用 SPL 编写阿里云 FC2.0 函数

前言

在数字化转型持续加速的背景下，企业越来越多地将业务逻辑以服务化方式部署至云端。阿里云函数计算（Function Compute，简称FC）作为一种无服务器计算平台，屏蔽了底层资源运维的复杂性，使开发者能够专注于核心逻辑的开发与交付。只需上传代码，即可通过HTTP请求或事件驱动灵活触发函数执行，实现弹性伸缩、按需计费的函数式计算能力。

在实际应用中，函数计算往往需要处理复杂的数据处理任务，如多源数据的汇聚、清洗与分析。然而，使用传统Java编写这类逻辑不仅代码冗长、调试困难，还缺乏灵活性，微小的逻辑变更通常也需要重新构建、打包并上传整个函数代码包。

SPL（Structured Process Language）专注于结构化数据处理，具备简洁的语法、丰富的计算函数，特别适合表达各类复杂的数据逻辑。更重要的是，SPL支持将数据处理逻辑以外部脚本形式运行，修改逻辑时只需替换脚本文件，无需重新构建或部署函数代码包，即可在下一次调用时自动生效。这种“轻量级热切换”特性，非常契合函数计算轻量、快速迭代的特性，有效提升了云端函数逻辑的可维护性与敏捷性。

此外，SPL原生支持多种数据源（如支持JDBC的数据源、NAS文件、JSON等），并具备可视化分步调试能力，是Serverless架构中应对动态数据逻辑、数据服务编排的高效利器。

本文将介绍如何结合Micronaut框架与SPL脚本，以Fat-JAR方式部署至阿里云FC2.0，构建一个通过RESTful API调用、支持逻辑热更新的无服务器计算服务。示例将展示SPL如何访问并分析MySQL数据库和NAS文件系统，帮助读者快速构建可扩展、易维护的Serverless数据服务方案。

SPL在阿里云FC中的架构图

函数开发与部署

创建项目

使用 Micronaut CLI 快速创建 Maven 项目：

mn create-app micronaut-spl --build maven

创建完成后，可在集成开发环境（如 IntelliJ IDEA）中打开项目继续开发。

集成SPL

添加依赖

在 pom.xml 中引入 SPL 与数据库驱动：

<dependency><groupId>com.scudata.esproc</groupId><artifactId>esproc</artifactId><version>20250605</version>
</dependency><dependency><groupId>com.mysql</groupId><artifactId>mysql-connector-j</artifactId><version>8.3.0</version>
</dependency>

提示：中央仓库的更新频率有限，推荐从[SPL 下载地址]下载标准版，并通过私有Maven仓库同步更新。

相关jar包位于安装目录esProc/lib/，其中两个基础jar包为：

· esproc-bin-xxxx.jar：SPL 引擎及 JDBC 驱动

· icu4j-60.3.jar：国际化支持库

准备SPL配置文件

raqsoftConfig.xml 为 SPL 的核心配置文件，负责数据源定义、脚本路径管理等。本文中RDS MySQL数据源与脚本路径的示例配置如下：

……
<DBList encryptLevel="0"><DB name="rds_mysql"><property name="url" value="jdbc:mysql://rm-xxx.mysql.rds.aliyuncs.com:3306/spltest?useCursorFetch=true"></property><property name="driver" value="com.mysql.cj.jdbc.Driver"></property><property name="type" value="10"></property><property name="user" value="dms_user"></property><property name="password" value="password"></property><property name="batchSize" value="0"></property><property name="autoConnect" value="true"></property><property name="useSchema" value="false"></property><property name="addTilde" value="false"></property><property name="caseSentence" value="false"></property></DB>
</DBList>
<esProc>
……<splPathList><splPath>/opt</splPath></splPathList>
……
</esProc>
……

特别注意：需加上useCursorFetch=true，否则JDBC驱动可能将整个结果集加载至内存，容易在 FC 的内存限制下导致连接断开或错误。

与传统项目部署方式不同，这里我们先将raqsoftConfig.xml打成zip包（raqsoftConfig.xml.zip），以供后续作为自定义层上传使用。

SPL 通用接口实现

使用 SPL 提供的 JDBC 接口，在 Micronaut 中构建统一的函数调用入口。通过 HTTP POST 请求传入参数，执行指定 SPL 脚本，并将结果以 JSON 格式返回。

该接口接收两个参数：

· splxName：脚本文件名（不带扩展名）

· jsonParam：SPL脚本所需参数（JSON字符串）

返回值中包括状态码、消息提示及脚本执行结果数据。

package micronaut.spl;import io.micronaut.http.annotation.*;
import io.micronaut.http.MediaType;import java.sql.*;
import java.util.*;@Controller("/spl")
public class SPLExecutionController {@Post(uri = "/call", consumes = MediaType.APPLICATION_JSON, produces = MediaType.APPLICATION_JSON)public Map<String, Object> execute(@Body Map<String, String> request) {Map<String, Object> response = new HashMap<>();String splxName = request.get("splxName");String jsonParam = request.get("jsonParam");if (splxName == null || splxName.isBlank()) {response.put("code", 400);response.put("message", "Missing splxName");return response;}try {Class.forName("com.esproc.jdbc.InternalDriver");try (Connection con = DriverManager.getConnection("jdbc:esproc:local://?config=/opt/raqsoftConfig.xml");CallableStatement st = con.prepareCall("call " + splxName + "(?)")) {if (jsonParam != null && !jsonParam.isEmpty()) {st.setString(1, jsonParam);} else {st.setNull(1, Types.VARCHAR);}boolean hasResult = st.execute();List<List<Object>> allResults = new ArrayList<>();while (true) {if (hasResult) {try (ResultSet rs = st.getResultSet()) {ResultSetMetaData metaData = rs.getMetaData();int columnCount = metaData.getColumnCount();List<Object> currentResult = new ArrayList<>();while (rs.next()) {if (columnCount == 1) {currentResult.add(rs.getObject(1));} else {Map<String, Object> row = new LinkedHashMap<>();for (int i = 1; i <= columnCount; i++) {row.put(metaData.getColumnLabel(i), rs.getObject(i));}currentResult.add(row);}}if (!currentResult.isEmpty()) {allResults.add(currentResult);}}}if (!st.getMoreResults() && st.getUpdateCount() == -1) {break;}hasResult = true;}if (!allResults.isEmpty()) {response.put("code", 200);response.put("message", "success");response.put("data", allResults.size() == 1 ? allResults.get(0) : allResults);} else {response.put("code", 404);response.put("message", "No result data");}}} catch (Exception e) {e.printStackTrace();response.put("code", 500);response.put("message", "Execution failed: " + e.getMessage());}return response;}
}

打包项目后，再打成zip包（micronaut-spl-0.1.jar.zip）

上传部署Fat-JAR

在阿里云 FC 控制台中创建函数，推荐配置如下：

· 创建方式：使用自定义运行时创建

· 运行环境：Java 21

· 上传方式：ZIP 上传（micronaut-spl-0.1.jar.zip）

· 启动命令：java -jar micronaut-spl-0.1.jar

· 认证方式：无需认证（测试用）

点击创建后，即可完成函数部署。

添加配置层

在函数详情中点击“编辑层”，上传打包好的 raqsoftConfig.xml.zip，新建名为 config 的自定义层。

编写SPL脚本

使用 MySQL 表数据计算

在阿里云 RDS 中创建 MySQL 实例及 orders 表，导入 TPC-H 示例数据（建库建表和导入过程略）。以下脚本 rds-mysql.splx 演示如何按订单年份与状态分组统计订单总额：

	A
1	=connect("rds_mysql")
2	=A1.cursor@x("SELECT O_ORDERDATE, O_ORDERSTATUS, O_TOTALPRICE FROM ORDERS")
3	=A2.groups(year(O_ORDERDATE):year,O_ORDERSTATUS:status;sum(O_TOTALPRICE):amount)

将脚本打zip包后，添加并创建自定义层（splx），即可在/opt下访问到该脚本。

调用示例

请求行

POST https://sss-fff-xxx.cn-xxx.fcapp.run/spl/call
Content-Type: application/json

请求体

{"splxName": "rds-mysql","jsonParam": ""
}

{"code": 200,"data": [{"year": 1992,"status": "F","amount": 34330674052.43},{"year": 1993,"status": "F","amount": 34340410079.03},{"year": 1994,"status": "F","amount": 34416369052.97},{"year": 1995,"status": "F","amount": 6614961429.26},{"year": 1995,"status": "O","amount": 20822054361.33},{"year": 1995,"status": "P","amount": 7109117393.01},{"year": 1996,"status": "O","amount": 34609364760.86},{"year": 1997,"status": "O","amount": 34373633413.04},{"year": 1998,"status": "O","amount": 20212721905.53}],"message": "success"
}

使用 NAS 文件系统

通过阿里云函数配置挂载 NAS 路径（如 /mnt/nas），可在 SPL 中直接读写该路径下的文件，实现持久化与共享。

以下为 w.splx（写）和 r.splx（读）两个脚本，模拟数据生成与读取处理过程。

w.splx如下：

	A
1	=path=json(jsonParams).path
2	=connect("rds_mysql")
3	=A2.cursor@x("SELECT O_ORDERDATE, O_ORDERSTATUS, O_TOTALPRICE FROM ORDERS")
4	=file(path/"orders.btx").export@b(A3)
5	return "btx exported."

r.splx如下：

	A
1	>p=json(jsonParam),path=p.path,n=p.n,m=p.m
2	=file(path/"orders.btx").cursor@b()
3	=A2.skip(n)
4	=A2.fetch(m)
5	>A2.close()
6	return A4

写脚本，通过数据库游标读取MySQL实例中的orders表，并写入orders.btx文件（path可使用配置的NAS路径，实现持久化或与其他服务共享数据）。

读脚本，通过读取指定路径文件的游标，跳过前n条记录，展示接下来的m条记录。

也可将脚本文件本身存放在 NAS 中，配合 raqsoftConfig.xml 中增加路径：

…
<splPathList><splPath>/opt;/mnt/nas</splPath>
</splPathList>
…

写入调用示例

请求行

POST https://sss-fff-xxx.cn-xxx.fcapp.run/spl/call

Content-Type: application/json

请求体

POST https://sss-fff-xxx.cn-xxx.fcapp.run/spl/call
Content-Type: application/json

{"splxName": "w","jsonParam": "{path:/mnt/nas/}"
}

读取调用示例

请求行

POST https://sss-fff-xxx.cn-xxx.fcapp.run/spl/call
Content-Type: application/json

请求体

{"splxName": "r","jsonParam": "{path:/mnt/nas/,n:99,m:2}"
}

{"code": 200,"data": [{"O_ORDERDATE": "1992-12-16","O_ORDERSTATUS": "F","O_TOTALPRICE": 198800.71},{"O_ORDERDATE": "1994-02-17","O_ORDERSTATUS": "F","O_TOTALPRICE": 2519.40}],"message": "success"
}

业务逻辑变更

我们将“使用 MySQL 表数据计算”的“按订单年份与状态分组统计订单总额”改为“按订单年月与状态分组统计订单总额”，只需要将 A3 中的 year(O_ORDERDATE):year 改为 month@y(O_ORDERDATE):YearMonth 即可。由于 SPL 支持将数据逻辑以外部脚本形式运行，此类修改无需重新构建和部署函数代码包，只需更新脚本内容即可在下一次函数调用时自动生效。这种“轻量级热切换”方式完美契合 Serverless 架构短生命周期、按需执行的特点，显著提升了云端数据服务的响应速度与维护效率，尤其适合频繁调整的数据分析类场景。

总结

借助 Micronaut 的轻量级框架特性与 SPL 的灵活脚本执行能力，我们成功构建了一个具备结构化数据处理能力的 Serverless 应用，并以 Fat-JAR 方式部署至阿里云函数计算 FC2.0。函数启动后可通过 REST 接口按需触发，访问 MySQL 或 NAS 等多种数据源，执行复杂的计算逻辑。

相比传统 Java 开发，SPL 显著简化了数据处理过程，使业务逻辑更清晰、更易维护。尤其在 Serverless 架构下，SPL 的“脚本热切换”能力无需重构或重新部署函数，即可在下次调用中自动生效，极大提升了系统的灵活性和运维效率。结合 NAS 文件系统，还能实现函数之间的数据共享与持久化，满足更多元的业务场景需求。

这种架构适用于需要快速迭代、规则频繁调整的数据服务场景，是企业在 Serverless 架构下构建高效、可扩展数据计算服务的有力方案。