T-SQL 與 KQL 的真正差異

用最清楚、最快理解的方式告訴你 T-SQL 與 KQL 的真正差異。

---

🧠 一句話總結

T-SQL 是用來查「資料庫」的語言 KQL 是用來查「大量事件 / Log / 時序資料」的語言

兩者完全不同用途!

---

🔥 用途差異(最重要)

項目	T-SQL	KQL
用途	結構化資料庫查詢、分析	海量 log / event / telemetry
使用場景	SQL Server、Synapse、Fabric Warehouse	Log Analytics、Application Insights、Fabric Real-Time Hub、Eventhouse
設計目的	OLTP / OLAP	高速搜尋、過濾、統計、大量資料探索

---

🧱 能不能「改資料」?

	T-SQL	KQL
INSERT / UPDATE / DELETE	✔ 支援	❌ 完全不支援
CREATE / ALTER TABLE	✔ 支援	❌ 不支援
查詢語法	✔	✔ (但語法不同)

👉 KQL 是 read-only 只能查、不能改。

---

⚡ 性能哲學差異

T-SQL 的設計理念:

• 強調嚴謹、交易一致性、資料寫入安全
• 適合傳統表格資料
• join、index、transaction 很重要

KQL 的設計理念:

• 極致查詢速度(超快!)
• 針對數億到數十億筆資料設計
• 流水式(pipeline-based)處理資料
• 先過濾(filter early)、再統計

---

🧩 語法差異(看例子最清楚)

🔷 T-SQL

SELECT Author, SUM(Price * Units) AS TotalSales
FROM AuthorSales
WHERE SalesDate >= '2024-01-01'
GROUP BY Author
ORDER BY TotalSales DESC;

🔶 KQL(完全不同風格)

AuthorSales
| where SalesDate >= datetime(2024-01-01)
| summarize TotalSales = sum(Price * Units) by Author
| order by TotalSales desc

差別:

• KQL 使用 管線符號 |,像 Linux command
• 沒有 SELECT、FROM、GROUP BY
• 很像 Spark + SQL 的混合體

---

🛰 查詢速度差異

	T-SQL	KQL
優化方式	index、join、execution plan	filter early、columnar scan、分散式運算
面對 5億筆資料	可能要幾秒～幾分鐘	常常 0.5～2秒內

KQL 對大資料量有不可思議的速度優勢。

---

🔍 資料模型差異

T-SQL: 表格 schema(固定欄位)

資料類型固定:

• int
• varchar
• decimal
• datetime
• 等等

KQL: 半結構化 / 結構化 / JSON 都能查

常見 KQL 型別:

• dynamic(可以存 JSON、複雜物件)
• real
• long
• datetime
• string

可直接查 nested JSON:

data.events[0].location.city

---

📌 KQL 適合做的事

• ✅ 即時監控
• ✅ 日誌分析
• ✅ 遠端診斷
• ✅ 事件追蹤
• ✅ IoT telemetry
• ✅ log 搜尋
• ✅ dashboard(Azure Monitor / Fabric Real-Time Hub)

❌ 不適合做

傳統資料模型、寫入、ETL

---

📌 T-SQL 適合做的事

• ✅ 維護資料庫
• ✅ 設計 Data Warehouse
• ✅ 與 BI 報表資料模型配合
• ✅ 結構化資料查詢、join、merge
• ✅ DML + DDL

---

🎯 最後總結(你面試/考試可以這樣講)

T-SQL 是資料庫語言,用於讀寫結構化資料。 KQL 是查詢語言,用於 read-only 分析大量事件與 log。

兩者語法完全不同、用途完全不同、資料模型也不同。

---

📊 快速對照表

特性	T-SQL	KQL
主要用途	資料庫 CRUD	大量事件查詢分析
是否可寫入	✔	❌
查詢語法	SELECT...FROM...WHERE	table | where | summarize
資料類型	固定 schema	支援 dynamic/JSON
最佳場景	OLTP/OLAP	Log/Event/Telemetry
性能優勢	結構化資料	海量時序資料