众所周知，很多小微型应用程序都需要一些数据处理和计算能力，但如果集成一个数据库就显得太沉重了，正因如此，小巧轻量的 SQLite 才会被广泛应用。
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。
为了兼顾轻量易用、高效强大等功能，GitHub 上一款名为 esProc SPL 的国产开源数据库应运而生。
GitHub：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。
同时，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。
代码语言：javascript复制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*")对于复杂些的运算需求，SPL 写起来要比 SQL 简单多了。
比如：找出销售额占到一半的前 n 个客户，并按销售额从大到小排序。SQL 写出来是这样的：
代码语言：javascript复制with A as (select client,amount,row_number() over (order by amount) ranknumber from sales)select client,amountfrom (select client,amount,sum(amount) over (order by ranknumber) acc from A)where acc>(select sum(amount)/2 from sales)order by amount desSQL 很难处理恰好要过线的那条记录，只能换个方法变相实现，即计算销售额从小到大的累计值，反过来找出累计值不在后一半的客户。
而且 SQL 要把复杂逻辑写在一句中，即使用了 with 子句（充当中间变量）和窗口函数，仍然要嵌套，技巧性太强，也不好调试。
而 SPL 有更丰富的集合运算，也容易实现分步计算，按自然思维去写就行了：
A | B | |
|---|---|---|
1 | =sales.sort(amount:-1) | / 销售额逆序排序 |
2 | =A1.cumulate(amount) | / 计算累计序列 |
3 | =A2.m(-1)/2 | / 最后的累计即总额 |
4 | =A2.pselect(~>=A3) | / 超过一半的位置 |
5 | =A1(to(A4)) | / 按位置取值 |
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：
代码语言：javascript复制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。
代码语言：javascript复制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。
代码语言：javascript复制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 SQLIte 类似，esProc 非常轻量，核心 jar 包只有 15M，完整部署也就 1G 左右，它可以在安卓上流畅运行。
不过，有点遗憾的是，esProc 目前只有 Java 版本，集成进非 Java 应用程序时相对麻烦，也不能在没有成熟 JVM 环境的 iOS 上工作。
因其简单易用的特性，自开源以来，esProc 的 GitHub Star 一直在持续上涨，截止目前，已在 GitHub 上累计增长 3600 Star，成为广受开发者喜爱的又一国产数据库。
GitHub：https://github.com/SPLWare/esProc
