存储过程在各类数据计算场景中都非常的常见，因为单一的 SQL 在一些复杂的计算情况下能力不足，有了存储过程的补充和配合，才可以应付各类计算需求

报表中为什么会有存储过程

报表天天和数据计算打交道，自然在一些情况下就会用到存储过程

报表的制作和呈现，需要针对一个或者多个数据来源，这些数据源，准备起来有的简单，有的复杂，简单的，一句或几句 SQL 就可以把数据准备好，给到报表来用，复杂的，SQL 做不好的，比如涉及多步过程控制的计算，很多就得用存储过程来做了，有的还得用 JAVA 等高级语言去写才行，但这个不在这里展开讨论了，感兴趣的可以看这篇帖子： 报表中总是得写 java 程序怎么办

报表中为什么要减存储过程

存储过程在 SQL 解决不了的各种复杂计算场景下，有很多的优势，为什么报表中还想着减少使用呢？

因为它的弊端同样很多

耦合性高

存储过程是为报表准备数据，为报表服务的，理论上它应该和报表模板一起独立在外，不影响应用也不影响数据库才对，但实际上它却存在数据库中与数据库紧密耦合，给修改和后续维护带来了很大的困难

而且数据库中的存储过程，有时候会被有相同业务需求的报表或其他应用拿来直接用，被迫共享，共享原本也是一件好事，能节省开发成本，但却也带来了另外的耦合，和其他报表或者应用的耦合，这时候如果其中的某个报表的计算逻辑发生变化，就只能新建而不敢随便修改，否则就会影响其他报表和应用

时间一长，库里的存储过程越来越多，哪个对应那个报表对应什么应用，就成了一团麻了

把数据库本身的管理都影响了

移植困难

存储过程 缺乏 ANSI 2003 那样的统一规范，各数据库厂商的语法基本都不通用，很难在不同数据库间移植，遇到数据源迁移，或者开发商面对不同用户的不同数据库时，，就会面临一个尴尬的问题，报表模板用同一个就可以，但提供数据的存储过程却得重新开发，各用各的，移植不了，还容易导致版本混乱，成本徒增

体系封闭

存储过程只能计算数据库内的数据，无法满足多样性数据源的需求，如果要计算外部的数据，需要先 ETL 到库内完成，不仅浪费时间，也无法保证数据实时性，同时占用非常宝贵的数据库空间

然而，现在的数据来源又恰恰是多种多样的，这点很致命

安全性差

报表原则上只是读数据就行了，开放读权限足够了，但为了写存储过程就要给编译权限，这个太高了，改数删表都有可能，安全性得不到保障，要么就是加强管理，代码上传时要被严格审核，但这样又影响效率，本来报表开发人员一个人能做的事，要一个体系才行，半天能做完的报表，审核一下又不知多久才能上线了

代码难写

存储过程主要在 SQL 的基础上追加了逻辑控制语法，但并没有增强 SQL 的结构化计算能力，这就导致原来用 SQL 难写的代码，现在用存储过程依旧难写，比如有序计算、分组后计算、多级关联、混合计算等

这些弊端的存在，就是开发人员们想减少使用存储过程的原因，只是迫于没有更好的办法，大家只能忍耐了，只能尽量去少用了

怎么解决

有没有什么办法，既可以利用存储过程的优势，又可以规避它的缺点呢

原先没有，现在有了，集成了集算器 SPL 的润乾报表具备了这样的能力

SPL 是一款流行的专业的数据计算处理工具，很多项目开发商都在用，因为它不仅好用，而且还免费，开源，是常年做项目，总需要做数据处理的工程师的好帮手

集成 SPL 后，润乾报表相当于多了一个计算层，这个计算层类似一个“库外的存储过程”，它既可以做到存储过程能做的，还规避了各种弊端，更适合处理各类复杂计算

避免耦合

SPL 作为润乾报表的计算层，它编写的计算脚本是直接存放到报表模板里面解释执行的，不需要单独管理，更不需要放到数据库中，避免了与数据库的耦合问题

随便移植

计算层的脚本本身就具有计算能力，而且是在库外独立运算的，数据源有不同或者要迁移的时候，只需要重新连一下新数据源就可以，不需要改动其中的计算逻辑部分，一个脚本可以应对不同的来源，能做到随便移植

体系开放

SPL 计算层支持各类数据源，而且可以在库外进行各类混合计算，体系是开放的，能更好的应对多样性数据源的场景

短短 5 行代码就可以做到 JSON 和数据库内数据的混算，远比存储过程要方便快捷的多

安全方便

SPL 计算层连接数据源所需要的权限和普通的 SQL 连接是一样的，不需要更高的存储过程的编译权限，这就不会带来额外的安全问题，也不需要专人审核代码，安全又方便

代码简单

SPL 是一种全新的计算体系，有更高效的函数和算法，在 SQL 里难写的计算，可以在 SPL 中轻松写出，同样的，存储过程中难写的，SPL 也可以轻松写出

比如这个小例：报表中需要呈现连续上涨超过 3 天的股票

这样的报表，制表时候只需要设计几个格子，很简单，但数据准备却不简单，大部分的工作量都得花在这个数据的准备上

用 SQL 来算的话，得写好几层嵌套

SELECT code, MAX(ContinuousDays)
    FROM (
        SELECT code, NoRisingDays, COUNT(*) ContinuousDays
        FROM (
            SELECT code,
            SUM(RisingFlag) OVER (PARTITION BY code ORDER BY day) NoRisingDays
            FROM (
                SELECT code, day,
                CASE WHEN price>
                    LAG(price) OVER (PARTITION BY code ORDER BY day)
                THEN 0 ELSE 1 END RisingFlag
                FROM tbl
            )
        ) GROUP BY NoRisingDays
    )
    GROUP BY code
    HAVING MAX(ContinuousDays)>=3

放到存储过程中，也得这么写，难度不会降低

而用润乾计算层的 SPL，则短短两行就可以搞定，而且逻辑也更清晰易懂

（注释：导入股市数据表，并按日期排序。使用函数 group 的选项 @o，根据股价是否上涨进行分组。分组时只和相邻的对比，当股价是否上涨发生变化时产生新组。计算出每支股票连续上涨的最大天数，最后选出连续上涨超过 3 天的）

总结

存储过程有它的优势所在，但存在的弊端也很明显，放到报表应用中，有些还会被成倍放大到不可忍受，但技术总在进步，润乾报表的 SPL 计算层，就是存储过程很好的替代技术，它类似“库外存储过程”，有着比存储过程更好的过程控制等复杂计算的能力，还没有它身上的坏毛病，润乾报表本身又是报表行业的头部厂商，专注报表 20 多年，累积用户数不胜数，价格又很亲民，1W 一套，3W 一年随便用，有了润乾报表，这些存储过程带来的困扰就都迎刃而解了