esProc 的 SQL 应用方案

esProc 的 SQL 功能支持文件计算、性能优化等独特功能，本文将总结桌面 IDE、命令行等不同环境下 SQL 的用法，以及常用文件格式、特殊分隔符等多种应用方案，详情点击esProc 的 SQL 应用方案

 

因为支持文件计算、性能优化等独特功能，esProc的SQL功能深受大家喜爱，为了大家更方便地使用，下面将总结SQL的各类应用方案。

基本用法

SQL的基本数据源为文本文件和Excel。文本文件有两种常见的分隔符，制表符分隔的文件一般以txt为扩展名，逗号分隔的文件通常以csv为扩展名，esProc可凭借扩展名自动识别。Excel有两种不同的版本，格式较旧的xls文件和格式较新的xlsx文件，esProc同样可凭扩展名自动识别。

SQL的基本数据格式为带列名的二维表，比如下面的sales.txt：

OrderID                Client    SellerId Amount               OrderDate 26           TAS        1              2142.4   2009-08-05 33           DSGC     1              613.2     2009-08-14 84           GC          1              88.5        2009-10-16 …

 

SQL的基本运行环境为网格脚本，在windows/linux下均可使用。在网格脚本中，可以编写/维护/执行多个SQL，且点击不同的单元格可直接在右边查看计算结果。下面是一些例子：

 

具体SQL写法不是本文重点，若感兴趣可参考 [在文件上使用 SQL 查询的示例](http://c.raqsoft.com.cn/article/1600073770278)

在命令行执行SQL

不方便使用图形环境时，可以在命令行执行SQL。Windows下应使用esprocx.exe命令，例如:

esprocx.exe -r select * from Order.txt

需要注意的是，SQL在 IDE中必须使用前导符号$，而命令行中可以省略该符号。

Linux环境下应使用esprocx.sh 命令，例如：

./esprocx.sh -r select * from Order.txt

无列名的情况

有些文件没有列名（列标题），则可以将SPL语句嵌入SQL，利用SPL的能力灵活处理列名。比如sOrderNT.txt部分数据如下：

26           TAS        1              2142.4   2009-08-05 33           DSGC     1              613.2     2009-08-14 84           GC          1              88.5        2009-10-16 133         HU          1              1419.8   2010-12-12

按第2列查询时，SQL应写作：

$select *   from {file("sOrderNT.txt").import()} where _2='TAS'

从SQL中可以看到，数据无列名时，则以"下划线+序号"为默认列名，第2列的列名就用_2表示，其他列以此类推。{}内是SPL语言，其中import函数可以读取格式更复杂的文件，详细用法参考http://doc.raqsoft.com/esproc/func/fimport.html

为了更直观地使用列名，可以先改列名再计算。传统的SQL写法是用子查询改列名，上面的SQL可改为：

$select * from (         select _1 OrderID ,_2   Client, _3 SellerId, _4 Amount, _5 OrderDate from   {file("sOrderNT.txt").import()}) where Client='TAS'

传统的子查询效率不高且阅读不便，使用SPL语句可以避免子查询，同时可以达到修改列名的目的：

$select * from {file("sOrderNT.txt").import().rename(_1:OrderID,   _2:Client, _3:SellerId, _4:Amount, _5:OrderDate)} where Client='TAS'

 

特殊分隔符

有些文件的分隔符不是常见的制表符或逗号，而是分号冒号等特殊符号，有时甚至用多个字符当分隔符，这种情况下应该用SPL语句中的import函数来指定分隔符。

比如sep.txt的分隔符是双线||，则可以用下面的SQL来读取：

$select * from   {file("sep.txt").import@t(;,"||")}

无换行符

有些文件没有用回车换行区分记录，而是用其他符号，这样的文件整体呈现为一个大字符串。比如SOrderNL.txt的记录之间用|符号分隔：

OrderID                Client    SellerId Amount               OrderDate|26   TAS        1              2142.4   2009-08-05|33                DSGC     1              613.2     2009-08-14…

这种情况要把文件读为字符串，将|替换成回车换行，再用import函数解析为二维表。

$select * from   {replace(file("sOrderNL.txt").read(),"|","\r\n").import@t()}

read函数可参考http://doc.raqsoft.com/esproc/func/read.html

跳过空行

有些文件存在空行，需要跳过才能使用。处理这种情况的一般思路是：在SQL中嵌入SPL语句，用SPL语句读入文件，查询出有用的数据行。

最简单的情况是首行数据有效（可以用import函数解析成二维表），而首行之后不定的位置存在空行。这样文件可用以下SQL查询:

$select * from {file("sOrderb.txt").import@t().select(#1)}

代码中第二个select是SPL的查询函数，select(#1)表示第1个字段不为空。可以用该函数筛选更复杂的数据行，而不仅仅是空行。函数select参考http://doc.raqsoft.com/esproc/func/select.html

如果首行数据无效，就不能用import函数解析成二维表了，这种情况下要用read函数读成行数据，找到有效数据后，再转为二维表。比如前3行无效，正式数据从第4行开始，SQL代码为：

$select * from {file("sOrderb.txt").read@n().to(4:).concat("\r\n").import@t()}

代码中to(4:)表示取第4行直到结尾，即有效数据。concat("\r\n")表示将多行数据拼成一个大字符串，行之间用回车换行符连接。Import函数可将字符串转为二维表。

更复杂的情况下，文件在任意位置都可能存在空行，这时要用SPL的select函数进行一般查询，代码如下：

$select * from {file("sOrderb.txt").read@n().select(~!="").concat("\r\n").import@t()}   where Client='TAS'

 

数据源为SPL 中间计算结果

从前面例子可以看出，有些文件不够规范，需要用较长的SPL代码去解析文件。SPL代码太长，就无法利用网格代码的优势，不仅影响阅读代码，且不方便查错改错。为了充分利用网格代码的优势，esProc SQL允许将任意的SPL中间计算结果作为数据源。

比如“文件在任意位置都可能存在空行”这个例子，可以改用下面的代码：

	A	B
1	=file("sOrderb.txt").read@n()	/按行读入文件
2	=A1.select(~!="")	/取非空行
3	=A2.concat("\r\n").import@t()	/合并为大字符串，解析为二维表
4	$select * from {A3}   where Client='TAS'	/以SPL为源执行SQL

任意的SPL中间结果都可以作为SQL的数据源，这就给SQL语句提供了无限的可能性，包括复杂的文件解析、特殊数据源、大文件计算、循环判断、多源混算等等。

 

数据源为Excel 粘贴而来的数据

把Excel文件当数据源是SQL 的基本用法，也可以利用SPL，把Excel粘贴而来的数据当做数据源。

比如Excel存储着学生成绩，如下图：

	A	B	C	D
1	name	math	english	physics
2	lily	97	100	99
3	Joshua	100	99	100
4	Sarah	98	99	96
5	Bertram	94	95	85
6	Paula	91	88	91
7	Sophia	92	81	76
8	Ben	87	80	76
9	Ruth	92	91	87
10	Pag	95	87	87

首先在Excel中选定A1:D10，连带列名一起复制粘贴到esProc脚本的A1单元格，再编写SPL代码，最后编写SQL。如下图：

	A	B
1	name math english   physics lily 97 100 99 Joshua 100 99 100…	/从Excel粘贴来的数据
2	=A1.import@t()	/解析为二维表
3	$select * from {A2}  where math>=80	/执行SQL

注意，一定要进入A1格的编辑状态才能进行复制，不然会把剪贴板的内容填进一大片格子，虽然也有办法进行计算，但占有区域太大，会影响代码布局。

多行记录

多行记录属于格式不规范的文件，比如下面的文件每三行代表一条记录，第一条记录是：26\TAS\1\2142.4\2009-08-05。

26 TAS        1              2142.4 2009-08-05 33 DSGC     1              613.2 2009-08-14 84 GC          1              88.5 2009-10-16

下面使用SPL将该文件整理成规范二维表，再用作SQL数据源，代码如下：

	A	B
1	=file("D:\\data.txt").import@si()	将文件读为序列，不拆分字段
2	=A1.group((#-1)\3)	每3行分一组
3	=A2.new(~(1):OrderID,   (line=~(2).array("\t"))(1):Client,line(2):SellerId,line(3):Amount,~(3):OrderDate   )	创建二维表，~(1)表示当前组的第1个成员
4	$select * from {A3} where year(OrderData)=2009

 

多源混算

利用SPL语言，可以在SQL中实现不同数据源之间的混合计算。

比如Oracle的sales表存放员工的销售订单，excel文件emp.xlsx存放各部门的员工信息，需要计算每个部门的销售额，可使用如下代码：

 

	A	B
1	=file("emp.xlsx").xlsimport@t()	/Excel 数据源
2	=connect("orcl").query@x("select   * from sales")	/数据库数据源
3	$select   e.dept,sum(s.amount) from {A2} s left join {A1} e on s.sellerid=e.eid group   by e.dept	/混合计算

 

高性能文件格式

如果文件较大，SQL性能较差，可转为esProc高性能文件格式btx。比如将orders.txt转为orders.btx，代码如下：

	A	B
1	=file("orders.txt").cursor@t()	/游标方式打开大文本文件
2	=A1.sortx(OrderID)	/排序
2	=file("sales.btx").export@z(A2)	/转为btx格式，@z表示文件有序

btx的基本用法与文本文件和Excel一样，但性能会显著提升，比如条件查询：

$select     orderid,client,amount from sales.btx where Client='TAS'

 

Txt和btx的差异可参考http://doc.raqsoft.com/esproc/tutorial/jiwenjian.html   

如果想进一步提高SQL性能，就要使用更高性能的ctx文件以及esProc扩展的SQL+能力了，可以提供包括并行计算等能力，参考：http://doc.raqsoft.com/esproc/func/sqljia.html