集算器序表和SQL数据表的异同

  集算器序表和SQL数据表都是有结构的二维数据对象，都有记录、索引、主键的概念，都可以应用于结构化数据的计算。虽然都可以应用于结构化数据的计算，但两者的应用场景却有明显的区别，序表适合解决较复杂但数据量不是很大的计算问题，而数据表适合进行常规但可能数据量巨大的计算。

  两者的不同是由底层机制决定的。

  序表具有有序的特点，每条记录、每列数据都有确定的序号；序表支持显式集合，序表之间可以直接进行集合运算；序表也是泛型集合，其基本元素既可以是数值也可以是引用或者另一个集合。

  SQL数据表缺乏上述特点，但它对内外存透明，可以用一致的语法来访问内存、外存或混合数据。

  下面，我们将深入讨论两者的共同点和区别。

相同的基本功能

  集算器序表和SQL数据表都是有结构的二维数据对象，即以记录为基础，多条记录形成行式的二维表，二维表配合列名形成完整的数据结构。因为结构上大体相似，所以两者的基本用法区别不大。

  例1：查询对象中的数据。找到Freight大于100，并且是2013年以前的订单。

  SQL：SELECT * FROM Orders WHERE Freight > 100 AND OrderDate < ’1998-01-01′

  序表：= Orders.select(Freight > 100 && OrderDate < date(“1998-01-01″))

  注：本例使用的数据对象名为订单（Orders），后面还会用到客户（Customers）。

  例2：排序。将订单按EmployeeID正序排序，再按Freight逆序排序。

  SQL：SELECT * FROM Orders ORDER BY EmployeeID ,Freight DESC

  序表：=Orders.sort(EmployeeID,Freight:-1)

  例3：分组汇总。按员工汇总，对运货费求和，对订单计数。

  SQL：SELECT EmployeeID, COUNT(OrderID), SUM(Freight) FROM Orders GROUP BY EmployeeID

  序表：= Orders.groups(EmployeeID;sum(Freight),count(OrderID))

  例4：连接。将订单和客户这两个数据对象连接成新的数据对象，使用左连接，连接字段为CustomerID。

  SQL：Select * from Orders left join Customers on Orders.CustomerID =Customers.CustomerID

  序表：=join@1(Orders:, CustomerID;  Customers:, CustomerID)

  除了上述几种基本用法，集算器序表和SQL数据表在唯一值、计数、求和、平均、最大、最小值等算法上也非常相似，这里不再一一举例。

有序性的区别

  序表的记录集合是有序的，因此可以轻松解决和顺序有关的计算。SQL数据表缺乏序号及序号相关的访问方法，这使它在序运算上不够方便。

  例1：针对sales数据对象，计算每个月的销售额比上个月增长了百分之几。

  SQL：

    select salesAmount, salesMonth,

         (case when

    prev_price !=0 then ((salesAmount)/prev_price)-1

    else 0

    end) compValue

    from (select salesMonth, salesAmount,

    lag(salesAmount,1,0) over(order by salesMonth) prev_price

    from sales) t

  序表：

    sales.derive(salesAmount / salesAmount [-1]-1: compValue)

  比较：

  每个月的销售额和序无关，在序表和数据表中的表示方法一样，都是salesAmount。和序有关的是：上个月的销售额，即相对于当前记录的上一条记录中的salesAmount。序表有序，可以用salesAmount[-1]来直接表示上个月的销售额。SQL数据表无序，在SQL2003标准后添加了窗口函数补充了一些序运算功能，但仍然比较繁琐，需要用lag(salesAmount,1,0) over(order by salesMonth)这种复杂的方法来计算出上个月的销售额。

  序表还可以轻松表达相对区间，比如相对于当前月份的前两个月及后两个月共五个月的销售额，序表可以这样表达：salesAmount{-2,2}。在SQL中使用窗口函数也可以表达区间的汇总运算，但要麻烦得多。

  例2：针对sales数据表，找出每种产品里销售额最高的前10条的记录。

  SQL：

    select salesMan, product ,amount

    from ( select salesMan, product ,amount, rank() over (partition by product order by amount desc ) ranking from sales)

    where ranking <=10

  序表：

    = sales.group(product).(~.top(-amount;10))

  比较：

  实现本例最直观的思路是将数据按产品分组，然后再进行分组内的序运算，简单的方法是直接取组内amount最小的前十条记录，直观的方法是按照amount对组内数据逆序排序，再取组内序号是1到10的记录。

  序表对序运算支持良好，可以用top函数实现第一种算法（如例子中），也可以用sort函数和记录序号实现第二种算法，即：=sales.group(product).(~.sort(Amount:-1)).(~([to(10)]))。

  SQL数据表记录没有次序，必须先计算出一个序号或者可代替序号功能的字段，比如排名。上述例子的算法就是先计算出组内数据的排名，再取排名前十的记录。显而易见，SQL算法有点曲折，语法也难懂，要用到复杂的窗口函数over (partition by…… order by……)，以及难以跟踪调试的子查询。

  相比之下，序表更加直接简便，也容易跟踪调试。比如程序员可以先写出=sales.group(product)这句代码进行测试，这句代码表示将数据分组，它可以独立运行并独立显示结果。如果分组结果符合预期，程序员可以继续加入第二段代码：对组内数据逆序排序，即.(~.sort(Amount:-1))，这里的“.”表示把前面的计算结果作为一个整体继续加工，“~”表示当前的组内数据，“-1”表示逆序。现在的代码是=sales.group(product).(~.sort(Amount:-1))，它仍然可独立运行并独立显示结果。观察或调试后，程序员可以加入第三段代码：取组内序号是1到10的记录，即.(~([to(10)]))。

  可以看到，序表的计算过程可以步步递进，在解决复杂的计算问题时简化计算防止出错。事实上，上述连续的三段代码可以写成逐步引用的三行代码，这可以更加清晰地分解计算目标：

  值得注意的是，SQL无法对数据先分组再执行有序计算，即使用临时表也无法实现，它必须将这两步合二为一，产生这一现象的原因是数据表不支持显式集合和泛型集合，语法表达能力较弱。

  另外，SQL使用的窗口函数虽然是ansi标准，但数据库厂商并未完全按标准实现，不同的数据库里写法也会不同，有些数据库根本不提供窗口函数。而序表的函数语法独立于数据源，不论哪种数据源（包括数据库、Txt文件、Excel文件、二进制文件等），使用序表计算时都无需修改代码。

显式集合的区别

  SQL有集合的概念，但不提供显式的集合，不能作为独立的变量存在，只能借助临时表来实现集合运算。而序表是真正的显式集合，可以实现集合运算。

  例子：针对Contract数据对象进行计算，假设业务上将订购数量大于40的合同称为大合同，单价大于2000的合同称为重要合同，请找出既是大合同又是重要合同的当年合同，以及除此之外的其他合同。

  SQL：

    select SellDate,Quantity,Amount,Client from Contract where to_char(SellDate,’yyyy’)=’2014′ and quantity>=40 and AMOUNT>=2000

    select SellDate,Quantity,Amount,Client from Contract where not(to_char(SellDate,’yyyy’)=’2014′ and quantity>=40 and AMOUNT>=2000)

  序表：

    =thisYear= Contract.select(year(SellDate)=2014)

    =big= Contract.select(Quantity>40)

    =importance = Contract.select(AMOUNT>2000)

    =answer=thieYear^big^ importance

    =others= Contract\answer

  比较分析：

  既是大合同又是重要的当年合同，这是比较典型的自然思考方式，使用交集运算最为直观。如果将大合同定义为big，重要合同定义为importance，当年的合同定义为thisYear，那我们可以很容易写出伪代码：big∩importance∩thiYear。序表是显式集合，可以很直观地表达等价的算法，即：thieYear^big^ importance。SQL不能用集合变量来表示，因此只能寻求其他方式，比如转换为布尔条件来表示，即例子中的： to_char(SellDate,’yyyy’)=’2014′ and quantity>=40 and AMOUNT>=2000。

  第一问比较简单，因此两者的开发难度并没有太大的区别。随着问题的深入，两者的区别才会明显起来。

  第二问：“除此之外的其他合同”，这也是典型自然思考方式，使用差集可以一步算出。序表的算法是：Contract\answer，非常直观。使用布尔条件，SQL也可以计算出答案，但表达式的写法和业务描述相差甚远，即：not(to_char(SellDate,’yyyy’)=’2014′ and quantity>=40 and AMOUNT>=2000)。

  SQL也可以用集合运算来解答，算法也很直观，但是因为数据表不能用集合变量来表示，代码会显得非常冗长：

    (select SellDate,Quantity,Amount,Client from Contract)

    minus

    (Select select SellDate,Quantity,Amount,Client from Contract from(

    (select SellDate,Quantity,Amount,Client from Contract where to_char(SellDate,’yyyy’)=’2012′)

    Intersect

    (select SellDate,Quantity,Amount,Client from Contract where quantity>=40)

Intersect

(select SellDate,Quantity,Amount,Client from Contract where AMOUNT>=2000))

  因为代码太冗长，所以很多人宁可使用布尔条件来间接实现集合运算。

  当然，很多情况下数据表使用集合运算会比布尔条件更加方便，比如多个物理表之间的集合运算，或多层子查询之间的集合运算。这种情况下，将集合运算转化为布尔条件的代价就太高了，程序员必须接受冗长的集合运算。

泛型集合的区别

  序表是泛型集合，除了存储实体数据，还可以存储指向关联数据的引用，这就使序表可以通过直观的对象引用实现关联计算。数据表只能存储实体数据，需要用复杂的关联语句才能完成等价的计算。

  例子：

  请计算获得总裁奖的部门经理们，其下属的年度优秀员工们都有谁。这里涉及两个数据对象：department和employee，其中，department的deptName字段和employee的empDept是一对一的关系，department中的manager字段和employee中的empName也是一对一的关系。另外，总裁奖的代码是PA；年度优秀员工的代码是EOY。

  SQL：

    SELECT A.*

    FROM employee A,department B,employee C

    WHERE A.empDept=B.deptName AND B.manager=C.empName AND A.empHonor=‘EOY’ AND C.empHornor=‘PA’

  序表：

    employee.select(empHonor: “EOY”,empDept.manager.empHornor:”PA”)

  比较分析：

  SQL的解法无疑是正确的，但其中的关联语句比较复杂，普通程序员理解费力。序表的解法比较直观，empHonor:”EOY”是条件之一：“年度优秀员工们都有谁”，而empDept.manager.empHornor表示员工的“所属部门.该部门的经理.该经理的获奖情况”，显然，这个值为PA就符合题目中的条件二：“获得总裁奖的部门经理们”。这就是对象引用。

  对象引用允许程序员使用“.”操作符来引用相关数据，这可以将业务中的关联关系直观地翻译为计算机语言，可以方便地表达多层关系，可以直观地进行关联计算。

对内外存透明的区别

  SQL

  SQL数据表因为不支持泛型和集合数据，内存中的数据写到外存时不会丢失信息，因而具有对内外存运算的透明性。首次访问数据表时，数据通常来自外存；之后再访问同样的数据表时，数据就可以来自内存缓存；对于数据量较大的数据表，其一部分数据来自外存，而另一部分会来自于内存。无论数据是来自于内存还是外存，无论数据量是大还是小，数据表的访问语法并无区别，程序员无需为此书写不同的SQL语句。

  序表

  序表支持了泛型（特别是引用）和集合数据，内存中的数据写到外存时会丢失信息，不能再读入，这导致其运算无法对内外存透明。序表是纯内存数据对象，所能计算的数据量受到内存限制，不能太大；如果数据量较大，那就应当使用游标（集算器的另一种数据对象）来进行外存计算，而游标和序表的语法是不同的；如果想提高性能或进行业务逻辑复杂的计算，程序员还必须将数据在游标和序表之间进行转换。

  比较

  序表对内外存不透明，程序员需要书写不同的代码来适应内存、外存或混合计算，还需要为将来数据量的增长而修改代码，因此前期设计和后期维护的工作量较大。而SQL数据表对内外存透明，程序员只需书写一套代码就能适应不同规模的数据，设计和维护的工作量较小。

  通过上述比较分析我们可以看出：数据有序、显示集合、泛型集合，序表的这些特点使它可以轻松解决和顺序有关的复杂问题，可以简化集合运算的复杂度，可以用直观的对象引用来处理复杂的多表关联。而SQL数据表对内外存透明，代码通用性更好。