refers http://c.raqsoft.com/article/1687916213139
In addition to common static code, sometimes dynamic code is also needed to solve problems, such as generating code (or part of code) based on parameters and dynamically executing it. For programming languages that lack dynamic coding mechanisms, it is usually necessary to write the variable parts of the code in string form. For example, when referencing dataset field names in Python, it is necessary to write them as strings to achieve the effect of dynamic code. However, this will make it inconvenient to read and write more common static code. SQL, on the other hand, can directly write field names (as well as filter conditions, grouping expressions, etc.) in the code without having to write them into strings, making it easier to read and write static code, but it is difficult to handle dynamic code.
SPL inherits the SQL style of static code, allowing for direct writing of code parts, such as field names, without the need to be written as strings. In addition, SPL also provides macros to achieve dynamic code effects.
Example 1: Dynamically sort the order table based on the parameter pSortList, which contains an indefinite number of sorting fields separated by commas.
This dynamic code can be implemented using SPL macros: T("Orders.txt").sort(${pSortList})
SQL y SPL son ambas tecnologías de procesamiento de propósito general para datos estructurados, y cada una tiene sus propias características. Específicamente, SQL está altamente popularizado y es ampliamente utilizado, muchos usuarios tienen una habilidad natural para consultar datos con SQL, y es fácil para ellos comenzar una vez que el motor de datos soporta SQL; es relativamente fácil migrar programas históricos. SPL es conciso y eficiente, proporcionando una sintaxis más ágil que puede simplificar cálculos complejos, mientras que soporta la computación procedimental y naturalmente soporta la codificación paso a paso; el sistema de computación de SPL es más abierto, haciendo posible realizar computación mixta para múltiples fuentes de datos al mismo tiempo, y obtener fácilmente un mayor rendimiento de computación con almacenamiento de alto rendimiento incorporado y algoritmos de alto rendimiento; es más flexible de utilizar, permitiendo que se use de manera independiente o integrada en aplicaciones.
"Hadoop/Spark es demasiado pesado, esProc SPL es ligero", refiérase a http://c.raqsoft.com/article/1665212186752
Con la llegada de la era del big data, la cantidad de datos sigue creciendo. En este caso, es difícil y costoso expandir la capacidad de la base de datos que se ejecuta en una computadora pequeña tradicional, lo que dificulta el apoyo al desarrollo empresarial. Para hacer frente a este problema, muchos usuarios comienzan a optar por la ruta de la computación distribuida, es decir, utilizan múltiples servidores PC económicos para formar un clúster y realizar tareas de computación de big data. Hadoop/Spark es una de las tecnologías de software importantes en esta ruta, que es popular porque es de código abierto y gratuito. Después de años de aplicación y desarrollo, Hadoop ha sido ampliamente aceptado, y no solo puede aplicarse directamente a la computación de datos, sino que muchas nuevas bases de datos se desarrollan basadas en él, como Hive e Impala.
Por lo general, las fuentes de datos en streaming son dinámicas e ilimitadas, y parecen bastante diferentes de la fuente de datos por lotes estática y limitada. Por razones de marco, es difícil para las tecnologías de bases de datos tradicionales procesar directamente la fuente de datos en streaming, por lo que los programadores tienen que recurrir a tecnologías más recientes. Los marcos de computación como heron\samza\storm\spark\flink fueron los primeros en lograr avances y obtuvieron una ventaja de pioneros en la tecnología de computación en streaming. Estos marcos son tan exitosos que tan pronto como se involucra la computación en streaming, los programadores de aplicaciones naturalmente recurrirán a uno de ellos. Por el contrario, para aquellas tecnologías de computación que no afirman ser un cierto marco, generalmente se consideran inadecuadas para implementar la computación en streaming.
Con más de 2.5 millones de reseñas, podemos proporcionar los detalles específicos que te ayudarán a tomar una decisión informada al comprar software para tu negocio. Encontrar el producto adecuado es importante, déjanos ayudarte.