为什么用了大牌工具后报表开发依然头痛

因为用错了报表工具，或者没有用对姿势。

疼在哪里？

报表工具不就是为了解决手工开发报表效率低、困难多等这些让人头痛的难题的吗？怎么用了大牌工具还会头痛，是功能不行解决不了这些问题？

不，并不是

好的报表工具确实可以很好地解决制表方面的困难，但是报表开发的难题，并不全在制表上，

还有相当一部分在数据准备上，应用中的报表，有80%的数据来源和计算都比较简单，很多一个简单的SQL语句就搞定了，但还有20%的情况中，数据准备工作就没有那么好做了，一些过程式的多步骤复杂计算，常常要写很长的多层嵌套的SQL或者存储过程才能搞定，如果数据来源再复杂一些，要对各类数据源混算，一些非关系数据库或者文本数据源都不支持SQL了，那还得用JAVA等语言来写，SQL 10几行能写完的，JAVA恨不得写出几百行来，编码难度和效率就更糟糕了

然而恰恰是这仅占20%的需要硬编码来做复杂数据准备的报表，会占去80%的工作量，这就是为什么用了大牌报表工具后依然会头疼的最大原因：用了虽然大牌但缺乏数据准备功能的报表工具，其实就是用错了报表工具，而且也没有好的数据准备方案来补充。

没完没了的报表加剧头疼

报表随需而动的业务属性又决定了它不稳定的特性，随时都会有新的查询统计需求冒出来，或做新的，或修改旧的，没完没了。。

做新的

如果又遇上复杂计算的，那就又得硬写存储过程和JAVA了，没有好的办法那就得一直持续头痛

修改旧的

因为之前复杂的数据准备都是用存储过程或者JAVA写的，导致报表模块和数据库以及应用高度耦合，开发人员不能随意动终端方的数据库，权限和安全都是问题，改一次存储过程会很费劲，JAVA代码可以随便改，但是改了又得重新编译，应用就得三番五次的停机，修改维护起来也很头痛

这些没完没了的报表，搞得项目永远做不完，居高不下的成本还一直在追加。这是令很多软件开发公司都头痛不已的问题

怎么办

简单，补上数据准备环节的工具就可以了

集算器做数据准备写的快算的快

集算器，流行的开源免费数据计算工具

一：它能对接各类数据源

二：能轻松写出SQL和JAVA写起来困难的计算过程，而且还算的快，让数据准备工作变的轻松又高效

我们来看两个小例

1 报表中需要呈现连续上涨超过 5 天的股票及上涨天数

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计算上

用SQL来算的话，得写3层子查询

select code,max(risenum)-1 maxRiseDays from
(  select code,count(1) risenum from(select code,changeSign,sum(changeSign) over(partition by code order by ddate) unRiseDays from(select code,ddate,case when price>=lag(price) over(partition by code order by ddate)then 0 else 1 end changeSignfrom stock_record))group by code,unRiseDays
)
group by code
having max(risenum) > 5

用开源的集算器去写则简单很多

	A
1	=connect@l(“orcl”).query@x(“select * from stock_record order by ddate”)
2	=A1.group(code)
3	=A2.new(code,~.group@i(price < price[-1]).max(~.len())-1:maxrisedays)	计算每只股票的连续上涨天数
4	=A3.select(maxrisedays>=5)	选出符合条件的记录

2 列出每一个用户最近一次登录间隔

SQL的大致写法

WITH TT AS(SELECT RANK() OVER(PARTITION BY uid ORDER BY logtime DESC) rk, T.*  FROM t_loginT)
SELECT uid,(SELECT TT.logtime FROM TT where TT.uid=TTT.uid and TT.rk=1)-(SELET TT.logtim FROM TT WHERE TT.uid=TTT.uid and TT.rk=2) interval
FROM t_loginTTTT GROUP BY uid

开源集算器的写法

	A
1	=t_login.groups(uid;top(2,-logtime))	最后2个登录记录
2	=A1.new(uid,#2(1).logtime-#2(2).logtime:interval)	计算间隔

一两个难的可能省不了多少时间，常年累月做项目，那么多复杂的计算场景如果都用开源的集算器，能省下多少时间呢

完全工具化应对没完没了

洗衣机发明之前，每一次洗衣服，都是一次头痛的经历

洗衣机发明之后，洗多少次，都不发愁了

工具化，才是解决频繁，复杂劳动的好办法

没完没了的报表新需求和修改要求是消除不了的，也必须用工具化的方法才能解决

报表制作的工具化，就是报表工具本身，解决了频繁做表效率低下的问题

数据准备的工具化，就是集算器，则可以解决频繁的，困难的数据准备的问题

全面的工具化，才能彻底解决从数据准备到报表制作的所有头疼问题

另外使用集算器代替存储过程和JAVA后，由于集算器的脚本是写在报表文件里或者和报表文件一起存储的，这样就可以把报表应用从数据库以及整个应用中解耦出来，集算器的脚本又是解释执行的，天然拥有热切换能力，也可以省去频繁修改时每次编译的麻烦

对于集算器协助报表开发感兴趣的同学可以参考 http://c.raqsoft.com.cn/article/1639703872560

直接用润乾报表更便利

润乾报表已经集成了集算器，可以直接使用集算器的相关功能，不仅省去了集成的麻烦，而且还有额外的便利

报表直接使用集算器结果做数据集，无缝对接

报表中还能使用集算器函数，提升开发效率

还可以在报表的单元格里直接使用集算器中一些高级的函数，让计算过程更加的简便，提升报表本身的开发效率

比如下面这个单元格表达式：

表达式：=“班级名次上升最快的三位同学是：”+string(esproc(“?.m(?.ptop(-3))”,B3{},K3{}))，这个单元格要求取出名次上升最快的三位同学，有多种做法，可以像排名那样，先对名次变化幅度做个排名，然后再根据幅度排名获取前三位，但是这种做法要增加辅助单元格，计算过程稍显繁琐，但是直接用集算器的高级函数就很简单了，将 K3 单元格（名次变化幅度）传入,ptop(-3) 取最大的 3 位的位置，然后用 m() 函数根据位置取对应的姓名，就可以了

大报表功能，提升报表性能

润乾结合集算器独创的双异步线程方案，可以很好的解决清单式大报表的性能问题，比传统的数据库分页技术解决方案效果更好，更快

另外润乾报表一直以来都是报表行业的领导者，更是性价比高的代表，不仅质冠商用，而且价怼开源，1w一套，3w一年随便用，一套润乾报表，就可以解决所有烦恼了

结语

头痛是因为现有的报表工具不能解决全部难题，耗费大量时间成本的、需要硬编码的复杂数据准备场景，就是目前很多项目上的大难题。解决这类频繁的、复杂的难题，关键的办法就是工具化，要么集成开源集算器，要么直接采用支持数据准备的润乾报表，难开发的就都简单了，效率也自然提升了，就不会再那么头痛了

润乾报表资料

润乾报表官网
润乾报表下载

欢迎对润乾报表有兴趣的加小助手（VX号：RUNQIAN_RAQSOFT），进技术交流群