SQL 的后计算脚本( 四 )

再比如一行拆分为多行， esProc 代码依然简短：

本文插图
即使需求复杂度进一步提高， esProc 仍然可以轻松实现。
比如连续值班情况， esProc 代码要比 Pandas 简短很多：

本文插图
再比如计算分期贷款明细， esProc 同样比 Pandas 简短：

本文插图
对于 Pandas 很难实现的复杂运算， esProc 通常也能轻松实现，而且代码不难。比如涉及多步骤算法 + 集合运算 + 动态表结构的任务：将子表横向插入子表。
源表关系

本文插图
目标结果

本文插图
esProc 可以大幅简化这段代码：

本文插图
作为专业的结构化计算语言， esProc 不仅可以大幅简化 SQL 不擅长的复杂运算，还具备更高级的能力去解决一些特殊情况。
在多样性数据方面， esProc 支持多种文件格式和复杂的数据源，比如 Hadoop、MongoDB 等。更进一步，只需使用相同的代码，数据分析师就能计算来源各异的数据，既包括数据库，也包括非数据库。
在大数据量方面， esProc 从底层提供了游标机制，对上层隐藏了内外存交换细节，允许数据分析师用类似处理小数据量的语法，直观地处理较大的数据量。
比如，库表 orders 记录着电商的大量订单，全部读出会超出内存，现在需要在库外计算每个销售员销售额最大的 3 笔订单。 esProc 代码如下：

本文插图
esProc 也提供了很多简单易用的方法进行性能优化。比如：orders 表每月的数据大致相等，请按月份进行多线程并行查询，从而大幅提高查询性能。 esProc 只需如下代码：

本文插图
【SQL 的后计算脚本】经过前面的比较我们可以发现， esProc 具备丰富的结构化函数，是专业的结构化计算语言，可以大幅简化 SQL 不擅长的复杂运算逻辑，是更加理想的 SQL 后计算脚本。