很多免費(fèi)開源數(shù)據(jù)處理引擎都可以嵌入 Java 應(yīng)用中，其中 SQLite 歷史悠久、用戶眾多；后起之秀 esProc SPL 功能也較強(qiáng)，下面對兩者進(jìn)行多方面的比較。
基本特征
語言風(fēng)格
SQLite 使用傳統(tǒng)的 SQL 代碼（兩者在本文等價），SQL 在業(yè)界很流行，不必更多介紹。SPL 是現(xiàn)代的數(shù)據(jù)計算語言，屬于簡化的面向?qū)ο蟮恼Z言風(fēng)格，有對象的概念，可以用點(diǎn)號訪問屬性并進(jìn)行多步驟計算，但沒有繼承重載這些內(nèi)容，不算徹底的面向?qū)ο笳Z言。
運(yùn)行模式
SQLite 是用 C 語言開發(fā)的跨平臺小型數(shù)據(jù)庫，可嵌入其他開發(fā)語言，也可在單機(jī)執(zhí)行。SPL 是用 Java 開發(fā)的跨平臺的數(shù)據(jù)計算語言，可嵌入 Java，可在單機(jī)執(zhí)行，可以數(shù)據(jù)計算服務(wù)的形式被遠(yuǎn)程調(diào)用。兩者的代碼都是解釋執(zhí)行的。
IDE
SQLite 官方只提供了命令行工具，圖形化工具要由第三方提供，但由于 SQL 的特性，這些工具大都沒有斷點(diǎn)調(diào)試、變量觀察等基本的 IDE 功能。SPL 提供了圖形化 IDE，包括完整的調(diào)試功能、表格形式的變量觀察功能。
學(xué)習(xí)難度
SQL 歷史悠久資料豐富，入門學(xué)習(xí)時難度較低，但復(fù)雜運(yùn)算時難度很大。而且，SQL 缺乏流程處理能力（分支結(jié)構(gòu)和循環(huán)結(jié)構(gòu)），要借助 Java 的相關(guān)功能才能實(shí)現(xiàn)完整的業(yè)務(wù)邏輯，所以通常還要學(xué)習(xí) Java。
SPL 的目標(biāo)是簡化 Java 和 SQL 的編碼，刻意簡化了許多概念，學(xué)習(xí)難度較低。SPL 兼具結(jié)構(gòu)化數(shù)據(jù)計算能力和流程處理能力，可以實(shí)現(xiàn)完整的業(yè)務(wù)邏輯，不必借助其他語言。
代碼量
SQL 進(jìn)行簡單計算時代碼量很低，如果遇到較復(fù)雜計算，代碼量會急劇增長。SQL 經(jīng)常要用 Java 配合實(shí)現(xiàn)完整的業(yè)務(wù)邏輯，Java 的流程處理功能沒有為結(jié)構(gòu)化數(shù)據(jù)對象做優(yōu)化，代碼通常較繁瑣。
SPL 是現(xiàn)代計算語言，避免了 SQL 的諸多弱點(diǎn)，無論簡單還是復(fù)雜計算，代碼量都很低。SPL 的流程處理功能為結(jié)構(gòu)化數(shù)據(jù)對象做了優(yōu)化，相關(guān)代碼更加簡單。
自有數(shù)據(jù)格式
SQLite 有自有（私有）數(shù)據(jù)格式，即庫文件，一個庫文件包含多個表?？梢杂妹钚忻罨?API（JDBC URL）創(chuàng)建庫文件，但不能用 SQL 代碼直接創(chuàng)建庫文件。比如，用 Java 新建一個 SQLite 庫文件，如果已存在則打開庫文件
Class.forName(“org.sqlite.JDBC”);Connection conn = DriverManager.getConnection(“jdbc:sqlite: d:/ex1.db”);
SPL 有兩種自有數(shù)據(jù)格式，其中一種是組表文件，專用于大數(shù)據(jù)高性能計算，不是本文重點(diǎn)；另一種是集文件，專用于中小數(shù)據(jù)量和嵌入式計算。SPL 不需要建庫，也沒有庫的概念，每個集文件對應(yīng)一個表。
外部數(shù)據(jù)源
SQLite 只支持文本數(shù)據(jù)文件，包括 TAB 分隔的 txt、逗號分隔的 csv，也可自定義其它分隔符。
SPL 支持多種數(shù)據(jù)源，包括：
- JDBC（即所有的 RDB）
- csv、TXT、JSON、XML、Excel
- HBase、HDFS、Hive、Spark
- Restful、WebService、Webcrawl
- Elasticsearch、MongoDB、Kafka、R2dbc、FTP
- Cassandra、DynamoDB、influxDB、Redis、SAP
這些數(shù)據(jù)源都可以直接使用，非常方便。對于其他未列入的數(shù)據(jù)源，SPL 也提供了接口規(guī)范，只要按規(guī)范輸出為 SPL 的結(jié)構(gòu)化數(shù)據(jù)對象，就可以進(jìn)行后續(xù)計算。
訪問自有數(shù)據(jù)格式
SQLite 通過 SQL 訪問庫文件中的表，生成 SQL 結(jié)果集，即內(nèi)存中的結(jié)構(gòu)化數(shù)據(jù)對象。讀取表時一般伴隨著查詢：
select * from Orders where Amount>2000 and Amount<=3000
SPL 通過 SPL 的 T 函數(shù)或 import 函數(shù)讀取集文件，生成序表（相當(dāng)于 SQL 結(jié)果集）。等價的代碼：
T(“d:/Orders.btx”).select(Amount>2000 && Amount<=3000)
讀取 csv 文件
SQLite 讀取 csv 文件需要三步，第一步：進(jìn)入管理命令行。
#在Windows命令行，打開或新建名為dbname的數(shù)據(jù)庫sqlite3.exe new.db
第二步，在管理命令行新建庫表，并導(dǎo)入數(shù)據(jù)：
#當(dāng)字段類型都是字符串時，不必手工建表。create table Orders(OrderID int,Client varchar(100),SellerID int,Amount float,OrderDate date);.import –csv d:/Orders.csv Orders
第三步，在 Java 代碼中嵌入 SQL 查詢代碼：
select * from Orders where Amount>2000 and Amount<=3000
上面的方法需要人工參與，比較繁瑣。也可以全部用 Java 代碼實(shí)現(xiàn)，第一步，先在操作系統(tǒng)建立一個文本文件（比如 importOrders.txt），內(nèi)容即上面第二步。
第二步，在 Java 代碼調(diào)用操作系統(tǒng)命令行，即用 Runtime.getRuntime().exec(…) 執(zhí)行命令：
sqlite3.exe dbname.db < importOrders.txt
第三步不變。
這種方法需要額外的操作系統(tǒng)執(zhí)行權(quán)限，安全風(fēng)險比較大。如果想降低安全風(fēng)險，就要用循環(huán)語句執(zhí)行 SQL 一條條插入記錄，代碼冗長，修改麻煩。
SPL 讀取 csv 文件，只需一步，在 Java 里嵌入下面的 SPL 代碼：
T(“d:/Orders.csv”).select(Amount>2000 && Amount<=3000)
函數(shù) T 不僅可以讀取集文件，也可以讀取 csv 文件，并生成序表。序表是 SPL 的結(jié)構(gòu)化數(shù)據(jù)對象，可類比為 SQL 結(jié)果集。SPL 導(dǎo)入數(shù)據(jù)時，數(shù)據(jù)類型會自動解析，不必手工指定。整個過程無需人工參與，權(quán)限要求低，代碼簡短，比 SQLite 方便多了。
如果 csv 格式不規(guī)范，還可以使用 import 函數(shù)指定分隔符、字段類型、跳過行數(shù)，并處理轉(zhuǎn)義符、引號、括號等，比 SQLite 提供的功能豐富多了。
對于 csv 之外的數(shù)據(jù)源，SQLite 都沒有提供方便的導(dǎo)入方法，取數(shù)過程非常繁瑣，而 SPL 支持多種數(shù)據(jù)源，取數(shù)過程簡單方便，可以顯著提高開發(fā)效率。
讀取多層結(jié)構(gòu)數(shù)據(jù)
Json 和 XML 是常用的多層結(jié)構(gòu)數(shù)據(jù)。SQLite 架構(gòu)簡單，又有 Json 計算能力，有時會承擔(dān) Json 文件 /RESTful 的計算功能，但 SQLite 不能直接解析 Json 文件 /RESTful，需要用 Java 代碼硬寫，或借助第三方類庫，最后再拼成 insert 語句插入數(shù)據(jù)表，代碼非常繁瑣，這里就不展示了。
SPL 架構(gòu)同樣簡單，且可以直接解析 Json 文件 /RESTful，可以大幅簡化代碼，比如：
json(file(“d:/xml/emp_orders.json”).read()).select(Amount>2000 && Amount2000 && Amount<=3000)
SQLite 沒有 XML 計算能力，也不能直接解析 XML 文件 /WebService，只能借助外部 Java 代碼解析計算，非常繁瑣。
SPL 可以直接讀取 XML 文件：
A | |
1 | =file(“d:/xml/emp_orders.xml”).read() |
2 | =xml(A1,”xml/row”) |
3 | =A2.select(Amount>1000 && Amount<=2000 && like@c(Client,"*business*")) |
也可以方便地讀取 WebService：
A | |
1 | =ws_client(“http://127.0.0.1:6868/ws/RQWebService.asmx?wsdl”) |
2 | =ws_call(A1,”RQWebService”:”RQWebServiceSoap”:”getEmp_orders”) |
3 | =A2.select(Amount>1000 && Amount<=2000 && like@c(Client,"*business*")) |
SPL 序表支持多層結(jié)構(gòu)數(shù)據(jù)，比 SQL 庫表的二維結(jié)構(gòu)更容易表達(dá) Json/XML，計算代碼也更簡單。這部分內(nèi)容不是本文重點(diǎn)，就此略過。
跨源計算
SQLite 的外部數(shù)據(jù)源只支持 csv 文件，跨源計算就是 csv 文件和庫表間的關(guān)聯(lián)、交集、子查詢等計算。SQL 是封閉的計算語言，不能直接計算庫外數(shù)據(jù)，需要經(jīng)過一個入庫的過程，把 csv 文件變成庫表之后才能進(jìn)行跨源計算。參考前面的代碼可知，入庫的過程比較麻煩，不能只用 SQL，還要借助 Java 或命令行。
SPL 開放性較好，可以直接計算多種數(shù)據(jù)源，數(shù)據(jù)源之間可以方便地進(jìn)行跨源計算。比如 csv 和 RESTful 左關(guān)聯(lián)：
=join@1(json(httpfile(“http://127.0.0.1:6868/api/orders”).read()):o,SellerId; T(“d:/Emp.csv”):e,EId)
寫成多步驟的形式更易讀：
A | |
1 | =Orders=json(httpfile(“http://127.0.0.1:6868/api/orders”).read()) |
2 | =Employees=T(“d:/Emp.csv”) |
3 | =join@1(Orders:o,SellerId;Employees:e,EId) |
只用 SPL 語言就可以實(shí)現(xiàn)跨源計算，不必借助 Java 或命令行，代碼簡短易懂，比 SQL 的開發(fā)效率高得多。
數(shù)據(jù)計算
基礎(chǔ)計算
SQLite 支持常見的基礎(chǔ)計算：
#選出部分字段select Client,Amount from Orders#模糊查詢select * from Orders where Amount>1000 and Client like ‘%s%’#排序select * from Orders order by Client, Amount desc#去重select distinct Client from Orders#分組匯總select strftime(‘%Y’,OrderDate) as y, Client, sum(Amount) as amt from Orders group by strftime(‘%Y’,OrderDate), Client having amt>3000#并集select * from Orders9 where Amount>3000 union select * from Orders9 where strftime(‘%Y’,OrderDate)=’2009′;#子查詢select * from (select strftime(‘%Y’,OrderDate) as y, Client, sum(Amount) as amt from Orders group by strftime(‘%Y’,OrderDate), Client) where Client like ‘%s%’;
SPL 實(shí)現(xiàn)常見的基礎(chǔ)計算：
A | B | |
1 | =Orders.new(Client,Amount) | // 選出部分字段 |
2 | =Orders.select(Amount>1000 && like(Client,”*s*”)) | // 模糊查詢 |
3 | = Orders.sort(Client,-Amount) | // 排序 |
4 | = Orders.id(Client) | // 去重 |
5 | =Orders.groups(year(OrderDate):y,Client;sum(Amount):amt).select(amt>3000) | // 分組匯總 |
6 | =[Orders.select(Amount>3000),A1.select(year(OrderDate)==2009)].union() | // 并集 |
7 | =Orders.groups(year(OrderDate):y,Client;sum(Amount):amt).select(like(Client,”*s*”)) | // 子查詢 |
SQLite 和 SPL 都有豐富的函數(shù)進(jìn)行基礎(chǔ)計算，學(xué)習(xí)掌握都不難。
綜合計算
先看簡單些的，計算 TopN，SQLite：
select * from Orders order by Amount limit 3
SQLite 代碼簡短，但因?yàn)椴恢С?top 函數(shù)，也不支持序號偽列（比如 Oracle 的 rownum），只能改用 limit 實(shí)現(xiàn)，理解起來不夠直觀。
SPL 實(shí)現(xiàn) TopN：
Orders.top(3;Amount)
SPL 支持真正的行號，也支持 top 函數(shù)，代碼更短，且易于理解。
組內(nèi) TopN，SQLite：
select * from (select *, row_number() over (partition by Client order by Amount) as row_number from Orders) where row_number<=3
SQL 代碼略顯復(fù)雜，主要因?yàn)?SQLite 不支持 top 函數(shù)，而 limit 函數(shù)只能限制總記錄數(shù)，不能限制各組記錄數(shù)，這種情況下必須用組內(nèi)行號。SQLite 沒有真正的行號字段，要用窗口函數(shù)生成偽列再用，代碼自然復(fù)雜。事實(shí)上，缺乏行號并非 SQLite 自身的問題，而是整個 SQL 體系的問題，其他數(shù)據(jù)庫也沒有行號。
SPL 實(shí)現(xiàn)組內(nèi) TopN：
Orders.group(Client).(~.top(3;Amount)).conj()
SPL 代碼簡單多了，而且很好理解，先按 Client 分組，再對各組（即符號 ~）計算 TopN，最后合并各組的計算結(jié)果。SPL 之所以代碼簡單，表面上是因?yàn)橹苯又С?Top 函數(shù)，本質(zhì)是因?yàn)?SPL 有真正的行號字段，或者說，SPL 支持有序集合。SPL 代碼簡單，還因?yàn)榧匣訌氐祝梢詫?shí)現(xiàn)真正的分組，即只分組不匯總，這就可以直觀地計算組內(nèi)數(shù)據(jù)。SQL 集合化不徹底，分組時必須匯總，不能直觀地計算組內(nèi)數(shù)據(jù)，只能借助窗口函數(shù)。
再看復(fù)雜些的計算，某支股票的最大連續(xù)上漲天數(shù)，SQLite：
select max(continuousdays)from (select count(*) continuousdaysfrom (select sum(risingflag) over (order by day) norisingdaysfrom (select day, case when price>lag(price) over (order by day) then 0 else 1 end risingflag from tbl)) group by norisingdays)
上面代碼冗長復(fù)雜。SQL 很難直接表達(dá)連續(xù)上漲的概念，只能換個方法變相實(shí)現(xiàn)，即通過累計不漲天數(shù)來計算連續(xù)上漲天數(shù)，這種方法技巧性強(qiáng)，編寫難度大且不易理解。而且，SQL 難以調(diào)試，導(dǎo)致維護(hù)困難。
SPL 求最大連續(xù)上漲天數(shù)：
A | |
1 | =tbl.sort(day) |
2 | =t=0,A1.max(t=if(price>price[-1],t+1,0)) |
上面代碼簡單多了。SPL 容易表達(dá)連續(xù)上漲的概念，先按日期排序；再遍歷記錄，發(fā)現(xiàn)上漲則計數(shù)器加 1。這里既用到了循環(huán)函數(shù) max，也用到了有序集合，代碼中 [-1] 表示上一條，是相對位置的表示方法，price[-1]表示上一個交易日的股價，比整體移行（lag 函數(shù)）更直觀。
找出銷售額占到一半的前 n 個客戶，并按銷售額從大到小排序。SQLite：
with A as(select client,amount,row_number() over (order by amount) ranknumberfrom sales)select client,amountfrom (select client,amount,sum(amount) over (order by ranknumber) accfrom A)where acc>(select sum(amount)/2 from sales)order by amount des
上面代碼復(fù)雜。SQL 很難處理恰好要過線的客戶，只能換個方法變相實(shí)現(xiàn)，即計算銷售額從小到大的累計值，反過來找出累計值不在后一半的客戶。這種方法技巧性強(qiáng)，代碼冗長，而且難以調(diào)試。
SPL 求銷售額占到一半的前 n 個客戶：
A | B | |
2 | =sales.sort(amount:-1) | /銷售額逆序排序，可在SQL中完成 |
3 | =A2.cumulate(amount) | /計算累計序列 |
4 | =A3.m(-1)/2 | /最后的累計即總額 |
5 | =A3.pselect(~>=A4) | /超過一半的位置 |
6 | =A2(to(A5)) | /按位置取值 |
上面代碼相對簡單。SPL 集合化成更徹底，可以用變量方便地表達(dá)集合，并在下一步用變量引用集合繼續(xù)計算，因此特別適合多步驟計算。將大問題分解為多個小步驟，可以方便地實(shí)現(xiàn)復(fù)雜的計算目標(biāo)，代碼不僅簡短，而且易于理解。此外，多步驟計算天然支持調(diào)試，無形中提高了開發(fā)效率。
從上面例子可以看出，SQL 只適合較簡單的計算，而 SPL 支持有序集合，集合化更徹底，從簡單到復(fù)雜的計算都可以很好的完成。此外，SPL 還支持游離記錄，可以用點(diǎn)號直觀地引用關(guān)聯(lián)表，從而簡化復(fù)雜的關(guān)聯(lián)計算。
日期和字符串函數(shù)。SQLite 支持日期和字符串函數(shù)，比如日期增減、截取字符串等，但還不夠豐富，很多常用函數(shù)并不直接支持，比如季度增減、工作日計算等。
SPL 提供了更豐富的日期和字符串函數(shù)，在數(shù)量和功能上遠(yuǎn)遠(yuǎn)超過了 SOLite。比如：
季度增減：elapse@q(“2020-02-27”,-3) //返回2019-05-27N個工作日之后的日期：workday(date(“2022-01-01”),25) //返回2022-02-04判斷是否全為數(shù)字：isdigit(“12345”) //返回true取子串前面的字符串：substr@l(“abCDcdef”,”cd”) //返回abCD按豎線拆成字符串?dāng)?shù)組：”aa|bb|cc”.split(“|”) //返回[“aa”,”bb”,”cc”]
SPL 還支持年份增減、求季度、按正則表達(dá)式拆分字符串、拆出 SQL 的 where 或 select 部分、拆出單詞、按標(biāo)記拆 HTML 等大量函數(shù)。
SPL 函數(shù)選項和層次參數(shù)
值得一提的是，為了進(jìn)一步提高開發(fā)效率，SPL 還提供了獨(dú)特的函數(shù)語法。
有大量功能類似的函數(shù)時，SQL 要用不同的名字或者參數(shù)進(jìn)行區(qū)分，使用不太方便。而 SPL 提供了非常獨(dú)特的函數(shù)選項，使功能相似的函數(shù)可以共用一個函數(shù)名，只用函數(shù)選項區(qū)分差別。比如，select 函數(shù)的基本功能是過濾，如果只過濾出符合條件的第 1 條記錄，可使用選項 @1：
T.select@1(Amount>1000)
對有序數(shù)據(jù)用二分法進(jìn)行快速過濾，使用 @b：
T.select@b(Amount>1000)
函數(shù)選項還可以組合搭配，比如：
Orders.select@1b(Amount>1000)
結(jié)構(gòu)化運(yùn)算函數(shù)的參數(shù)有些很復(fù)雜，SQL 需要用各種關(guān)鍵字把一條語句的參數(shù)分隔成多個組，但這會動用很多關(guān)鍵字，也使語句結(jié)構(gòu)不統(tǒng)一。SPL 使用層次參數(shù)簡化了復(fù)雜參數(shù)的表達(dá)，即通過分號、逗號、冒號自高而低將參數(shù)分為三層：
join(Orders:o,SellerId ; Employees:e,EId)
數(shù)據(jù)持久化
SQLite 通過直接處理庫表來實(shí)現(xiàn)數(shù)據(jù)持久化，分為增、改、刪三種：
insert into Orders values(201,’DSL’,10,2000.0,’2019-01-01′)update Orders set Client=’IBM’ where orderID=201delete from Orders where orderID=201
批量新增是常見的需求，SQLite 代碼如下：
insert into Orders(OrderID,Client,SellerID,Amount,OrderDate) select 201,’DSL’,10,2000.0,’2019-01-01’union allselect 202,’IBM’,10,3000.0,’2019-01-01′
SPL 集文件的持久化有兩種方式。第一種方式：直接處理集文件，可實(shí)現(xiàn)記錄新增（及批量新增）。比如：
A | |
1 | =create(OrderID,Client,SellerID,Amount,OrderDate) |
2 | =A1.record([201,”HDR”,9,2100.0,date(“2021-01-01″),202,”IBM”,9,1900,date(“2021-01-02”)]) |
3 | =file(“d:/Orders.btx”).export@ab(A2) |
第二種方式：先處理內(nèi)存里的序表，再將序表覆蓋寫入原來的集文件。這種方式可實(shí)現(xiàn)增、改、刪。只要將上面 A3 格里的 export@ab 改為 export@b 即可，@a 表示追加，@b 表示集文件格式。這種方式性能不如 SQLite，但嵌入計算的數(shù)據(jù)量普遍不大，覆寫的速度通?？山邮?。
SPL 組表支持高性能增刪改，適用于大數(shù)據(jù)量高性能計算，不是本文重點(diǎn)。
SQLite 只支持庫表的持久化，不支持其他數(shù)據(jù)源，包括 csv 文件，硬要實(shí)現(xiàn)的話只能借助 Java 硬編碼或第三方類庫，代碼非常繁瑣。
SPL除了支持集文件的持久化，也支持其他數(shù)據(jù)源，同樣是通過序表為媒介。
file(“d:/Orders.csv”).export@t(A2) //csv文件file(“d:/Orders.xlsx”).xlsexport@t(A2) //xls文件file(“d:/Orders.json”).write(json(A2)) //json文件
特別地，SPL 支持任意數(shù)據(jù)庫的持久化。比如：
A | B | |
1 | =connect(“orcl”) | /連接外部 oracle |
2 | =T=A1.query(“select * from salesR where SellerID=?”,10) | /批量查詢，序表 T |
3 | =NT=T.derive() | /復(fù)制出新序表 NT |
4 | =NT.field(“SELLERID”,9) | /批量修改新序表 |
5 | =A1.update(NT:T,sales;ORDERID) | /持久化 |
數(shù)據(jù)庫的持久化依然以序表為媒介，可以明顯看出這種方式的優(yōu)點(diǎn)：函數(shù) update 自動比對修改（增改刪）前后的序表，可方便地實(shí)現(xiàn)批量數(shù)據(jù)地持久化。
流程處理
SQLite 缺乏流程處理能力，無法實(shí)現(xiàn)完整的業(yè)務(wù)邏輯，只能將 SQL 數(shù)據(jù)對象轉(zhuǎn)為 Java 的 resultSet/List，再用 for/if 語句處理流程，最后再轉(zhuǎn)回 SQL 的數(shù)據(jù)對象，代碼非常繁瑣。復(fù)雜的業(yè)務(wù)邏輯要在 SQL 對象和 Java 對象之間轉(zhuǎn)換多次，更加麻煩。
SPL 提供了流程控制語句，配合內(nèi)置的結(jié)構(gòu)化數(shù)據(jù)對象，可以方便地實(shí)現(xiàn)各類業(yè)務(wù)邏輯。
分支結(jié)構(gòu)：
一個 | 乙 | |
2 | … | |
3 | if T.AMOUNT>10000 | =T.BONUS=T.AMOUNT*0.05 |
4 | else if T.AMOUNT>=5000 && T.AMOUNT<10000 | =T.BONUS=T.AMOUNT*0.03 |
5 | else if T.AMOUNT>=2000 && T.AMOUNT<5000 | =T.BONUS=T.AMOUNT*0.02 |
循環(huán)結(jié)構(gòu)：
一個 | 乙 | |
1 | =db=connect(“db”) | |
2 | =T=db.query@x(“select * from sales where SellerID=? order by OrderDate”,9) | |
3 | for T | =A3.BONUS=A3.BONUS+A3.AMOUNT*0.01 |
4 | =A3.CLIENT=CONCAT(LEFT(A3.CLIENT,4), “co.,ltd.”) | |
5 | … | |
上述代碼之外，SPL 還有更多針對結(jié)構(gòu)化數(shù)據(jù)的流程處理功能，可進(jìn)一步提高開發(fā)效率，比如：每輪循環(huán)取一批而不是一條記錄；某字段值變化時循環(huán)一輪。
應(yīng)用結(jié)構(gòu)
Java 集成
SQLite 提供了 JDBC 接口，可以被 Java 代碼方便地集成：
Class.forName(“org.sqlite.JDBC”);Connection conn = DriverManager.getConnection(“jdbc:sqlite: d:/ex1.db”);Statement statement = conn.createStatement();ResultSet results = statement.executeQuery(“select * from Orders where Amount>1000 and Client like ‘%s%'”);
SQLite 的內(nèi)核是 C 語言編寫的，雖然可以被集成到 Java 應(yīng)用中，但不能無縫集成，和 Java 主程序交換數(shù)據(jù)時要耗費(fèi)額外的時間，在數(shù)據(jù)量較大或交互較頻繁時性能就會明顯下降。同樣因?yàn)閮?nèi)核是 C 程序，SQLite 會在一定程度上破壞 Java 架構(gòu)的一致性和健壯性。
SPL 同樣提供了 JDBC 接口，集成方法和 SQLite 類似：
Class.forName(“com.esproc.jdbc.InternalDriver”);Connection conn =DriverManager.getConnection(“jdbc:esproc:local://”);Statement statement = conn.createStatement();ResultSet result = statement.executeQuery(“=T(“D:/Orders.csv”).select(Amount>1000 && like(Client,”*s*”))”);
SPL 是純 Java 編寫的，可被 Java 應(yīng)用無縫集成，架構(gòu)一致性強(qiáng)，系統(tǒng)更穩(wěn)定，不需要耗費(fèi)額外時間交換數(shù)據(jù)，性能更有保障。
業(yè)務(wù)邏輯外置
一般的 RDB 支持存儲過程，可將業(yè)務(wù)邏輯外置于 Java 程序，但 SQLite 不支持存儲過程，完整的業(yè)務(wù)邏輯通常要借助 Java 的流程處理功能才能實(shí)現(xiàn)，也就不能外置于 Java 程序。業(yè)務(wù)邏輯不能外置于 Java 代碼，導(dǎo)致兩者耦合性過高。
SPL 可實(shí)現(xiàn)完整的業(yè)務(wù)邏輯，業(yè)務(wù)邏輯（或復(fù)雜的、經(jīng)常變化的計算代碼）可保存為腳本文件，并外置于 Java 程序。Java 程序以存儲過程的形式引用腳本文件名：
Class.forName(“com.esproc.jdbc.InternalDriver”);Connection conn =DriverManager.getConnection(“jdbc:esproc:local://”);CallableStatement statement = conn.prepareCall(“{call queryOrders()}”);statement.execute();
外置的 SPL 腳本不僅可以有效降低系統(tǒng)耦合性，還具有熱切換的特點(diǎn)。SPL 是解釋型代碼，修改后不必編譯就可直接運(yùn)行，也不必重啟 Java 應(yīng)用，可有效降低維護(hù)成本。
內(nèi)存計算
SQLite 可用于內(nèi)存計算，一般在應(yīng)用啟動時將數(shù)據(jù)加載至內(nèi)存（URL 有變化）：
Connection conn= DriverManager.getConnection(“jdbc:sqlite:file::memory:?cache=shared”);Statement st =conn.createStatement();st.execute(“restore from d:/ex1”);
需要進(jìn)行業(yè)務(wù)計算時，就可以直接利用之前加載好的內(nèi)存數(shù)據(jù)：
Class.forName(“org.sqlite.JDBC”);Connection conn= DriverManager.getConnection(“jdbc:sqlite:file::memory:?cache=shared”);Statement statement = conn.createStatement();ResultSet results = statement.executeQuery(“select OrderID,Client,Amount,Name,Gender Dept from Orders left join Employees on Orders.SellerId=Empoyees.EId”);
SPL 同樣可用于內(nèi)存計算，在應(yīng)用啟動時執(zhí)行腳本，將數(shù)據(jù)加載至內(nèi)存（URL 不變）：
A | |
1 | = connect(“orcl”).query@x(“select OrderID,Client,SellerID,OrderDate,Amount from orders order by OrderID”) |
2 | >env(Orders,A1) |
3 | >env(Employees,T(“d:/Employees.csv”)) |
需要進(jìn)行業(yè)務(wù)計算時，可直接利用之前加載好的內(nèi)存數(shù)據(jù)：
Class.forName(“com.esproc.jdbc.InternalDriver”);Connection conn =DriverManager.getConnection(“jdbc:esproc:local://”);Statement statement = conn.createStatement();ResultSet result = statement.executeQuery(“=join@1(Orders:O,SellerId; Employees:E,EId).new(O.OrderID, O.Client,O.Amount,E.Name,E.Gender,E.Dept)”);
關(guān)聯(lián)計算如果頻繁發(fā)生，性能必然下降，改用寬表的話又太占內(nèi)存，SQL 沒有好辦法解決這個問題。SPL 獨(dú)有預(yù)關(guān)聯(lián)技術(shù)，可大幅提升關(guān)聯(lián)計算的性能，且不占用額外內(nèi)存。SPL 還有更多內(nèi)存計算技術(shù)，通常比 SQLite 性能好得多，包括并行計算、指針式復(fù)用、內(nèi)存壓縮等。
SQLite 可以方便地嵌入 Java，但數(shù)據(jù)源加載繁瑣，計算能力不足，無法獨(dú)立完成業(yè)務(wù)邏輯，架構(gòu)上弱點(diǎn)頗多。SPL 也很容易嵌入 Java，且直接支持更多數(shù)據(jù)源，計算能力更強(qiáng)，流程處理方便，可獨(dú)立實(shí)現(xiàn)業(yè)務(wù)邏輯。SPL 還提供了多種優(yōu)化體系結(jié)構(gòu)的手段，代碼既可外置也可內(nèi)置于 Java，支持解釋執(zhí)行和熱切換，可進(jìn)行高性能內(nèi)存計算。
SPL下載地址：http://c.raqsoft.com.cn/article/1595816810031
SPL開源地址：https://github.com/SPLWare/esProc
