![cover](https://img-blog.csdnimg.cn/img_convert/b0ea259c4125553584a074939eeec7ec.png)
关于低代码,还有多少你不知道的实情?
什么样的代码算低?低代码这个词这两年热闹起来,冒出一堆创业团队搞这东西。以前只知道代码有长短,现在才知道代码还有高低。所谓低代码,直观来讲,就是让代码写起来更简单。完成同样的任务时,代码量(也就可以理解为工作量)更少;另外,还有个重要指标是要对开发人员的要求够低,如果都要N年经验的高手来写,即使能写得短小也很难达到降低成本提高效率的目的。显然,讨论低代码时,首先得有一种代码,看看这种代码是不是比其
什么样的代码算低?
低代码这个词这两年热闹起来,冒出一堆创业团队搞这东西。以前只知道代码有长短,现在才知道代码还有高低。
所谓低代码,直观来讲,就是让代码写起来更简单。完成同样的任务时,代码量(也就可以理解为工作量)更少;另外,还有个重要指标是要对开发人员的要求够低,如果都要N年经验的高手来写,即使能写得短小也很难达到降低成本提高效率的目的。
显然,讨论低代码时,首先得有一种代码,看看这种代码是不是比其它代码更低一点。
不过,现在很多喊着低代码的所谓开发平台并没有自己的代码,而是做了一些框架和模板,由开发人员在模板内填填东西就搭出一个应用系统。应对简单需求也没问题,也还算好用,但业务复杂到要用代码来搞定时,还是要用Java/C#这些代码。
低代码要低的是代码,而不是框架。不用代码的模板确实能解决一些问题,但仍然有太多业务需要代码来搞定,代码的高低确实和开发效率休戚相关。
那么,什么样的代码才算是低代码呢?
低代码主要面向信息系统(广义上俗称MIS)开发,因为只有这种应用的需求五花八门,每家不一样,永远在变做不完,高效率低门槛的开发手段就显得特别有意义。
信息系统的主要任务其实就是围绕数据的三样事:输入Input、处理Process、输出Output,合起来就是个IPO。IO现在可以由成熟的报表工具和界面控件解决,那麻烦的事就剩P了,大部分开发过程要写的业务逻辑也就是这种事。
这样,我们评判一种代码是不是够低,就是看这种代码处理数据是不是方便。
什么样的数据呢?
主要是结构化数据,也就是存在关系数据库中的那种数据。这是信息系统中最常见的数据种类。其它的非结构数据要么只有一些专门固定的处理需求,要么还是要转化或抽取出结构化数据才会有灵活处理的需求。
问题就转换成哪种代码擅长处理结构化数据了。
在这个评判标准下,Java肯定不算低了,它就没有一个像样的结构化数据对象。新版Java有了Stream等集合类库并开始支持Lambda语法,但也是且也只能针对很通用的数据对象(这是Java本身的目标决定的),处理结构化数据时写起来仍然比较麻烦。而且,Java是编译型语言,也天生难以动态化。还有,Java是个强面向对象语言,深刻理解面向对象理念并不是件很容易的事情,开发Java应用时还需要建立复杂的工程化环境,这些对于开发人员来讲都是不低的门槛。
C#类似。
SQL一定程度算比较低了,许多非专业人员都能用SQL写出查询,写SQL时也不需要过于关心应用架构,只要理解数据和业务本身,而这也是开发人员必须要有的知识。
但是,SQL有两个硬伤:有序计算和有过程的逻辑。这会导致稍复杂一些的处理都变得非常麻烦,经常写出几百行N层嵌套的语法,过几个月自己都看不懂。SQL还特别难调试,进一步推高开发成本。
如果改用存储过程倒是可以实现过程运算,但那又像转回Java了。虽然存储过程是用SQL写的,但它同样没什么好用的结构化数据对象(只能靠临时表对付)和集合运算,经常还不如用Java指挥SQL来工作(好多应用就是用Java+SQL写的)。而且,使用存储过程时,也会面临一些应用架构的麻烦事。
SQL的“低”,只适合于相对简单的场景。业务需求复杂化之后,它的复杂度就会指数级陡增。
Python略好一点,pandas有个dataframe可以算作是结构化数据对象。但是Python的集成性比较差,除非整个应用都是用Python写的,这种情况还不多见。而且,dataframe也只能算个半吊子,它本质上是个矩阵,并不是我们常规意义的数据表,很多运算思考起来很绕。而且,还要再说一遍而且,pandas是个第三方类包,它的应用环境也不太简单,调试麻烦度依然。
Scala也是一种选择,它也有个dataframe可以对付一些结构化数据处理,但也不算很专业。Scala代码本身还算低,但是面向对象那堆东西的理解门槛一点也不低,而且也面临复杂的工程环境。
SPL才是低代码
那就没有够低的代码了吗?
还是有的,开源集算器的SPL就是低代码,很有可能现在是唯一的了。
这其实是SPL被发明的原因。润乾做报表工具,自然会涉及很多复杂运算,然后发现这些运算用SQL和Java都很难写,而且这些困难无法在现有体系上完善来解决。磨了N年,干脆自己发明一种语言解决这些问题了,也就是SPL。
SPL中有完善的结构化数据对象,大小数据都能搞。它虽然采用了少量面向对象的语法,但并没用深奥的面向对象概念,重点都放在数据处理和运算上。程序逻辑上有点像早期的BASIC语言,基本的分支、循环、子程序都有,很容易理解。再提供了基于结构化数据的集合类型及丰富的库函数,特别擅长支持复杂集合及有序运算,让代码编写能简单很多。
Talk is cheap, Let’s show code.
SPL的代码写在格子里,可以直接用格子作为变量名(Excel用户表示很亲切),天然支持分步运算,网格缩进能清晰体现代码的层次,还提供有完善的调试功能。
丰富的库函数,常见的基本运算只要一行搞定。
在SPL中甚至可以直接使用SQL(不依赖于数据库哟):
$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.csv
group by year(OrderDate),Client
having sum(Amount)<=100
$select o.OrderId,o.Client,e.Name e.Dept from d:/Orders.csv o
join 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 t
left join ClientTable ct on t.Client=ct.Client
SPL本身就有类似Java的过程控制能力。这样,不管有没有数据库,SPL都能起到Java+SQL的效果了。
再和其它代码比一下,比如我们想计算一支股票最长连续上涨了多少天。
SQL写出来是这样的:
select max(consecutive_days)
from (select count(*) consecutive_days
from (select sum(updown_flag) over(order by sdate) no_up_days
from (select sDate,
case when price>LAG(price) over(order by sDate)
then 0 else 1 end updown_flag
from share))
group by no_up_days)
这个代码,看懂都有点费劲吧。留作练习题,思考一下它的工作原理。
Python写出来这样的:
import pandas as pd
aapl = pd.read_excel(‘d:/AAPL.xlsx’)
continue_inc_days=0;
max_continue_inc_days=0
for i in aapl['price'].shift(0)>aapl[‘price’].shift(1):
continue_inc_days =0 if i==False else continue_inc_days+1
max_continue_inc_days = continue_inc_days if max_continue_inc_days < continue_inc_days else max_continue_inc_days
print(max_continue_inc_days)
这个逻辑倒不复杂了,但写出来也不是很简单。
至于Java,就不尝试了,大家自己脑补。
同样的运算,SPL写出来是这样的:
A | |
---|---|
1 | =T(“d:/AAPL.xlsx”) |
2 | =a=0,A1.max(a=if(price>price[-1],a+1,0)) |
这个代码中都没有出现循环语句,这是因为SPL有大量的强Lambda语法风格的集合函数,很多在其它语言中要用循环才能实现的任务,在SPL中就是单句。
SPL把SQL的硬伤解决掉了,集合了Java和SQL的共同优点。SPL还能方便地支持大数据运算和多线程并行,Python碰到这种情况就容易抓瞎了。有兴趣的同学可以去乾学院看更多的SPL代码例子。
不止是代码低
SPL提供了完善的数据源支持,你听说过还是没听说过的数据源几乎都能支持:
这又减轻了很多做接口和数据转换的工作量。
SPL是用Java实现的,它提供有JDBC驱动,能够无缝地嵌入到Java应用程序中:
…
Class.forName("com.esproc.jdbc.InternalDriver");
Connection conn =DriverManager.getConnection("jdbc:esproc:local://");
Statement st = connection.();
CallableStatement st = conn.prepareCall("{call xxxx(?, ?)}");
st.setObject(1, 3000);
st.setObject(2, 5000);
ResultSet result=st.execute();
这样,可以轻松地把SPL集成到某种应用框架中。大部分开发人员只要关心业务逻辑和数据结构就可以了,甚至不需要理解复杂的应用架构了。
特别地,对于那些没有代码的“低代码平台”,把开源的SPL集成进去之后,就有了真正的低代码,让模板和代码互相补充,这才是完整的低代码平台。
SPL还是解释执行的动态语言,写出来的脚本可以放在主应用程序外部。这一方面能降低脚本和主应用程序之间的耦合性,还能带来热切换的好处。毕竟,业务逻辑(特别是查询报表类)常常在变化,需求有改动后只要重写脚本就可以立即生效了,应用程序不用重启。如果是用Java的代码,那就…(这也说明Java代码一点也不低)。
SPL下载地址:http://c.raqsoft.com.cn/article/1595816810031
SPL开源地址:https://github.com/SPLWare/esProc
更多推荐
所有评论(0)