很多小微型应用程序也需要一些数据处理和计算能力，如果集成一个数据库就显得太沉重了，小巧轻量的 SQLite 是个不错的选择，因而被广泛应用。
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。
如果你恰好是在用 Java 或安卓上编程，那么 esProc SPL 可能是个更好的选择，那些问题都不复存在了。
esProc 也是个免费开源的软件，在这里 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。
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*\")
esProc 也支持使用 SQL，不需要定义元数据，直接把数据文件当表就可以：
ResultSet result = statement.executeQuery("$SELECT * FROM Orders.csv WHERE Amount>1000 AND Client LIKE '%s%'")
不过，对于复杂些的运算需求，SPL 写起来要比 SQL 简单多了。比如我们经常举例的任务：计算一支股票最长连续上涨的天数，SQL 要写成多层嵌套，冗长且难懂：
select max(ContinuousDays) from (
select count(*) ContinuousDays from (
select sum(UpDownTag) over (order by TradeDate) NoRisingDays from (
select TradeDate,case when Price>lag(price) over ( order by TradeDate) then 0 else 1 end UpDownTag from Stock ))
group by NoRisingDays )
SPL 提供了更多的基础函数，同样的计算逻辑，写起来要简单得多：
Stock.sort(TradeDate).group@i(Price<Price[-1]).max(~.len())
用更自然的思路也可以（SQL 实现不了这个过程，只能绕路用上面的多层嵌套写法）：
|---|----------------------------------------------------------------|
| | A |
| 1 | =cnt=0 |
| 2 | =Stock.sort(TradeDate).max(cnt=if(Price>Price[-1],cnt+1,0)) |
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 JVM 相比，esProc 非常轻量，核心包只有 15M，几乎可以忽略不计，在安卓上也能流畅运行。