如何回答好面试题，存储过程用还是不用？

点击蓝色“有关SQL”关注我哟

加个“星标”，天天与10000人一起快乐成长

很多朋友习惯以阿里禁止使用存储过程，来鼓吹项目中不该使用它。

我想问的是，阿里那帮程序员，为了不用存储过程，做过的那些努力，你看到了吗？在去 SP 的过程中，所使用的技术与编程模式，你会吗？

SP: Stored Procedure. 即存储过程

人云己不亦云，一直是我对自己的要求。

程序员的独立思考习惯，与其他行业从业人员相比，我认为一直占据上风。出现其他行业“群氓”的惯性思维，概率很低。这是一帮只认 0 和 1 的清醒思考份子。他们谁都不信，只相信自己经手的代码和逻辑。

该不该用存储过程，取决于很多因素。有项目本身因素，也有人员配置因素。

抛开项目说策略，就跟不以结婚为目的的谈恋爱一样。一个简单的匿名留言板，用贵上天的 Oracle 干吗，用 MongoDB,用 ElasticSearch,甚至用 Redis，不香嘛！

对信息系统理解不全面，脑袋里只有 OLTP 系统, 眼里只有 CRUD  一类的 M-I-O 应用，那么自然会觉得存储过程没有用的必要。用 Java, PHP 完全能胜任数据一进一出的功能。甚至能做得更好。

比如在迁移数据库的时候，在更换数据库软件的时候，只需在前端的 Helper, Utility 类中，更改下数据库驱动和连接，即可实现无缝转换。假如此时要把存储过程从 SQL Server 迁移到 Oracle 上，那必然得重招一批数据库开发。成本巨大，且不宜长久的事，哪家公司会做这样的好人？

再比如，在对接异构分布式数据库的时候，由前端语言接口，封装好对数据库的访问以及路由，就能自动承接各数据库来的各类型数据结构。关系型也好，半关系型，甚至离散数据，都能友好地组织起来。要用存储过程来实现，那必然要在数据库动态库上编程，使其适应各类平台的连接，参考 SQL Server HDInsight 对接 Spark 引擎的实现。

显然，动态链接库增加了数据库的复杂性和脆弱性，且不如前端实现，那么灵活与可扩展。写一个连接服务，部署到 10 台应用服务器中，就能扛起 10 倍的流量。而写一个动态链接库，放一台数据库服务器中，撑起的流量不变。

OLTP: Online Transaction Processing, 在线交易系统, 在线事务处理系统

CRUD:Create Retrieve Update Delete 即增删改查

M-I-O: Message IN And Out 消息输入输出

看到这，似乎没有一条有利于存储过程的存在。那是不是小编我就鼓吹不用存储过程了呢？我把开头的话，再讲一遍，抛开项目说策略，就跟不以结婚为目的的谈恋爱一样。

时刻保持脑子可以清醒思考，是程序员的重要素质。

除了 OLTP，这世界上还有一种叫做 OLAP 的应用。OLTP 系统运行多年后，承载了大量的用户数据，订单数据，行为数据。像用户画像，漏斗分析，运营决策这样的应用，大家耳朵上的茧子都听得长厚了。

这些需求一旦展开，往往牵扯到跨时长达3，5年的查询，数据量巨大，引起大量 CPU, Memory,IO   的开销，足够摧毁正常业务操作。说人话，一张报表拖死一个应用，常有的事儿。

OLAP 技术便应运而生，除了要给足这些应用硬件资源，还要搭配一些软件设计模式。在这个成熟的 OLAP 领域，不得不提 Kimball 和 Inmon 的维度建模思维和实战。广为大家所知的，便是 ETL ，Reporting 和 Data Modelling. 在整个数据管道的过程中，如果计算下聚合，都要跑前台应用程序过一遍，那么数据的流入流出，就已经花费极大的宽带流量和时间了。所以落地这些大型计算和存储，必定要存储过程来承担。

可能大家都知道，就连 Hadoop/Spark 都强调数据本地性的调优法则。这大概正是从数据库的存储过程中得到的启发。

OLAP: Online Analysis Processing, 在线分析处理

存储过程将会在很长一段时间内，继续占据商业数据库应用市场。但 NoSQL 以及分布式大数据平台 （可看成 NewSQL）这支力量，也不可小觑。很多应用不再以数据库为中心，更多采用去中心化设计。

比如以往记录日志，会选择以数据库为存储，不仅耗费大量昂贵的数据库存储空间，还加大数据库的开销。自从 MongoDB,ElasticSearch 出现之后，日志类文件最佳使用方法，便是记录到这些 NewSQL 数据库中。

这些数据库不仅仅以廉价的机器作为存储，更可以负担一些以往落在数据库上的操作。并且，这些系统出现时，就瞄准了传统商业数据库难以水平扩展的难题，他们的架构使得水平扩展集群性能变得容易。

配以这幅图，这肯定不难理解。

当中央数据库被划分为 5 大地区数据库后，服务能力提升是明显的。但传统数据库就没有这么好的扩展性。所以各家数据库服务商拼命地都往云上赶，就是这个道理。云服务扩展的便利，简单得令人发指，千百台机器，点击便可完成。前提当然是，甲方爸爸非常有钱。

 那么，存储过程在这个时候，就不得不让位于分布式编程。如果写SQL的朋友，一直不往其他领域扩展，等到有大数据分布式相关项目的时候，就只能眼睁睁看着机会溜走。岂不可惜？

但，是不是这些 NoSQL,NewSQL 能直接取代传统数据库了呢，并不是。举个例子，他们现阶段难以掌控的事务控制，像MongoDB, ElasticSearch，事务控制加在了文档一层，单个文档可以保证ACID，但多个文档就需要程序员自己控制。像Redis这样的缓存级数据层，在多表聚合这类操作上，还要大大依赖前端开发人员的编程实现。

即使有程序库可以完成这些操作，那也将是类存储过程的这种实现，像MongoDB用 JavaScript 模板。那么为什么要放弃团队中会存储过程，这种已经熟得不能再熟的技术呢？这不是每个程序员必会的技能么。

程序本质上是人类思考的结果，无论用存储过程还是Java,PHP前端语言（与数据库后端相比，其他语言都可划为前端），我们完成的始终是业务的计算。那么自然是哪个方便，用哪个；哪个最有效率，用哪个。

与其纠结于用什么实现业务逻辑，倒不如考虑业务复杂度和团队协作便利性。如果有全栈工程师，从前到后，都可以玩得来，那么就让他快速迭代产品。如果前端工程师对数据库有认识上的偏差，对于调优和事务不能很好控制，又或者项目紧张，一个全栈工程师忙不过来，那么就把前端和后端独立开来，招两端各自优秀的工程师，各司其职就好。

但无论怎么样，我们最好前后及后都懂些，然后选一个精通。这可以完美避免，互相指着鼻子骂对方是猪队友的尴尬情况。

前：除了数据库, 其他都可称前端；

后：存储基础业务库的数据库端；

及后的后：服务 OLAP 的数据平台，即包括数据库，还有分布式大数据平台。

Lenis，公众号：有关SQLBI, 数据仓库，ETL, 数据开发，有什么区别？

--完--

往期精彩：

本号精华合集（二）

如何写好 5000 行的 SQL 代码

如何提高阅读 SQL 源代码的快感

我在面试数据库工程师候选人时，常问的一些题

零基础 SQL 数据库小白，从入门到精通的学习路线与书单