一个超越 SQLite 的数据库！

最新推荐文章于 2024-11-12 20:35:48 发布

codingpy

最新推荐文章于 2024-11-12 20:35:48 发布

阅读量86

点赞数

文章标签：数据库 sqlite jvm oracle

版权

你好，我是 EarlGrey，喜欢翻译点东西，偶尔写写代码。

点击下方卡片关注我，一起向上进击，提升自我。后台回复关键词“电子书”，送你一份我收藏的电子书合集。

众所周知，很多小微型应用程序都需要一些数据处理和计算能力，但如果集成一个数据库就显得太沉重了，正因如此，小巧轻量的 SQLite 才会被广泛应用。

不过，SQLite 也有些不方便的地方。SQLite 对外部数据文件及其它数据源的支持力度比较弱又很繁琐；它本身没有存储过程，需要用主程序配合来实现流程，这会导致经常和主程序交换数据（流程走向依赖于数据），效率低且代码麻烦；复杂些的运算用 SQL 也很难写，开发效率较低。

为了兼顾轻量易用、高效强大等功能，GitHub 上一款名为 esProc SPL 的国产开源数据库应运而生。

GitHub：https://github.com/SPLWare/esProc

esProc 是纯 Java 开发，把 jar 包直接引入到 Java 应用程序中就可以使用了，完全无缝集成。

同时，esProc 也提供了标准 JDBC 接口，就像访问数据库一样可以被 Java 主程序调用，只不过 esProc 使用的查询语言称为 SPL，而不是 SQL。

Class.forName("com.esproc.jdbc.InternalDriver");

Connection conn =DriverManager.getConnection("jdbc:esproc:local://");

Statement statement = conn.createStatement();

ResultSet result = statement.executeQuery("=T(\"Orders.csv\").select(Amount>1000 && like(Client,\"*s*\")

对于复杂些的运算需求，SPL 写起来要比 SQL 简单多了。

比如：找出销售额占到一半的前 n 个客户，并按销售额从大到小排序。SQL 写出来是这样的：

with A as (select client,amount,row_number() over (order by amount) ranknumber from sales)

select client,amount

from (select client,amount,sum(amount) over (order by ranknumber) acc from A)

where acc>(select sum(amount)/2 from sales)

order by amount des

SQL 很难处理恰好要过线的那条记录，只能换个方法变相实现，即计算销售额从小到大的累计值，反过来找出累计值不在后一半的客户。而且 SQL 要把复杂逻辑写在一句中，即使用了 with 子句（充当中间变量）和窗口函数，仍然要嵌套，技巧性太强，也不好调试。

而 SPL 有更丰富的集合运算，也容易实现分步计算，按自然思维去写就行了：

和大多数写成文本的程序语言不同，SPL 的代码是写在格子里的，这个帖子写在格子里的程序语言里有更多信息。

SPL 本身就有完善的流程控制语句，像 for 循环，if 分支都不在话下，还支持子程序调用。这相当于提供了存储过程的能力，只用 SPL 就能实现非常复杂的业务逻辑，几乎不再需要主程序来配合了，主程序只是简单调用它就行了，方法也和调用数据库存储过程一样：

Class.forName("com.esproc.jdbc.InternalDriver");

Connection conn =DriverManager.getConnection("jdbc:esproc:local://");

CallableStatement statement = conn.prepareCall("call queryOrders()");

statement.execute();

不同的是，SPL 脚本是解释执行的，在修改后就会立即生效，不像存储过程一样需要有个编译过程。特别地，这些脚本可以存放在主程序之外，改动时不需要主程序跟随重新编译部署，可以实现业务逻辑的实时热切换。如果是主程序配合数据库的 SQL 才能实现的逻辑就没有这个好处了。

SPL 支持的数据源就太丰富了。各种格式的文本文件,Excel 文件, 关系数据库，NoSQL 数据库,HTTP,Kafka,…，以及 json/xml 格式的数据，反正你听说过和没听说过的数据源都被 esProc 做好了访问接口，只要简单的一两句代码就可以读写。

T("Orders.csv").select(Amount>2000 && Amount<=3000)

Orders=json(httpfile("http://127.0.0.1:6868/api/orders").read())

db=connect("mysql")

db.query("select * from salesR where SellerID=?",10)

...

访问这些外部数据时不需要事先创建表，直接读就行了，非常方便。而且，这些文件和数据源在 SPL 中都是可写的，所以可以用来做数据持久化，这样写出来的数据还可能被其它应用程序访问。

file("Orders.csv").export@t(A2)

file("Orders.xlsx").xlsexport@t(A2)

db.update(NewTable:OldTable)

SPL 还提供了特有的二进制格式文件，可以获得更高的读写性能。

和 SQLIte 类似，esProc 非常轻量，核心 jar 包只有 15M，完整部署也就 1G 左右，它可以在安卓上流畅运行。不过，有点遗憾的是，esProc 目前只有 Java 版本，集成进非 Java 应用程序时相对麻烦，也不能在没有成熟 JVM 环境的 iOS 上工作。

因其简单易用的特性，自开源以来，esProc 的 GitHub Star 一直在持续上涨，截止目前，已在 GitHub 上累计增长 3600+ Star，成为广受开发者喜爱的又一国产数据库。

GitHub：https://github.com/SPLWare/esProc

本文来源：GithubDaily

***

- EOF -

推荐阅读点击标题可跳转

分享、在看、点赞，3连

关注