探索Java中的数据引擎：从SQLite到SPL的旅程

发表时间: 2022-07-13 12:00

可以在 Java 应用中嵌入的数据引擎看起来比较丰富，但其实并不容易选择。Redis 计算能力很差，只适合简单查询的场景。Spark 架构复杂沉重，部署维护很是麻烦。H2\HSQLDB\Derby 等内嵌数据库倒是架构简单，但计算能力又不足，连基本的窗口函数都不支持。

相比之下，SQLite 在架构性和计算能力上取得了较好的平衡，是应用较广的 Java 嵌入数据引擎。

SQLite适应常规基本应用场景

SQLite 架构简单，其核心虽然是 C 语言开发的，但封装得比较好，对外呈现为一个小巧的 Jar 包，能方便地集成在 Java 应用中。SQLite 提供了 JDBC 接口，可以被 Java 调用：

Connection connection = DriverManager.getConnection("jdbc:sqlite::memory:");Statement st = connection.createStatement();st.execute("restore from d:/ex1");ResultSet rs = st.executeQuery("SELECT * FROM orders");

SQLite 提供了标准的 SQL 语法，常规的数据处理和计算都没有问题。特别地，SQLite 已经能支持窗口函数，可以方便地实现很多组内运算，计算能力比其他内嵌数据库更强。

SELECT x, y, row_number()OVER (ORDER BY y) AS row_number FROM t0 ORDER BY x;

SELECT a, b, group_concat(b, '.') OVER (ORDER BY a ROWS BETWEEN 1 PRECEDING AND 1 FOLLOWING) AS group_concat FROM t1;

SQLite面对复杂场景尚有不足

SQLite 的优点亮眼，但对于复杂应用场景时还是有些缺点。

Java 应用可能处理的数据源多种多样，比如 csv 文件、RDB、Excel、Restful，但 SQLite 只处理了简单情况，即对 csv 等文本文件提供了直接可用的命令行加载程序：

.import --csv --skip 1 --schema temp /Users/scudata/somedata.csv tab1

对于其他大部分数据源，SQLite 都没有提供方便的接口，只能硬写代码加载数据，需要多次调用命令行，整个过程很繁琐，时效性也差。

以加载 RDB 数据源为例，一般的做法是先用 Java 执行命令行，把 RDB 库表转为 csv；再用 JDBC 访问 SQLite，创建表结构；之后用 Java 执行命令行，将 csv 文件导入 SQLite；最后为新表建索引，以提高性能。这个方法比较死板，如果想灵活定义表结构和表名，或通过计算确定加载的数据，代码就更难写了。

类似地，对于其他数据源，SQLite 也不能直接加载，同样要通过繁琐地转换过程才可以。

SQL 接近自然语言，学习门槛低，容易实现简单的计算，但不擅长复杂的计算，比如复杂的集合计算、有序计算、关联计算、多步骤计算。SQLite 采用 SQL 语句做计算，SQL 优点和缺点都会继承下来，勉强实现这些复杂计算的话，代码会显得繁琐难懂。

比如，某只股票最长的上涨天数，SQL 要这样写：

select max(continuousDays)-1from (select count(*) continuousDaysfrom (select sum(changeSign) over(order by tradeDate) unRiseDaysfrom (select tradeDate,case when price>lag(price) over(order by tradeDate) then 0 else 1 end changeSign from AAPL) )group by unRiseDays)

这也不单是 SQLite 的难题，事实上，由于集合化不彻底、缺乏序号、缺乏对象引用等原因，其他 SQL 数据库也不擅长这些运算。

业务逻辑由结构化数据计算和流程控制组成，SQLite 支持 SQL，具有结构化数据计算能力，但 SQLite 没有提供存储过程，不具备独立的流程控制能力，也就不能实现一般的业务逻辑，通常要利用 Java 主程序的判断和循环语句。由于 Java 没有专业的结构化数据对象来承载 SQLite 数据表和记录，转换过程麻烦，处理过程不畅，开发效率不高。

前面提过，SQLite 内核是 C 程序，虽然可以被集成到 Java 应用中，但并不能和 Java 无缝集成，和 Java 主程序交换数据时要经过耗时的转换才能完成，在涉及数据量较大或交互频繁时性能就会明显不足。同样因为内核是 C 程序，SQLite 会在一定程度上破坏 Java 架构的一致性和健壮性。

对于 Java 应用来讲，原生在 JVM 上的 esProc SPL 是更好的选择。

SPL全面支持各种数据源

esProc SPL 是 JVM 下开源的嵌入数据引擎，架构简单，可直接加载数据源，可以通过 JDBC 接口被 Java 集成调用，并方便地进行后续计算。

SPL 架构简单，无须独立服务，只要引入 SPL 的 Jar 包，就可以部署在 Java 环境中。

直接加载数据源，代码简短，过程简单，时效性强。比如加载 Oracle：

	A
1	=connect("orcl")
2	=A1.query@x("select OrderID,Client,SellerID,OrderDate,Amount from orders order by OrderID")
3	>env(orders,A2)

对于 SQLite 擅长加载的 csv 文件，SPL 也可以直接加载，使用内置函数而不是外部命令行，稳定且效率高，代码更简短：

=T("/Users/scudata/somedata.csv")

多种外部数据源。除了 RDB 和 csv，SPL 还直接支持 txt\xls 等文件，MongoDB、Hadoop、redis、ElasticSearch、Kafka、Cassandra 等 NoSQL，以及 WebService XML、Restful Json 等多层数据。比如，将 HDSF 里的文件加载到内存：

	A
1	=hdfs_open(;"hdfs://192.168.0.8:9000")
2	=hdfs_file(A1,"/user/Orders.csv":"GBK")
3	=A2.cursor@t()
4	=hdfs_close(A1)
5	>env(orders,A4)

JDBC 接口可以方便地集成。加载的数据量一般比较大，通常在应用的初始阶段运行一次，只须将上面的加载过程存为 SPL 脚本文件，在 Java 中以存储过程的形式引用脚本文件名：

Class.forName("com.esproc.jdbc.InternalDriver");Connection conn =DriverManager.getConnection("jdbc:esproc:local://");CallableStatement statement = conn.prepareCall("{call init()}");statement.execute();

SPL的计算能力更强大

SPL 提供了丰富的计算函数，可以轻松实现日常计算。SPL 支持多种高级语法，大量的日期函数和字符串函数，很多用 SQL 难以表达的计算，用 SPL 都可以轻松实现，包括复杂的有序计算、集合计算、分步计算、关联计算，以及带流程控制的业务逻辑。

丰富的计算函数。SPL 可以轻松实现各类日常计算：

	A	B
1	=Orders.find(arg_OrderIDList)	// 多键值查找
2	=Orders.select(Amount>1000 && like(Client,\"S\"))	// 模糊查询
3	= Orders.sort(Client,-Amount)	// 排序
4	= Orders.id(Client)	// 去重
5	=join(Orders:O,SellerId; Employees:E,EId) .new(O.OrderID, O.Client,O.Amount,E.Name,E.Gender,E.Dept)	// 关联

标准 SQL 语法。SPL 也提供了 SQL-92 标准的语法，比如分组汇总：

$select year(OrderDate) y,month(OrderDate) m, sum(Amount) s,count(1) c
from {Orders}
Where Amount>=? and Amount<? ;arg1,arg2

函数选项、层次参数等方便的语法。功能相似的函数可以共用一个函数名，只用函数选项区分差别，比 SQL 更加灵活方便。比如 select 函数的基本功能是过滤，如果只过滤出符合条件的第 1 条记录，可使用选项 @1：

T.select@1(Amount>1000)

二分法排序，即对有序数据用二分法进行快速过滤，使用 @b：

T.select@b(Amount>1000)

有序分组，即对分组字段有序的数据，将相邻且字段值相同的记录分为一组，使用 @b：

T.groups@b(Client;sum(Amount))

函数选项还可以组合搭配，比如：

Orders.select@1b(Amount>1000)

结构化运算函数的参数有些很复杂，比如 SQL 就需要用各种关键字把一条语句的参数分隔成多个组，但这会动用很多关键字，也使语句结构不统一。SPL 使用层次参数简化了复杂参数的表达，即通过分号、逗号、冒号自高而低将参数分为三层：

join(Orders:o,SellerId ; Employees:e,EId)

更丰富的日期和字符串函数。除了常见函数，比如日期增减、截取字符串，SPL 还提供了更丰富的日期和字符串函数，在数量和功能上远远超过了 SQL，同样运算时代码更短。比如：

季度增减：elapse@q("2020-02-27",-3) // 返回 2019-05-27

N 个工作日之后的日期：workday(date("2022-01-01"),25) // 返回 2022-02-04

字符串类函数，判断是否全为数字：isdigit("12345") // 返回 true

取子串前面的字符串：substr@l("abCDcdef","cd") // 返回 abCD

按竖线拆成字符串数组："aa|bb|cc".split("|") // 返回 ["aa","bb","cc"]

SPL 还支持年份增减、求季度、按正则表达式拆分字符串、拆出 SQL 的 where 或 select 部分、拆出单词、按标记拆 HTML 等大量函数。

简化有序运算。涉及跨行的有序运算，通常都有一定的难度，比如比上期和同期比。SPL 使用 "字段 [相对位置]" 引用跨行的数据，可显著简化代码，还可以自动处理数组越界等特殊情况，比 SQL 窗口函数更加方便。比如，追加一个计算列 rate，计算每条订单的金额增长率：

=T.derive(AMOUNT/AMOUNT[-1]-1: rate)

综合运用位置表达式和有序函数，很多 SQL 难以实现的有序运算，都可以用 SPL 轻松解决。比如，根据考勤表，找出连续 4 周每天均出勤达 7 小时的学生：

	A
1	=Student.select(DURATION>=7).derive(pdate@w(ATTDATE):w)
2	=A1.group@o(SID;~.groups@o(W;count(~):CNT).select(CNT==7).group@i(W-W[-1]!=7).max(~.len()):weeks)
3	=A2.select(weeks>=4).(SID)

简化集合运算，SPL 的集合化更加彻底，配合灵活的语法和强大的集合函数，可大幅简化复杂的集合计算。比如，在各部门找出比本部门平均年龄小的员工：

	A
1	=Employees.group(DEPT; (a=~.avg(age(BIRTHDAY)),~.select(age(BIRTHDAY)<a)):YOUNG)
2	=A1.conj(YOUNG)

计算某支股票最长的连续上涨天数：

	A
1	=a=0,AAPL.max(a=if(price>price[-1],a+1,0))

简化关联计算。SPL 支持对象引用的形式表达关联，可以通过点号直观地访问关联表，避免使用 JOIN 导致的混乱繁琐，尤其适合复杂的多层关联和自关联。比如，根据员工表计算女经理的男员工：

=employees.select(gender:"male",dept.manager.gender:"female")

方便的分步计算，SPL 集合化更加彻底，可以用变量方便地表达集合，适合多步骤计算，SQL 要用嵌套表达的运算，用 SPL 可以更轻松实现。比如，找出销售额累计占到一半的前 n 个大客户，并按销售额从大到小排序：

	A	B
2	=sales.sort(amount:-1)	/销售额逆序排序，可在SQL中完成
3	=A2.cumulate(amount)	/计算累计序列
4	=A3.m(-1)/2	/最后的累计即总额
5	=A3.pselect(~>=A4)	/超过一半的位置
6	=A2(to(A5))	/按位置取值

流程控制语法。SPL 提供了流程控制语句，配合内置的结构化数据对象，可以方便地实现各类业务逻辑。

分支判断语句：

	A	B
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

循环语句：

	A	B
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		…

与 Java 的循环类似，SPL 还可用 break 关键字跳出（中断）当前循环体，或用 next 关键字跳过（忽略）本轮循环，不展开说了。

计算性能更好。在内存计算方面，除了常规的主键和索引外，SPL 还提供了很多高性能的数据结构和算法支持，比大多数使用 SQL 的内存数据库性能好得多，且占用内存更少，比如预关联技术、并行计算、指针式复用。

优化体系结构

SPL 支持 JDBC 接口，代码可外置于 Java，耦合性更低，也可内置于 Java，调用更简单。SPL 支持解释执行和热切换，代码方便移植和管理运营，支持内外存混合计算。

外置代码耦合性低。SPL 代码可外置于 Java，通过文件名被调用，既不依赖数据库，也不依赖 Java，业务逻辑和前端代码天然解耦。

对于较短的计算，也可以像 SQLite 那样合并成一句，写在 Java 代码中：

Class.forName("com.esproc.jdbc.InternalDriver");Connection conn =DriverManager.getConnection("jdbc:esproc:local://");Statement statement = conn.createStatement();String arg1="1000";String arg2="2000"ResultSet result = statement.executeQuery(=Orders.select(Amount>="+arg1+" && Amount<"+arg2+"). groups(year(OrderDate):y,month(OrderDate):m; sum(Amount):s,count(1):c)");

解释执行和热切换。业务逻辑数量多，复杂度高，变化是常态。良好的系统构架，应该有能力应对变化的业务逻辑。SPL 是基于 Java 的解释型语言，无须编译就能执行，脚本修改后立即生效，支持不停机的热切换，适合应对变化的业务逻辑。

方便代码移植。SPL 通过数据源名从数据库取数，如果需要移植，只要改动配置文件中的数据源配置信息，而不必修改 SPL 代码。SPL 支持动态数据源，可通过参数或宏切换不同的数据库，从而进行更方便的移植。为了进一步增强可移植性，SPL 还提供了与具体数据库无关的标准 SQL 语法，使用 sqltranslate 函数可将标准 SQL 转为主流方言 SQL，仍然通过 query 函数执行。

方便管理运营。由于支持库外计算，代码可被第三方工具管理，方便团队协作；SPL 脚本可以按文件目录进行存放，方便灵活，管理成本低；SPL 对数据库的权限要求类似 Java，不影响数据安全。

内外存混合计算。有些数据太大，无法放入内存，但又要与内存表共同计算，这种情况可利用 SPL 实现内外存混合计算。比如，主表 orders 已加载到内存，大明细表 orderdetail 是文本文件，下面进行主表和明细表的关联计算：

	A
1	=file("orderdetail.txt").cursor@t()
2	=orders.cursor()
3	=join(A1:detail,orderid ; A2:main,orderid)
4	=A3.groups(year(main.orderdate):y; sum(detail.amount):s)

SQLite 使用简单方便，但数据源加载繁琐，计算能力不足。SPL 架构也非常简单，并直接支持更多数据源。SPL 计算能力强大，提供了丰富的计算函数，可以轻松实现 SQL 不擅长的复杂计算。SPL 还提供多种优化体系结构的手段，代码既可外置也可内置于 Java，支持解释执行和热切换，方便移植和管理运营，并支持内外存混合计算。

SPL下载地址：集算器 (SPL) 最新版发布啦『发布日期 20220601』 - 乾学院

SPL开源地址：GitHub - SPLWare/esProc: esProc SPL is a scripting language for data processing, with well-designed rich library functions and powerful syntax, which can be executed in a Java program through JDBC interface and computing independently.