esproc spl

SQL，查询每天最接近指定时间的记录Oracle 数据库的某表有一列是日期时间类型，每天对应多条数据：现在要从每天找出两条记录，一条离当天的早 8 点最近，一条离当天的晚 20 点最近。

数据仓库的性能问题及解决之道随着数据量不断增长和业务复杂度逐渐攀升，数据处理效率面临巨大挑战。最典型的表现是面向分析型场景的数据仓库性能问题越来越突出，压力大、性能低，查询时间长甚至查不出来，跑批跑不完造成生产事故等问题时有发生。当数据仓库出现性能问题时便不能很好服务业务了。

SQL，根据数据的时间跨度进行不同粒度的统计MSSQL 的某个视图会生成时间跨度不同的数据，当时间跨度小于 30 天时：需要按branchId和日期分组，对 totalPrice 求和，结果应当如下：

SQLite 的挑战者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，这种情况下 SQLite 是一个不错的选择，它架构简单，集成方便，可持久化存储数据，并提供 SQL 实现计算能力。

SQL：递归计算出树型层次结构SQL SERVER 有个任务表，其中 id 字段是主键，parent 字段是指向 id 的外键，用于描述多个节点如何组成一棵树状。树的根节点是空，parent 为空的那些记录是根的子节点，即二级节点。weight 字段只有在叶子节点时才有值。

面向 Java 程序员的 SQLite 替代品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。

单机顶集群的大数据技术来了大数据时代的分布式数仓（如 MPP）是个热门技术，甚至到了提到数据仓库言必称分布式的地步。但是，分布式数仓真有必要吗？毕竟这些分布式数仓产品都不便宜，无论是采购成本还是运维成本都很高。是不是有低成本轻量级的方案呢？

数据分析编程：SQL,Python or SPL?用户行为数据表10 分钟没有任何动作或退出后 5 分钟没有登录则认为会话结束，计算各用户的会话次数。球赛得分表

从 ES Kafka Mongodb Restful ... 取到 json 之后json 是个好东西，它可以使用公共的文本形式承载了丰富的结构化数据的信息。现代很多技术都在喜欢使用 json 作为数据传输格式，比如 Elastic Search,Restful,Kafka 等，Mongodb 这类对性能较在意的技术则使用了二进制化的 json。

没有数据库也能用 SQL手头有些 csv/xls 文件，比如这样的：这种数据很适合用 SQL 做查询，但可惜 SQL 只能用在数据库，要安装个数据库并把这些文件导入，为这么个目标搞的整个应用系统都臃肿很多，实在是划不来。要是有什么技术能直接把这些文件当成数据表用 SQL 查询就好了。

为 Lambda 语法增加序运算能力我们继续讨论集合运算中的 Lamba 语法，引入和次序相关的运算能力。 SQL 延用了数学上的无序集合概念，遍历集合时也不关注次序。但计算机只能一步步地执行，循环时总会有个次序，充分利用这个次序就可以方便地表达更丰富的计算需求。比如我们想从一个集合取出半数成员构成新集合。这看起来象是过滤运算，但过滤条件和集合成员本身并没有关系，而是由循环时的次序号决定的。 SPL 中只用 ~ 写法还无法方便地描述出这种运算，这时候还需有个符号（标识符）来表示循环的次序号。这是 Lambda 语法的第四条。

Excel筛选数据时用到分类汇总值举个例子;现有分类产品销售额汇总表如下所示：请找出销售额大于所在分类平均销售额的产品：使用 SPL XLL，输入公式：

BI 软件能对付多少数据分析任务？其实没多少！从早期喊的多维分析到近年来喊敏捷 BI，BI 厂商一直在强调自助能力，宣称可以由业务人员自己随心所欲地分析数据，而用户也常常有强烈的需求，双方一拍即合，很容易形成购买行为。不过，就大多数缺乏 BI 应用经验的用户所期望的工作内容而言，自助分析的目标就可以说远远达不到！从经验上看，最好情况也就能解决 30% 左右的问题而已，而大多数 BI 产品连这个数也达不到，只能处理 10% 左右的需求。

Excel中查找某个值的位置，用位置取值有 2022 年 1 月的日销售额统计表如下所示：找出销售额最大的是哪一天，在 C2 单元格里输入：返回结果 12