sqlflow
1.0.0
SQLFlow是一個編譯器，可將SQL程序編譯為在Kubernetes上運行的工作流程。該輸入是一個SQL程序，它寫在我們的擴展SQL語法中，以支持AI工作，包括培訓，預測，模型評估，模型說明，自定義作業和數學編程。輸出是一個Argo工作流，該工作流程在分佈的Kubernetes群集上運行。
SQLFlow支持各種數據庫系統，例如MySQL，Mariadb，Tidb，Hive，MaxCompute和許多機器學習工具包，例如Tensorflow，Keras，Xgboost。
立即在我們的操場上嘗試SQLFlow https://playground.sqlflow.tech/，然後查看其中的方便教程。
當前基於ML的應用程序的經驗要求數據工程師，數據科學家，業務分析師以及高級語言和編程工具的擴散，例如Python，SQL，SQL，SAS，Sass，Julia，R。工具和開發環境的分裂為工程培訓的額外困難帶來了模型培訓/調查。如果我們將最廣泛使用的數據管理/處理語言SQL與ML/系統功能結合在一起，並讓具有SQL技能的工程師開發基於高級ML的應用程序怎麼辦？
該行業已經在進行一些工作。我們可以使用DOT_PRODUCT等操作員在SQL中編寫簡單的機器學習預測（或評分）算法。但是，這需要從培訓程序到SQL語句的複制N-Pasting模型參數。在商業世界中，我們看到一些專有的SQL發動機提供擴展以支持機器學習能力。
CREATE MODEL語句來啟用SQL中的機器學習。現有的解決方案都無法解決我們的疼痛點，而是希望它完全可擴展。
以下是使用示例數據IRIS.TRAIN訓練TensorFlow DNNClassifier模型的示例，並使用訓練有素的模型運行預測。您可以看到使用SQL編寫一些優雅的ML代碼是多麼酷：
sqlflow > SELECT *
FROM iris . train
TO TRAIN DNNClassifier
WITH model . n_classes = 3 , model . hidden_units = [ 10 , 20 ]
COLUMN sepal_length, sepal_width, petal_length, petal_width
LABEL class
INTO sqlflow_models . my_dnn_model ;
...
Training set accuracy: 0 . 96721
Done trainingsqlflow > SELECT *
FROM iris . test
TO PREDICT iris . predict .class
USING sqlflow_models . my_dnn_model ;
...
Done predicting. Predict table : iris . predict SQLFlow會喜歡支持盡可能多的主流ML框架和數據源，但是我們覺得很難僅憑我們自己進行擴展，因此我們很想听到您在您當前正在使用和建立的ML框架和數據源上的選擇。請參閱我們的路線圖以獲取特定時間表，還請我們知道您圍繞SQLFlow項目的當前情況和興趣，以便我們可以根據社區的反饋來確定優先級。
您的反饋是我們繼續前進的動力。請通過提出GitHub問題，讓我們知道您的問題，疑慮和問題。
Apache許可證2.0
