前言介绍：
现代Java应用程序架构越来越强调数据存储和处理的分离，以获得更好的可维护性、可扩展性和可移植性，如热微服务。该架构通常需要业务逻辑Java在数据库中实现程序，而不是像传统的应用架构一样。
应用中的大多数业务逻辑都涉及结构化数据处理。（SQL）对此类任务有丰富的支持，可以相对简单地实现业务逻辑。Java但这种基本支持一直缺乏，导致使用Java实现业务逻辑非常繁琐和低效。因此，虽然结构有各种优势，但开发效率大大降低。
如果我们在Java它还提供了一套完整的结构化数据处理和计算库，可以解决这个问题：享受架构的优势，而不降低开发效率。
Java理想的结构化数据处理类库应该具备哪些特点？我们可以从SQL来总结：
结构化数据通常是批量的（以集合的形式），有必要提供足够的集合操作能力，以便于计算这些数据。
如果没有集合运算库，只有基本数据类型的数组（相当于集合），我们需要写一个简单的集合成员和四个或五个元素循环句子来完成，过滤、集合和其他操作需要写数百行代码。
SQL提供丰富的集合运算，如 SUM/COUNT 等待聚合运算，WHERE 用于过滤、GROUP 用于分组，还支持集合交付、合并、差等基本操作。这样写出来的代码会短很多。
有集合运算能力就够了吗？假设我们是为了 Java 能否开发一批集合运算类库？ SQL 的效果呢？
没那么简单！
以过滤操作为例。过滤通常需要保留符合条件的集合成员。在 SQL 这种情况是以表达式的形式出现的，比如写作 WHERE x>0，这意味着保留这些，这意味着保留这些 x>0 计算结果是真实成员。这个表达式 x>0 它不是在执行这个句子之前计算的，而是在遍历时为每个集合成员计算的。本质上，这种表达式本质上是一个函数，是一个以当前集合成员为参数的函数。对于 WHERE 就操作而言，它相当于使用表达式定义的函数 WHERE 的参数。
这种写法有一个术语叫做术语 Lambda 语法，或者叫函数式语言。
如果没有 Lambda 语法，我们必须经常临时定义函数，代码将非常繁琐，但也容易发生名称冲突。
SQL大量使用 Lambda 语法，不在于必须过滤、分组操作，也可以用于计算列等不必要的场景，大大简化了代码。
结构化数据不是简单的单值，而是带有字段的记录。
我们发现，SQL 在表达参数中引用记录字段时，在大多数情况下，字段名称可以直接使用，而无需指示字段所属的记录。只有在多个同名字段中，表名（或别名）才需要区分。
新版本的 Java 尽管也开始支持 Lambda 语法，但只能将当前记录作为参数传入此用途 Lambda 语法定义函数，然后在编写计算式时总是带来这个记录。例如，当用单价和数量计算金额时，如果用来表示当前成员的参数被称为 x，需要写x. 单价 *x. 数量这种冗长的形式。而在 SQL 它可以更直观地写成 " 单价 * 数量”。
SQL动态数据结构也能得到很好的支持。
在结构化数据计算中，返回值通常是结构化数据，结果数据结构与计算有关，在编写代码之前无法准备。因此，有必要支持动态的数据结构能力。
SQL中任何一个 SELECT 句子产生新的数据结构，可以在代码中随意添加删除字段，而无需事先定义结构(类)。Java 这种语言不好。在代码编译阶段，应定义所使用的结构（类别）。原则上，在执行过程中不能动态生成新的结构。
从前面的分析中，我们可以得出结论：Java 不适用于结构化数据处理语言。 Lambda 该机制不支持特征 3.作为一种编译语言，特征无法实现 4。
其实前面说的 Lambda 语法也不太适合采用编译型语言来实现。编译器无法确定写在参数位置的表达式是应该当场计算表达式的值，还是将整个表达式编译成函数，需要设计更多的语法符号来区分。解释语言没有这个问题。函数本身可以决定作为参数的表达式是先计算还是遍历集合成员。
SQL确实是解释性语言。
引入SPL
是Java8以官方身份推出的结构化数据处理库不符合上述要求。它没有专业的结构化数据类型，缺乏许多重要的结构化数据计算函数，不是解释性语言，不支持动态数据类型，Lambda语法界面复杂。
属于Java生态系统的一部分，它在Stream在此基础上进行了轻微的改进，也提供了结构化数据计算类型，但由于结构化数据计算函数不足，不支持动态数据类型，Lambda语法界面复杂，仍然不是理想的结构化数据计算库。
它提供了丰富的结构化数据计算函数，但编译语言的特点使其无法成为理想的结构化数据计算库
那么，Java生态下还能用什么？
SPL是由Java解释执行的程序语言，结构化数据计算库丰富，接口简单Lambda语法和动态数据结构方便易用，是Java理想的结构化处理类库。
SPL提供专业的结构化数据类型，即序表。SQL与数据表一样，序表是由批量记录组成的集合，具有结构化数据类型的一般功能，下面举例说明。
分析源数据并生成序表： Orders=T("d:/Orders.csv")
从原序表中生成新的序表： Orders.new(OrderID, Amount, OrderDate)
计算列： Orders.new(OrderID, Amount, year(OrderDate))
字段改名： Orders.new(OrderID:ID, SellerId, year(OrderDate):y)
按序号使用字段： Orders.groups(year(_5),_2; sum(_4))
序表改名(左关联) join@1(Orders:o,SellerId ; Employees:e,EId).groups(e.Dept; sum(o.Amount))
序表支持所有结构化计算函数，计算结果也是序表，而不是Map等数据类型。例如，对于分组汇总结果，继续进行结构化数据处理：
Orders.groups(year(OrderDate):y; sum(Amount):m).new(y:OrderYear, m*0.2:discount)
在序表的基础上，SPL它提供了丰富的结构化数据计算函数，如过滤、排序、分组、去重、更名、计算列、关联、子查询、集合计算、有序计算等。这些函数具有很强的计算能力，可以独立完成计算，无需硬编码：
组合查询： Orders.select(Amount>1000 && Amount<=3000 && like(Client,"*bro*"))
排序： Orders.sort(-Client,Amount)
分组汇总： Orders.groups(year(OrderDate),Client; sum(Amount))
内关联： join(Orders:o,SellerId ; Employees:e,EId).groups(e.Dept; sum(o.Amount))
SPL支持接口简单Lambda语法，无需定义函数名和函数体，可直接以表达式作为函数参数，如过滤： Orders.select(Amount>1000)
在修改业务逻辑时，不需要重构函数，只需简单地修改表达式： Orders.select(Amount>1000 && Amount<2000)
SPL它是一种解释性语言，在使用参数表达式时，无需明确定义参数类型Lambda接口更简单。例如，计算平方和，想要sum在计算平方的过程中，可以直观地写作： Orders.sum(Amount*Amount)
和SQL类似，SPL单表计算时，语法还支持直接使用字段名： Orders.sort(-Client, Amount)
SPL它是一种自然支持动态数据结构的解释性语言，可以根据计算结果结构动态生成新的序列表。特别适用于计算列、分组汇总关联等计算，如直接计算分组汇总的结果： Orders.groups(Client;sum(Amount):amt).select(amt>1000 && like(Client,"*S*"))
或直接计算关联计算的结果： join(Ordes:o,SellerId ; Employees:e,Eid).groups(e.Dept; sum(o.Amount))
较复杂的计算通常都要拆成多个步骤，每个中间结果的数据结构几乎都不同。SPL支持动态数据结构，不必先定义这些中间结果的结构。比如，根据某年的客户回款记录表，计算每个月的回款额都在前10名的客户： Sales2021.group(month(sellDate)).(~.groups(Client;sum(Amount):sumValue)).(~.sort(-sumValue)) .(~.select(#<=10)).(~.(Client)).isect()
SPL中还实现了SQL的解释器，可以直接执行SQL，从基本的WHERE、GROUP到JOIN、甚至WITH都能支持：
$select * from d:/Orders.csv where (OrderDate<date('2020-01-01') and Amount<=100)or (OrderDate>=date('2020-12-31') and Amount>100)$select year(OrderDate),Client ,sum(Amount),count(1) from d:/Orders.csvgroup by year(OrderDate),Clienthaving sum(Amount)<=100
$select o.OrderId,o.Client,e.Name e.Dept from d:/Orders.csv ojoin 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 tleft join ClientTable ct on t.Client=ct.Client
更多语言优势
作为专业的结构化数据处理语言，SPL不仅覆盖了SQL的所有计算能力，在语言方面，还有更强大的优势：
集合化是SQL的基本特性，即支持数据以集合的形式参与运算。但SQL的离散性很不好，所有集合成员必须作为一个整体参于运算，不能游离在集合之外。而Java等高级语言则支持很好的离散性，数组成员可以单独运算。
但是，更彻底的集合化需要离散性来支持，集合成员可以游离在集合之外，并与其它数据随意构成新的集合参与运算 。
SPL兼具了SQL的集合化和Java的离散性，从而可以实现更彻底的集合化。
比如，SPL中很容易表达“集合的集合”，适合。比如，找到各科成绩均在前10名的学生：
| A | |
| 1 | =T("score.csv").group(subject) |
| 2 | =A2.(~.rank(score).pselect@a(~<=10)) |
| 3 | =A1.(~(A3(#)).(name)).isect() |
SPL序表的字段可以存储记录或记录集合，这样可以用的方式，直观地表达关联关系，即使关系再多，也能直观地表达。比如，根据员工表找到女经理下属的男员工：
Employees.select(性别:"男",部门.经理.性别:"女")
是离散性和集合化的典型结合产物，成员的次序在集合中才有意义，这要求集合化，有序计算时又要将每个成员与相邻成员区分开，会强调离散性。SPL兼具集合化和离散性，天然支持有序计算。
具体来说，SPL可以按绝对位置引用成员，比如，取第3条订单可以写成Orders(3)，取第1、3、5条记录可以写成Orders([1,3,5])。
SPL也可以按相对位置引用成员，比如，计算每条记录相对于上一条记录的金额增长率：Orders.derive(amount/amount[-1]-1)
SPL还可以用#代表当前记录的序号，比如把员工按序号分成两组，奇数序号一组，偶数序号一组：Employees.group(#%2==1)
大量功能强大的结构化数据计算函数，这本来是一件好事，但这会让相似功能的函数不容易区分。无形中提高了学习难度。
SPL提供了特有的函数选项语法，功能相似的函数可以共用一个函数名，只用区分差别。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，只须使用选项@1： Orders.select@1(Amount>1000)
数据量较大时，用并行计算提高性能，只须改为选项@m： Orders.select@m(Amount>1000)
对排序过的数据，用二分法进行快速过滤，可用@b： Orders.select@b(Amount>1000)
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常常很复杂，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支持，通过分号、逗号、冒号自高而低将参数分为三层，用通用的方式简化复杂参数的表达： join(Orders:o,SellerId ; Employees:e,EId)
普通的Lambda语法不仅要指明表达式（即函数形式的参数），还必须完整地定义表达式本身的参数，否则在数学形式上不够严密，这就让Lambda语法很繁琐。比如用循环函数select过滤集合A，只保留值为偶数的成员，一般形式是： A.select(f(x):{x%2==0} )
这里的表达式是x%2==0，表达式的参数是f(x)里的x，x代表集合A里的成员，即循环变量。
SPL用，当参数是循环变量时就无须再定义参数了。在SPL中，上面的Lambda语法可以简写作：A.select(~ %2==0)
普通Lambda语法必须定义表达式用到的每一个参数，除了循环变量外，常用的参数还有循环计数，如果把循环计数也定义到Lambda中，代码就更繁琐了。
SPL用。比如，用函数select过滤集合A，只保留序号是偶数的成员，SPL可以写作：A.select(# %2==0)
相对位置经常出现在难度较大的计算中，而且相对位置本身就很难计算，当要使用相对位置时，参数的写法将非常繁琐。
SPL用：
| A | B | |
| 1 | =T("Orders.txt") | /订单序表 |
| 2 | =A1.groups(year(Date):y,month(Date):m; sum(Amount):amt) | /按年月分组汇总 |
| 3 | =A2.derive(amt/amt[-1]:lrr, amt[-1:1].avg():ma) | /计算比上期和移动平均 |
无缝集成、低耦合、热切换
作为用Java解释的脚本语言，SPL提供了JDBC驱动，可以无缝集成进Java应用程中。
简单语句可以像SQL一样直接执行：
…Class.forName("com.esproc.jdbc.InternalDriver");Connection conn =DriverManager.getConnection("jdbc:esproc:local://");PrepareStatement st = conn.prepareStatement("=T(\"D:/Orders.txt\").select(Amount>1000 && Amount<=3000 && like(Client,\"*S*\"))");ResultSet result=st.execute();...
复杂计算可以存成脚本文件，以存储过程方式调用
…Class.forName("com.esproc.jdbc.InternalDriver");Connection conn =DriverManager.getConnection("jdbc:esproc:local://");Statement st = connection.();CallableStatement st = conn.prepareCall("{call splscript1(?, ?)}");st.setObject(1, 3000);st.setObject(2, 5000);ResultSet result=st.execute();...
将脚本外置于Java程序，一方面可以降低代码耦合性，另一方面利用解释执行的特点还可以支持热切换，业务逻辑变动时只要修改脚本即可立即生效，不像使用Java时常常要重启整个应用。这种机制特别适合编写微服务架构中的业务处理逻辑。
简单好用的SPL开源啦！