关于低代码，还有多少你不知道的实情？_低代码开发和java开发有什么区别

最新推荐文章于 2024-04-15 09:11:00 发布

2301_79098686

最新推荐文章于 2024-04-15 09:11:00 发布

阅读量581

点赞数 15

分类专栏： 2024年程序员学习文章标签：低代码 java 开发语言

本文链接：https://blog.csdn.net/2301_79098686/article/details/137675165

版权

2024年程序员学习专栏收录该内容

185 篇文章 0 订阅

订阅专栏

在这个评判标准下，Java肯定不算低了，它就没有一个像样的结构化数据对象。新版Java有了Stream等集合类库并开始支持Lambda语法，但也是且也只能针对很通用的数据对象（这是Java本身的目标决定的），处理结构化数据时写起来仍然比较麻烦。而且，Java是编译型语言，也天生难以动态化。还有，Java是个强面向对象语言，深刻理解面向对象理念并不是件很容易的事情，开发Java应用时还需要建立复杂的工程化环境，这些对于开发人员来讲都是不低的门槛。
C#类似。

SQL一定程度算比较低了，许多非专业人员都能用SQL写出查询，写SQL时也不需要过于关心应用架构，只要理解数据和业务本身，而这也是开发人员必须要有的知识。
但是，SQL有两个硬伤：有序计算和有过程的逻辑。这会导致稍复杂一些的处理都变得非常麻烦，经常写出几百行N层嵌套的语法，过几个月自己都看不懂。SQL还特别难调试，进一步推高开发成本。
如果改用存储过程倒是可以实现过程运算，但那又像转回Java了。虽然存储过程是用SQL写的，但它同样没什么好用的结构化数据对象（只能靠临时表对付）和集合运算，经常还不如用Java指挥SQL来工作（好多应用就是用Java+SQL写的）。而且，使用存储过程时，也会面临一些应用架构的麻烦事。
SQL的“低”，只适合于相对简单的场景。业务需求复杂化之后，它的复杂度就会指数级陡增。

Python略好一点，pandas有个dataframe可以算作是结构化数据对象。但是Python的集成性比较差，除非整个应用都是用Python写的，这种情况还不多见。而且，dataframe也只能算个半吊子，它本质上是个矩阵，并不是我们常规意义的数据表，很多运算思考起来很绕。而且，还要再说一遍而且，pandas是个第三方类包，它的应用环境也不太简单，调试麻烦度依然。
Scala也是一种选择，它也有个dataframe可以对付一些结构化数据处理，但也不算很专业。Scala代码本身还算低，但是面向对象那堆东西的理解门槛一点也不低，而且也面临复杂的工程环境。

SPL才是低代码

那就没有够低的代码了吗？
还是有的，开源集算器的SPL就是低代码，很有可能现在是唯一的了。
这其实是SPL被发明的原因。润乾做报表工具，自然会涉及很多复杂运算，然后发现这些运算用SQL和Java都很难写，而且这些困难无法在现有体系上完善来解决。磨了N年，干脆自己发明一种语言解决这些问题了，也就是SPL。

SPL中有完善的结构化数据对象，大小数据都能搞。它虽然采用了少量面向对象的语法，但并没用深奥的面向对象概念，重点都放在数据处理和运算上。程序逻辑上有点像早期的BASIC语言，基本的分支、循环、子程序都有，很容易理解。再提供了基于结构化数据的集合类型及丰富的库函数，特别擅长支持复杂集合及有序运算，让代码编写能简单很多。

Talk is cheap, Let’s show code.
SPL的代码写在格子里，可以直接用格子作为变量名（Excel用户表示很亲切），天然支持分步运算，网格缩进能清晰体现代码的层次，还提供有完善的调试功能。

imagepng

丰富的库函数，常见的基本运算只要一行搞定。

imagepng

在SPL中甚至可以直接使用SQL（不依赖于数据库哟）：

$select \* from d:/Orders.csv where (OrderDate<date('2020-01-01') and Amount<=100)or 
(OrderDate>=date('2020-12-31') and Amount>100) 

$select year(OrderDate),Client ,sum(Amount),count(1) from d:/Orders.csv  
group by year(OrderDate),Client  
having sum(Amount)<=100

$select o.OrderId,o.Client,e.Name e.Dept from d:/Orders.csv o  
join d:/Employees.csv e on o.SellerId=e.Eid

$with t as (select Client ,sum(amount) s from d:/Orders.csv group by Client)  
select t.Client, t.s, ct.Name, ct.address from t  
left join ClientTable ct on t.Client=ct.Client

SPL本身就有类似Java的过程控制能力。这样，不管有没有数据库，SPL都能起到Java+SQL的效果了。

再和其它代码比一下，比如我们想计算一支股票最长连续上涨了多少天。
SQL写出来是这样的：

select max(consecutive_days)
from (select count(\*) consecutive_days
      from (select sum(updown_flag) over(order by sdate) no_up_days
            from (select sDate,
                         case when price>LAG(price) over(order by sDate)
                              then 0 else 1 end updown_flag
                  from share))
      group by no_up_days)

这个代码，看懂都有点费劲吧。留作练习题，思考一下它的工作原理。

Python写出来这样的：

import pandas as pd
aapl = pd.read_excel(‘d:/AAPL.xlsx’)
continue_inc_days=0;
max_continue_inc_days=0
for i in aapl['price'].shift(0)>aapl[‘price’].shift(1):
    continue_inc_days =0 if i==False else continue_inc_days+1
    max_continue_inc_days = continue_inc_days if max_continue_inc_days < continue_inc_days else max_continue_inc_days
print(max_continue_inc_days)

这个逻辑倒不复杂了，但写出来也不是很简单。

至于Java，就不尝试了，大家自己脑补。
同样的运算，SPL写出来是这样的：