Agile Query 生成SQL 的逻辑与数据工程师编写的SQL 逻辑是一致的，逐层分解聚合指标，拆分多个不同的子查询，再将结果按给定的维度进行汇聚。

Agile Query 与指标平台比较类似，都是为了灵活的生成SQL，唯一的不同是Agile Query 支持了更多高级分析函数，使得指标定义更灵活，不需要过多依赖预计算表。

传统BI 往往需要数据工程师不断的加工数据，直到适配图表的数据结构，这其实就是SQL 中的子查询负责的工作，而Agile Query 将过程隐藏在背后，不需要数据工程师关心。

Agile Query 的SQL 遵循两个原则，最小化原始数据加载和避免COUNT DISTINCT，SQL 中最大的性能开销来自与数据加载，而DISTINCT 操作则需要加载大量数据。

是的，在Agile Query 中定义了所有函数的重写策略，可以1-2 天内支持新的数据库，Agile Query 本身支持常见的MPP 型数据库。

不一定，针对超大数据量，或者过度个性化的分析，建议通过物化视图的方式预先处理数据，Agile Query 依然可以集成。

Agile Query 是一种新型的数据分析工具，大家可能会有很多疑问，下面我回答几个常见的疑问。