LAOZEI

某库表记录了特定日期计划的入库量和入库后的库存，比如 2 月 26 日计划入库 0.6，入库后库存为 3。 现在要根据指定的日期，用计划的入库量和入库后的库存倒推出初始日期，也就是零库存或负库存的那一

其实没多少！ 从早期喊的多维分析到近年来喊敏捷 BI，BI 厂商一直在强调自助能力，宣称可以由业务人员自己随心所欲地分析数据，而用户也常常有强烈的需求，双方一拍即合，很容易形成购买行为。 不过，就大多

数据量大或者数据库繁忙都会导致数据库查询变慢，这时将数据用 esProc 导出存成文件再计算可以大幅提升性能。 数据与用例 MySQL 数据库有 orders_30m 表存储着历年的订单数据，表结构如

逻辑数仓可以实现多源混算，但需要配置视图、预处理数据，结构太沉重。duckdb 是轻量级的方案，但没有内置 Oracle 的 connector，自己开发难度又太高。同为轻量级方案，esProc 支持

数据分析经常出现跨行计算，比如比上期、比同期、移动平均等等。针对有序数据集实现跨行计算，会涉及集合相邻成员引用的问题。 比如某商家某年 12 个月的销售额已经按月份次序准备好，现在要计算最大月增长额。

业务数据经常存在层次关系，比如订单包含日期、客户和订单明细，订单明细又包含价格、数量、产品，产品则包含名称和分类。 json 的可嵌套结构很适合描述这种关系，比如订单数据： 订单既有普通属性“订单号、

许多大型数据库在运行多年后都会积累出很多的数据表，严重者数以万计，非常臃肿。这些数据表年代久远，有些已经忘记建设原因，也可能已不再有用，但因为很难确认而不敢删除。这给运维工作带来巨大的负担。伴随着这些

DuckDB 和 esProc SPL 都支持多样数据源处理，这里比较一下两者的差异。 支持的数据源种类 DuckDB 支持的数据源类型覆盖了常见的文件格式（如 CSV、Parquet、JSON、Ex

标准 SQL 中提供了五种最常用的聚合运算：SUM/COUNT/AVG/MIN/MAX，都是对集合计算出单值。 比如日志表中找出用户 1001 第一次登录的时间，SQL 很简单： 聚合运算还常常用在分