变量等简单功能可以减少重复，简化流程。一行的结果以长链形式输入下一行，如果您想删除一个步骤，通常只需注释掉这一行，其余的 pipeline 仍然可以工作。
PRQL 的代码采用了 Rust 编写，以此将 PRQL 转换为 SQL 的传输工具，因此基本结构是可扩展的，这种简单的实验确保了语言的快速发展。
WebAssembly
许多开发人员认为 WebAssembly（缩写为 Wasm）是一种用于创建在 web 浏览器中运行的快速应用程序的工具，当 Redpanda 开始构建一个数据流工具来取代 Kafka 时，他们希望添加一种机制，不仅可以传递数据，而且可以在过程中偶尔转换数据，WebAssembly 就是最好的选择。
当然，WebAssembly 甚至比某些数据库中的存储过程功能更强、级别更低。并非所有开发人员都想编写字节级代码。但是这个选项打开了数据流，使其能够进行复杂的转换，远远超出了 SQL 所能实现的范围。
GQL
图形查询语言（Graph Query Language，简称GQL）是一种被提议的标准，它融合了类似 Cypher、PGQL 和 GSQL 的声明式编程语言。
开发人员通过为一组节点指定特定模型来创建查询，然后数据库负责查找匹配项。GQL 使用更复杂的属性图，允许成对的节点共享多个不同的连接。
Gremlin
Gremlin 是搜索图形的原始语言之一，它要求执行一组步骤来搜索节点之间的连接，因此被一些人称为“基于路径”或“图形遍历”语言。
Gremlin 语言每个查询都是基于步骤构建的，每个步骤都可能涉及映射当前节点、过滤列表或以某种方式将结果制成表格。
Gremlin 语言通常只是一个起点，如在扩展 Gremlin 时，在其中嵌入 Python 解释器，以便查询可以包含 Python 代码。也有人将 Gremlin 嵌入 Java 等标准编程语言中，以此来从该语言中挖掘 Gremlin 的威力。
Gremlin 最初是为 Apache 的 TinkerPop 项目构建的，它已被主要的事务性分布式图形数据库（如 Amazon 的 Neptune）和使用 Apache Spark 或 Hadoop 的图形处理框架所采用。
N1QL
N1QL（发音为“nickel”）旨在让 SQL 原生用户更容易处理可能存储在 Couchbase 中的 JSON 对象。与 SQL 一样，基本查询有几个由关键字 SELECT、FROM 和 WHERE 指定的部分，指定数据将来自的数据结构路径的细节将根据 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 一直在寻找查询一般文档的最佳方式。一开始，查询是作为一个 JavaScript 函数编写的，然后交给数据库执行。尽管这是一个很好的、通用的解决方案，但有时需要花费很长时间才能生成结果，因此开发者创造出了 N1QL。
为了鼓励实验，N1QL 提供了一个带有可视化界面的查询工作台，用于测试和优化查询。此外，Couchbase 还提供了一个通用的全文搜索选项，可独立运行，用于搜索文本词而非结构化数据的查询。
Malloy
Malloy 的创建者曾表示，SQL 的问题在于语法细节 —— 表达哪怕是最简单的查询也需要时间，因为语言冗长且充满隐藏的性能陷阱。因此，他们创造了一种具有自然默认值和更简单语法的现代编程语言 —— Malloy，可以编译成 SQL，因此没有人需要改造 stock database。
其结果是一种类似于更强大的 GraphQL 的语法，查询更像是结果的模型或愿景，包括任何限制、匹配或默认值。Malloy 可在后台处理一些优化，如可以自动生成更智能的连接，以避免一些性能陷进；而子查询可以聚合以节省时间，还可根据需要添加索引。因此，编写查询更像是编写现代代码，标点符号可以保持结构简洁。
Malloy 的开源核心是在 TypeScript 中构建的，用于包含在 Node.js 中的代码，VS Code 插件简化了开发。
Basis
大多数查询语言都直接绑定到特定的数据库，而 Basis 正在构建更多的管道，在使用 SQL 和 Python 混合过滤之前，可以从各种源中提取数据，最后再将数据交付给各种标准选项进行输出，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，这些工具正在打开查询过程，从多个源中提取数据，使用多个语言进行过滤，并以多种形式交付数据。
综述
上面 8 个新型数据查询语言的出现，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发展，而这些发展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，但他们的而出现都提供了一个新的机会，让你有机会以不同的方式思考某些服务器上的海量字节，期待你能找到一种新的方法来阐明自我所需，不是吗?
