开源 SPL，ORM 的终结者？

业务逻辑经常包含较复杂的流程和计算，同时涉及数据库的读写。由于授权麻烦、影响数据库安全、无法迁移、技术要求高、编写困难等原因，很多场景不适合用存储过程实现业务逻辑。因为不擅长复杂的流程处理，SQL也不适合单独实现业务逻辑，必须与JAVA等高级语言配合才行。但SQL和高级语言的语法风格迥然不同，数据结构差异巨大，导致两者难以配合，开发效率始终无法提高。在这种情况下，ORM适时而生。

ORM是一种将结构化数据（表/记录）映射为高级语言的对象的技术，这样就可以用统一的数据结构和语法风格实现业务逻辑，其根本目标还是提高开发效率。常见的ORM技术有Hibernate、QueryDSL、JOOQ等。

在数据结构和语法风格的统一方面，ORM表现优秀，已经在大量项目中得到广泛应用。但ORM仍有很多不足，主要表现在：缺乏专业的结构化数据类型，集合运算不够方便，读写数据库时代码繁琐，不支持热部署，库函数不够丰富，复杂计算难以实现。ORM的这些缺点导致业务逻辑的开发效率没有明显提升，有时甚至大幅降低。

作为JAVA下开源的结构化数据处理类库，SPL可以解决ORM期望目标，甚至有更好的表现。

SPL用统一数据结构和语法风格实现业务逻辑

比如一个常见的业务逻辑：根据规则计算出奖金，向数据库插入包含奖金字段的记录。可用下面的SPL代码实现：

	A	B	C
1	=db=connect@e("dbName")		/连接数据库，开启事务
2	=db.query@1("select sum(Amount) from sales where sellerID=? and year(OrderDate)=? and month(OrderDate)=?", p_SellerID,year(now()),month(now()))		/查询当月销售额
3	=if(A2>=10000 :200, A2<10000 && A2>=2000 :100, 0)		/本月累计奖金
4	=p_Amount*0.05		/本单固定奖金
5	=BONUS=A3+A4		/总奖金
6	=create(ORDERID,CLIENT,SELLERID,AMOUNT,BONUS,ORDERDATE)		/创建订单的数据结构
7	=A6.record([p_OrderID,p_Client,p_SellerID,p_Amount,BONUS, date(now())])		/生成一条订单记录
8	>db.update@ik(A7,sales;ORDERID)		/尝试写入库表
9	=db.error()		/入库结果
10	if A9==0	>A1.commit()	/成功，则提交事务
11	Else	>A1.rollback()	/失败，则回滚事务
12	>db.close()		/关闭数据库连接
13	return A9		/返回入库结果

上面的SPL代码使用统一的数据结构、语法、函数，就可以完成整个业务逻辑的开发，包括数据库读写、事务处理、流程处理、数据计算。

JAVA代码本身不包含业务逻辑，通过JDBC驱动引用上面的SPL脚本，就可以实现业务逻辑。

…
//省略参数的获取过程
Class.forName("com.esproc.jdbc.InternalDriver");
Connection conn =DriverManager.getConnection("jdbc:esproc:local://");
CallableStatement statement = conn.prepareCall("{call InsertSales(?, ?,?,?)}");
statement.setObject(1, d_OrderID);
statement.setObject(2, d_Client);
statement.setObject(3, d_SellerID);
statement.setObject(4, d_Amount);
statement.execute();
...

JAVA调用SPL的形式与调用存储过程相同，且无须数据库管理员授权，不影响数据库安全，便于迁移，方便调试，处理能力更强，代码更简单。

SPL提供了专业的结构化数据对象，具备完整的内外数据交换能力和流程控制能力。

结构化数据对象

业务逻辑围绕结构化数据对象展开，SQL、ORM、SPL都内置专业的结构化数据对象，并据此提供了各自的结构化数据计算函数。类似ORM的实体/List<实体>，SPL的结构化数据对象是记录/序表。

取记录的字段值：=r.AMOUNT*0.05
修改记录的字段值：=r.AMOUNT= T.AMOUNT*1.05
序表取一列：T.(AMOUNT)
序表追加记录：T.insert(0,31,"APPL",10,2400.4)
基于序表，SPL提供了丰富的SQL式计算函数。
过滤：T.select(Amount>1000 && Amount<=3000 && like(Client,"*bro*"))
排序：T.sort(-Client,Amount)
去重：T.id(Client)
汇总：T.max(Amount)
分组汇总后过滤： T.groups(year(OrderDate),Client; avg(Amount):amt).select(amt>2000)
关联：join(Orders:o,SellerId ; Employees:e,EId).groups(e.Dept; sum(o.Amount))
交集：T1.id(Client) ^ T2.id(Client)
TopN：T.top(-3;Amount)
分组topN：T.groups(Client;top(3,Amount))

此外，SPL还提供了字符串、日期、数学等多种函数，充分满足业务逻辑中的计算需求。

内外数据交换能力

将外部数据库的记录读为内部结构化数据对象，ORM主要通过主键查询、HQL查询、SQL查询、链式编程等方式。类似地，SPL提供了query函数执行SQL的方式。

取单条记录：
=r=db.query("select * from sales where orderid=?",201)

取序表（记录集合）：
=T=db.query("select * from salesR where SellerID=?",10)

为了增强可移植性，SPL提供了通用SQL，使用sqltranslate函数可将通用SQL转为主流方言SQL，仍然通过query函数执行。这不是本文重点，不展开说了。

将内部结构化数据对象持久化到数据库，ORM主要通过save(新增的实体)、update（修改的实体）、delete(删除的实体)等方式。类似地，SPL使用update函数。

比如，原序表为 T，经过增删改之后的序表为 NT, 将变化结果持久化到数据库：
=db.update(NT:T,sales;ORDERID)

流程控制能力

业务逻辑的难点在于复杂的流程控制（判断和循环）。SQL缺乏流程控制能力，ORM把数据库表映射为JAVA对象，主要目的就是为了更方便地利用JAVA的流程控制能力。类似JAVA，SPL具备完整的流程控制能力。

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。

SPL超越ORM获得更高的开发效率

SPL不仅能用统一的数据结构和语法风格实现业务逻辑，还能够达到ORM的根本目标，显著提高业务逻辑的开发效率。

更方便的集合运算

对结构化数据对象（实体集合）进行集合运算时，ORM有两种方法：循环语句+硬编码，Stream等Lambda表达式+集合函数。前者代码量显然巨大，后者似乎可以少写代码，但因为编译型Lambda表达式繁琐、集合运算函数少且功能弱等原因，导致大多数运算都要辅以硬编码。比如简单的分组汇总，就要用到groupingBy、Collectors、summarizingDouble、DoubleSummaryStatistics等多个类和方法。

SPL提供了简洁易懂的解释型Lambda语法，以及数量众多的集合函数，可以方便地进行集合运算。

比如，批量修改记录：T.run(BONUS+AMOUNT*0.01: AMOUNT, concat(left(CLIENT,4), "co.,ltd."): CLIENT)
过滤：T.select(Amount>1000 && Amount<=3000)
对有序序表按二分法进行过滤：T.select@b(Amount>1000 && Amount<=3000)
分组汇总：T.groups(Client;sum(Amount))
有序分组（相邻且字段值相同的记录分为一组）：T.groups@b(Client;sum(Amount))

涉及跨行的集合运算，通常都有一定的难度，比如比上期和同期比。ORM没有为跨行运算做优化，代码通常很繁琐。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)

灵活运用SPL的Lambda语法和集合函数，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	…//省略序表Employees的生成过程
2	=Employees.group(DEPT; (a=~.avg(age(BIRTHDAY)),~.select(age(BIRTHDAY)<a)):YOUNG)
3	=A2.conj(YOUNG)

计算某支股票最长的连续上涨天数：

	A
1	…//省略序表AAPL的生成过程
2	=a=0,AAPL.max(a=if(price>price[-1],a+1,0))

更专业的结构化数据类型

ORM的结构化数据类型是实体/List<实体>，通用性较强，但专业性不足，很多常用的访问方法都不支持，比如按字段名取某一个或某几个列。SPL的结构化数据类型是记录和序表，更加专业，功能也更强，常见的访问方法都支持。

比如，在序表T的基础上，按字段名取一列，返回简单集合：T.(AMOUNT)。

取几列，返回集合的集合：T.([CLIENT,AMOUNT])

取几列，返回新序表：T.new(CLIENT,AMOUNT)

按序号访问通常难度较大，序表天然有序，很容易处理此类问题。比如，按列号取几列，返回新序表:T.new(#2,#4)

按序号倒数取记录：T.m(-2)

按序号取某几条记录形成序表：T([3,4,5])

按范围取记录形成序表：T(to(3,5))

先按字段取再按记录序号取：T.(AMOUNT)(2)；等价于先按记录序号取再按字段取：T(2).AMOUNT

除此之外，SPL还有很多基于序表的高级功能，如TopN、蛇形取值、有序关联等。

解释执行和热部署

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。ORM的本质是JAVA代码，需要先编译再执行，一般都要停机才能部署，应对变化的业务逻辑时非常繁琐。

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，支持不停机的热部署，适合应对变化的业务逻辑。

更方便的数据库读写方法

大量的业务逻辑要读写批量记录，这种情况下ORM只能循环ArrayList，并单独处理每条记录，代码冗长繁琐。遇到既有新增，又有修改和删除的批量写库的情况，ORM的代码就更复杂了。

基于序表，SPL提供了更方便的方法读写批量记录，可大幅简化代码。比如批量修改记录：

	A	B
1	…
2	=T=db.query("select * from salesR where SellerID=?",10)	/批量查询，序表 T
3	=NT=T.derive()	/复制出新序表 NT
4	=NT.field("SELLERID",9)	/批量修改
5	=db.update(NT:T,sales;ORDERID)	/持久化到数据库

上面代码中，函数update实现批量修改，无须繁琐的循环语句。函数update经过精心设计，可以统一处理多种批量写库方法，遇到既有新增，又有修改和删除的批量写库的情况，SPL的优势更加明显。

	A	B
1	…
2	=T=db.query("select * from salesR where SellerID=?",10)	/查出一批记录
3	=NT=T.derive()	/复制出新序表
4	=NT.delete(NT.select(ORDERID==209 \|\| ORDERID==208))	/批量删除
5	=NT.field("SELLERID",9)	/批量修改
6	=NT.record([220,"BTCH",9,5200,100,date("2022-01-02"), 221,"BTCH",9,4700,200,date("2022-01-03")])	/批量追加
7	=db.update(NT:T,salesR;ORDERID)	/持久化到数据库

与ORM相比，SPL是专业的结构化数据处理语言，数据对象更强大，语法更灵活，函数更丰富，可以更容易地进行数据库读写，可以简化复杂的流程处理和数据计算，可以真正提高业务逻辑的开发效率。