Snowflake SQL 変換ガイド

このドキュメントでは、エンタープライズ データ ウェアハウス（EDW）から BigQuery への移行をスムーズに行えるように、Snowflake と BigQuery の SQL 構文の類似点と違いについて詳しく説明します。Snowflake データ ウェアハウジングは、Snowflake 固有の SQL 構文で動作するように設計されています。サービスによって SQL 言語に違いがあるため、Snowflake 用に作成したスクリプトをそのまま BigQuery で使用できない場合があります。バッチ SQL 変換を使用して SQL スクリプトを一括で移行することも、インタラクティブ SQL 変換を使用してアドホック クエリを変換することもできます。Snowflake SQL は、プレビューでは両方のツールでサポートされています。

注: Snowflake と BigQuery の SQL 要素間に直接の対応関係がない場合もあります。ただし多くの場合、このドキュメントの例に示すように代替手段を使用することで、Snowflake と同じ機能を BigQuery でも実現できます。

データ型

このセクションでは、Snowflake と BigQuery の間で対応するデータ型を示します。

Snowflake	BigQuery	注
NUMBER/ DECIMAL/NUMERIC	NUMERIC	Snowflake の NUMBER データ型は、38 桁の精度と 37 桁のスケールをサポートします。精度とスケールはユーザーに従って指定できます。 BigQuery では、NUMERIC と BIGNUMERIC を一定の範囲で任意に指定された精度とスケールでサポートします。
INT/INTEGER	BIGNUMERIC	INT/INTEGER などの INT のようなデータ型（BIGINT, TINYINT, SMALLINT, BYTEINT など）はすべて、精度とスケールを指定できず、常に NUMBER(38, 0) である NUMBER データ型のエイリアスを表します。
BIGINT	BIGNUMERIC
SMALLINT	BIGNUMERIC
TINYINT	BIGNUMERIC
BYTEINT	BIGNUMERIC
FLOAT/ FLOAT4/ FLOAT8	FLOAT64	Snowflake の FLOAT データ型は、「NaN」を X より大きい値に設定します。ここで、X は任意の FLOAT 値です（NaN 自体を除く）。 BigQuery の FLOAT データ型は、「NaN」を X より大きい値に設定します。ここで、X は任意の FLOAT 値です（NaN 自体を除く）。
DOUBLE/ DOUBLE PRECISION/ REAL	FLOAT64	Snowflake の DOUBLE データ型は Snowflake の FLOAT データ型と同義ですが、誤って FLOAT と表示されることがよくあります。これは DOUBLE として適切に保存されています。
VARCHAR	STRING	Snowflake の VARCHAR データ型の最大長は 16 MB（非圧縮）です。長さが指定されていない場合、デフォルトは最大長です。 BigQuery の STRING 型は、可変長の UTF-8 エンコードされた Unicode として保存されます。最大長は 16,000 文字です。
CHAR/CHARACTER	STRING	Snowflake の CHAR データ型の最大長は 1 です。
STRING/TEXT	STRING	Snowflake の STRING データ型は、Snowflake の VARCHAR と同義です。
BINARY	BYTES
VARBINARY	BYTES
BOOLEAN	BOOL	BigQuery の BOOL データ型は TRUE/FALSE のみを受け入れます。これは、TRUE/FALSE/NULL を受け入れる Snowflake の BOOL データ型とは異なります。
DATE	DATE	Snowflake の DATE 型は、ほとんどの日付形式を受け入れます。これは、「YYYY-[M]M-[D]D」形式の日付のみを受け入れる BigQuery の DATE 型とは異なります。
TIME	TIME	Snowflake の TIME 型は 0～9 ナノ秒の精度をサポートしますが、BigQuery の TIME 型は 0～6 ナノ秒の精度をサポートします。
TIMESTAMP	DATETIME	TIMESTAMP はユーザーが構成可能なエイリアスで、デフォルトは BigQuery の DATETIME に対応する TIMESTAMP_NTZ です。
TIMESTAMP_LTZ	TIMESTAMP
TIMESTAMP_NTZ/DATETIME	DATETIME
TIMESTAMP_TZ	TIMESTAMP
OBJECT	JSON	Snowflake の OBJECT 型は、明示的に型指定された値をサポートしていません。値の型は VARIANT です。
VARIANT	JSON	Snowflake の OBJECT 型は、明示的に型指定された値をサポートしていません。値の型は VARIANT です。
ARRAY	ARRAY<JSON>	Snowflake の ARRAY 型は VARIANT 型のみをサポートでき、BigQuery の ARRAY 型は配列自体を除くすべてのデータ型をサポートできます。

BigQuery には次のデータ型もあります。これらのデータ型に直接対応する Snowflake データ型はありません。

• DATETIME
• GEOGRAPHY

クエリ構文とクエリ演算子

ここでは、Snowflake と BigQuery のクエリ構文の違いについて説明します。

SELECT ステートメント

Snowflake の SELECT ステートメントのほとんどは、BigQuery と互換性があります。次の表に細かな違いの一覧を示します。

Snowflake		BigQuery
SELECT TOP ... FROM table		SELECT expression FROM table ORDER BY expression DESC LIMIT number
SELECT x/total AS probability, ROUND(100 * probability, 1) AS pct FROM raw_data 注: Snowflake では、同じ SELECT ステートメント内でのエイリアスの作成と参照がサポートされます。		SELECT x/total AS probability, ROUND(100 * (x/total), 1) AS pct FROM raw_data
SELECT * FROM ( VALUES (1), (2), (3) )		SELECT AS VALUE STRUCT(1, 2, 3)

デフォルトでは、Snowflake のエイリアスと識別子では大文字と小文字が区別されません。大文字と小文字を区別するには、エイリアスと識別子を二重引用符（"）で囲みます。

BigQuery では SELECT ステートメントで次の式がサポートされています。これらと同等の Snowflake の式はありません。

• EXCEPT
• REPLACE

FROM 句

クエリの FROM 句は、SELECT ステートメントで使用できるテーブル、ビュー、サブクエリ、テーブル関数を指定します。これらのテーブル参照はすべて BigQuery でサポートされています。

次の表に細かな違いの一覧を示します。

Snowflake		BigQuery
SELECT $1, $2 FROM (VALUES (1, 'one'), (2, 'two'));		WITH table1 AS ( SELECT STRUCT(1 as number, 'one' as spelling) UNION ALL SELECT STRUCT(2 as number, 'two' as spelling) ) SELECT * FROM table1
SELECT* FROM table SAMPLE(10)		SELECT* FROM table TABLESAMPLE BERNOULLI (0.1 PERCENT)
SELECT * FROM table1 AT(TIMESTAMP => timestamp) SELECT * FROM table1 BEFORE(STATEMENT => statementID)		SELECT * FROM table FOR SYSTEM_TIME AS OF timestamp 注: BigQuery には、ステートメント ID を使用する Snowflake の BEFORE に対応する直接的な代替手段がありません。timestamp の値は、現在のタイムスタンプよりも 7 日以上前の値にすることができません。
@[namespace]<stage_name>[/path]		BigQuery は、ステージされたファイルの概念をサポートしていません。
SELECT* FROM table START WITH predicate CONNECT BY [PRIOR] col1 = [PRIOR] col2 [, ...] ...		BigQuery には、Snowflake の CONNECT BY に対応する直接的な代替手段はありません。

BigQuery のテーブルは、FROM 句で以下を使用することによって参照できます。

• [project_id].[dataset_id].[table_name]
• [dataset_id].[table_name]
• [table_name]

BigQuery はその他のテーブル参照もサポートしています。

• FOR SYSTEM_TIME AS OF を使用したテーブル定義と行の履歴バージョン
• フィールドパス。つまり、あるデータ型（STRUCT）の内部にあるフィールドに解決される任意のパス
• フラット化された配列

WHERE 句

次の場合を除き、Snowflake の WHERE 句と BigQuery の WHERE 句は同じです。

Snowflake		BigQuery
SELECT col1, col2 FROM table1, table2 WHERE col1 = col2(+)		SELECT col1, col2 FROM table1 INNER JOIN table2 ON col1 = col2 注: BigQuery は JOIN に対する (+) 構文をサポートしていません

JOIN 型

Snowflake と BigQuery はともに、以下のタイプの JOIN をサポートしています。

• [INNER] JOIN
• LEFT [OUTER] JOIN
• RIGHT [OUTER] JOIN
• FULL [OUTER] JOIN
• CROSS JOIN同等の暗黙の「カンマクロス結合」があります

Snowflake と BigQuery はどちらも ON 句と USING 句をサポートしています。

次の表に細かな違いの一覧を示します。

Snowflake		BigQuery
SELECT col1 FROM table1 NATURAL JOIN table2		SELECT col1 FROM table1 INNER JOIN table2 USING (col1, col2 [, ...]) 注: BigQuery では、CROSS JOIN の場合、または結合されるテーブルの 1 つが 1 つのデータ型または配列内のフィールドである場合を除いて、JOIN 句には JOIN 条件が必要です。
SELECT ... FROM table1 AS t1, LATERAL ( SELECT* FROM table2 AS t2 WHERE t1.col = t2.col ) 注: 非ラテラル結合の出力とは異なり、ラテラル結合の出力には、インライン ビューから生成された行のみが含まれます。左側の行は、インライン ビューに渡されていることによってすでに考慮されているため、右側の行に結合する必要はありません。		SELECT ... FROM table1 as t1 LEFT JOIN table2 as t2 ON t1.col = t2.col 注: BigQuery では、LATERAL JOIN の直接的な代替機能はサポートされていません。

WITH 句

BigQuery の WITH 句には 1 つまたは複数の名前付きサブクエリが含まれます。このサブクエリは、その後の SELECT ステートメントから参照されるたびに実行されます。Snowflake の WITH 句は、BigQuery と同じように動作しますが、BigQuery では WITH RECURSIVE がサポートされていません。

GROUP BY 句

Snowflake の GROUP BY 句は GROUP BY、GROUP BY ROLLUP、GROUP BY GROUPING SETS、GROUP BY CUBEをサポートし、BigQuery の GROUP BY 句は GROUP BY および GROUP BY ROLLUP をサポートします。

Snowflake の HAVING と BigQuery の HAVING は同じです。HAVING は GROUP BY と集計の後、ORDER BY の前に置かれることに注意してください。

Snowflake		BigQuery
SELECT col1 as one, col2 as two FROM table GROUP BY (one, 2)		SELECT col1 as one, col2 as two FROM table GROUP BY (one, 2)
SELECT col1 as one, col2 as two FROM table GROUP BY ROLLUP (one, 2)		SELECT col1 as one, col2 as two FROM table GROUP BY ROLLUP (one, 2)
SELECT col1 as one, col2 as two FROM table GROUP BY GROUPING SETS (one, 2) 注: Snowflake では、同じクエリブロックで最大 128 個のグループ化セットを使用できます		BigQuery では、Snowflake の GROUP BY GROUPING SETS に対応する直接的な代替手段がサポートされていません。
SELECT col1 as one, col2 as two FROM table GROUP BY CUBE (one,2) 注: Snowflake では、各キューブに最大 7 個の要素（128 個のグループ化セット）を含めることができます。		BigQuery では、Snowflake の GROUP BY CUBE に対応する直接的な代替手段がサポートされていません。

ORDER BY 句

Snowflake の ORDER BY 句と BigQuery の ORDER BY 句にはいくつかの細かな違いがあります。

Snowflake		BigQuery
Snowflake では、NULL はデフォルト（昇順）で最も優先順位が低くなります。		BigQuery では、NULLS はデフォルト（昇順）で最も優先順位が高くなります
NULLS FIRST と NULLS LAST を使用して、NULL 値を先頭にするか最後にするかを指定できます。		BigQuery には、NULL を先頭にするか最後にするかを指定する同等の機能はありません。

LIMIT/FETCH 句

Snowflake の LIMIT/FETCH 句は、ステートメントまたはサブクエリによって返される最大行数を制限します。LIMIT（Postgres 構文）と FETCH（ANSI 構文）は同じ結果を生成します。

Snowflake と BigQuery では、クエリに LIMIT 句を適用しても、読み取られるデータの量には影響しません。

Snowflake		BigQuery
SELECT col1, col2 FROM table ORDER BY col1 LIMIT count OFFSET start SELECT ... FROM ... ORDER BY ... OFFSET start {[ROW | ROWS]} FETCH {[FIRST | NEXT]} count {[ROW | ROWS]} [ONLY] 注: NULL、空の文字列（''）、$$$$ の値が受け入れられ、「無制限」として扱われます。主な用途はコネクタとドライバです。		SELECT col1, col2 FROM table ORDER BY col1 LIMIT count OFFSET start 注: BigQuery では FETCH はサポートされません。FETCH に代わり LIMIT になります。 注: BigQuery では、OFFSET は LIMIT count と組み合わせて使用する必要があります。パフォーマンスを最大にするために、必ず count は必要最小限の順序付きの行の数を示す INT64 値に設定します。結果のすべての行を並べ替えると、不必要に実行のパフォーマンスが低下することになります。

QUALIFY 句

Snowflake の QUALIFY 句を使用すると、集計関数や GROUP BY 句で HAVING を使用する場合と同様に、ウィンドウ関数の結果をフィルタリングできます。

Snowflake		BigQuery
SELECT col1, col2 FROM table QUALIFY ROW_NUMBER() OVER (PARTITION BY col1 ORDER BY col2) = 1;		Snowflake での ROW_NUMBER()、COUNT() などの分析関数と OVER PARTITION BY を含む QUALIFY 句は、BigQuery では分析値を含むサブクエリの WHERE 句として表現されます。 ROW_NUMBER() を使用する場合: SELECT col1, col2 FROM ( SELECT col1, col2 ROW NUMBER() OVER (PARTITION BY col1 ORDER by col2) RN FROM table ) WHERE RN = 1; より大きなパーティションをサポートする ARRAY_AGG() を使用する場合: SELECT result.* FROM ( SELECT ARRAY_AGG(table ORDER BY table.col2 DESC LIMIT 1) [OFFSET(0)] FROM table GROUP BY col1 ) AS result;

関数

以下のセクションでは、Snowflake の関数と BigQuery でこれらに対応する関数を示します。

集計関数

次の表に、Snowflake の一般的な集計関数、集計分析関数、近似集計関数と BigQuery でこれらに対応する関数を示します。

Snowflake	BigQuery
ANY_VALUE([DISTINCT] expression) [OVER ...] 注: DISTINCT には効果はありません。	ANY_VALUE(expression) [OVER ...]
APPROX_COUNT_DISTINCT([DISTINCT] expression) [OVER ...] 注: DISTINCT には効果はありません。	APPROX_COUNT_DISTINCT(expression) 注: BigQuery ではウィンドウ関数での APPROX_COUNT_DISTINCT はサポートされていません。
APPROX_PERCENTILE(expression, percentile) [OVER ...] 注: Snowflake には RESPECT NULLS オプションはありません。	APPROX_QUANTILES([DISTINCT] expression,100) [OFFSET((CAST(TRUNC(percentile * 100) as INT64))] 注: BigQuery ではウィンドウ関数での APPROX_QUANTILES はサポートされていません。
APPROX_PERCENTILE_ACCUMULATE (expression)	BigQuery では、近似値を予測する際に中間状態を保存する機能はサポートされていません。
APPROX_PERCENTILE_COMBINE(state)	BigQuery では、近似値を予測する際に中間状態を保存する機能はサポートされていません。
APPROX_PERCENTILE_ESTIMATE(state, percentile)	BigQuery では、近似値を予測する際に中間状態を保存する機能はサポートされていません。
APPROX_TOP_K(expression, [number [counters]] 注: 数値パラメータが指定されていない場合、デフォルトは 1 です。カウンタは数値よりも大幅に大きくする必要があります。	APPROX_TOP_COUNT(expression, number) 注: BigQuery ではウィンドウ関数での APPROX_TOP_COUNT はサポートされていません。
APPROX_TOP_K_ACCUMULATE(expression, counters)	BigQuery では、近似値を予測する際に中間状態を保存する機能はサポートされていません。
APPROX_TOP_K_COMBINE(state, [counters])	BigQuery では、近似値を予測する際に中間状態を保存する機能はサポートされていません。
APPROX_TOP_K_ESTIMATE(state, [k])	BigQuery では、近似値を予測する際に中間状態を保存する機能はサポートされていません。
APPROXIMATE_JACCARD_INDEX([DISTINCT] expression)	カスタム UDF を使用して、k の個別のハッシュ関数で MINHASH を実装できます。MINHASH のバリアンスを削減するもう 1 つの方法は 1 つのハッシュ関数の最小値を k にすることです。この場合、Jaccard インデックスは次のように近似できます。 WITH minhash_A AS ( SELECT DISTINCT FARM_FINGERPRINT(TO_JSON_STRING(t)) AS h FROM TA AS t ORDER BY h LIMIT k), minhash_B AS ( SELECT DISTINCT FARM_FINGERPRINT(TO_JSON_STRING(t)) AS h FROM TB AS t ORDER BY h LIMIT k) SELECT COUNT(*) / k AS APPROXIMATE_JACCARD_INDEX FROM minhash_A INNER JOIN minhash_B ON minhash_A.h = minhash_B.h
APPROXIMATE_SIMILARITY([DISTINCT] expression)	APPROXIMATE_JACCARD_INDEX と同義であり、同じ方法で実装できます。
ARRAY_AGG([DISTINCT] expression1) [WITHIN GROUP (ORDER BY ...)] [OVER ([PARTITION BY expression2])] Note: Snowflake does not support ability to IGNORE|RESPECT NULLS and to LIMIT directly in ARRAY_AGG.	ARRAY_AGG([DISTINCT] expression1 [{IGNORE|RESPECT}] NULLS] [ORDER BY ...] LIMIT ...]) [OVER (...)]
AVG([DISTINCT] expression) [OVER ...]	AVG([DISTINCT] expression) [OVER ...] 注: BigQuery の AVG では STRING の自動キャストは実行されません。
BITAND_AGG(expression) [OVER ...]	BIT_AND(expression) [OVER ...] 注: BigQuery では、文字やテキスト列は最も近い INTEGER に暗黙的にキャストされません。
BITOR_AGG(expression) [OVER ...]	BIT_OR(expression) [OVER ...] 注: BigQuery では、文字やテキスト列は最も近い INTEGER に暗黙的にキャストされません。
BITXOR_AGG([DISTINCT] expression) [OVER ...]	BIT_XOR([DISTINCT] expression) [OVER ...] 注: BigQuery では、文字やテキスト列は最も近い INTEGER に暗黙的にキャストされません。
BOOLAND_AGG(expression) [OVER ...] 注: Snowflake では、数値、小数値、浮動小数点値をゼロ以外の場合は TRUE として扱うことができます。	LOGICAL_AND(expression) [OVER ...]
BOOLOR_AGG(expression) [OVER ...] 注: Snowflake では、数値、小数値、浮動小数点値をゼロ以外の場合は TRUE として扱うことができます。	LOGICAL_OR(expression) [OVER ...]
BOOLXOR_AGG(expression) [OVER ([PARTITION BY <partition_expr> ]) 注: Snowflake では、数値、小数値、浮動小数点値をゼロ以外の場合は TRUE として扱うことができます。	数値式の場合: SELECT CASE COUNT(*) WHEN 1 THEN TRUE WHEN 0 THEN NULL ELSE FALSE END AS BOOLXOR_AGG FROM T WHERE expression != 0 OVER を使用するには、次のコマンドを実行します（ブール値の例）。 SELECT CASE COUNT(expression) OVER (PARTITION BY partition_expr) WHEN 0 THEN NULL ELSE CASE COUNT( CASE expression WHEN TRUE THEN 1 END) OVER (PARTITION BY partition_expr) WHEN 1 THEN TRUE ELSE FALSE END END AS BOOLXOR_AGG FROM T
CORR(dependent, independent) [OVER ...]	CORR(dependent, independent) [OVER ...]
COUNT([DISTINCT] expression [,expression2]) [OVER ...]	COUNT([DISTINCT] expression [,expression2]) [OVER ...]
COVAR_POP(dependent, independent) [OVER ...]	COVAR_POP(dependent, independent) [OVER ...]
COVAR_SAMP(dependent, independent) [OVER ...]	COVAR_SAMP(dependent, independent) [OVER ...]
GROUPING(expression1, [,expression2...])	BigQuery では、Snowflake の GROUPING に対応する直接的な代替手段がサポートされていません。ユーザー定義関数を通じて使用できます。
GROUPING_ID(expression1, [,expression2...])	BigQuery では、Snowflake の GROUPING_ID に対応する直接的な代替手段がサポートされていません。ユーザー定義関数を通じて使用できます。
HASH_AGG([DISTINCT] expression1, [,expression2]) [OVER ...]	SELECT BIT_XOR( FARM_FINGERPRINT( TO_JSON_STRING(t))) [OVER] FROM t
SELECT HLL([DISTINCT] expression1, [,expression2]) [OVER ...] 注: Snowflake では精度を指定できません。	SELECT HLL_COUNT.EXTRACT(sketch) FROM ( SELECT HLL_COUNT.INIT(expression) AS sketch FROM table ) 注: BigQuery では、ウィンドウ関数での HLL_COUNT… はサポートされていません。1 つの HLL_COUNT... 関数に複数の式を含めることはできません。
HLL_ACCUMULATE([DISTINCT] expression) 注: Snowflake では精度を指定できません。	HLL_COUNT.INIT(expression [, precision])
HLL_COMBINE([DISTINCT] state)	HLL_COUNT.MERGE_PARTIAL(sketch)
HLL_ESTIMATE(state)	HLL_COUNT.EXTRACT(sketch)
HLL_EXPORT(binary)	BigQuery では、Snowflake の HLL_EXPORT に対応する直接的な代替手段がサポートされていません。
HLL_IMPORT(object)	BigQuery では、Snowflake の HLL_IMPORT に対応する直接的な代替手段がサポートされていません。
KURTOSIS(expression) [OVER ...]	BigQuery では、Snowflake の KURTOSIS に対応する直接的な代替手段がサポートされていません。
LISTAGG( [DISTINCT] aggregate_expression [, delimiter] ) [OVER ...]	STRING_AGG( [DISTINCT] aggregate_expression [, delimiter] ) [OVER ...]
MEDIAN(expression) [OVER ...] 注: Snowflake では、ARRAY_AGG. で直接 IGNORE|RESPECT NULLS および LIMIT を指定できる機能はサポートされていません。	PERCENTILE_CONT( value_expression, 0.5 [ {RESPECT | IGNORE} NULLS] ) OVER()
MAX(expression) [OVER ...] MIN(expression) [OVER ...]	MAX(expression) [OVER ...] MIN(expression) [OVER ...]
MINHASH(k, [DISTINCT] expressions)	カスタム UDF を使用して、k の個別のハッシュ関数で MINHASH を実装できます。MINHASH のバリアンスを削減するもう 1 つの方法は、1 つのハッシュ関数の最小値を k にすることです。 SELECT DISTINCT FARM_FINGERPRINT( TO_JSON_STRING(t)) AS MINHASH FROM t ORDER BY MINHASH LIMIT k
MINHASH_COMBINE([DISTINCT] state)	FROM ( SELECT DISTINCT FARM_FINGERPRINT( TO_JSON_STRING(t)) AS h FROM TA AS t ORDER BY h LIMIT k UNION SELECT DISTINCT FARM_FINGERPRINT( TO_JSON_STRING(t)) AS h FROM TB AS t ORDER BY h LIMIT k ) ORDER BY h LIMIT k
MODE(expr1) OVER ( [ PARTITION BY <expr2> ] )	SELECT expr1 FROM ( SELECT expr1, ROW_NUMBER() OVER ( PARTITION BY expr2 ORDER BY cnt DESC) rn FROM ( SELECT expr1, expr2, COUNTIF(expr1 IS NOT NULL) OVER (PARTITION BY expr2, expr1) cnt FROM t)) WHERE rn = 1
OBJECT_AGG(key, value) [OVER ...]	TO_JSON_STRING を使用して値を JSON 形式の文字列に変換することもできます。
PERCENTILE_CONT(percentile) WITHIN GROUP (ORDER BY value_expression) [OVER ...]	PERCENTILE_CONT( value_expression, percentile [ {RESPECT | IGNORE} NULLS] ) OVER()
PERCENTILE_DISC(percentile) WITHIN GROUP (ORDER BY value_expression) [OVER ...]	PERCENTILE_DISC( value_expression, percentile [ {RESPECT | IGNORE} NULLS] ) OVER()
REGR_AVGX(dependent, independent) [OVER ...]	SELECT AVG(independent) [OVER ...] FROM table WHERE ( (dependent IS NOT NULL) AND (independent IS NOT NULL) )
REGR_AVGY(dependent, independent) [OVER ...]	SELECT AVG(dependent) [OVER ...] FROM table WHERE ( (dependent IS NOT NULL) AND (independent IS NOT NULL) )
REGR_COUNT(dependent, independent) [OVER ...]	SELECT COUNT(*) [OVER ...] FROM table WHERE ( (dependent IS NOT NULL) AND (independent IS NOT NULL) )
REGR_INTERCEPT(dependent, independent) [OVER ...]	SELECT AVG(dependent) - COVAR_POP(dependent,independent)/ VAR_POP(dependent) * AVG(independent) [OVER ...] FROM table WHERE ( (dependent IS NOT NULL) AND (independent IS NOT NULL) ) [GROUP BY ...]
REGR_R2(dependent, independent) [OVER ...]	SELECT CASE WHEN VAR_POP(independent) = 0 THEN NULL WHEN VAR_POP(dependent) = 0 AND VAR_POP(independent) != 0 THEN 1 ELSE POWER(CORR(dependent, independent), 2) END AS ... FROM table WHERE ( (dependent IS NOT NULL) AND (independent IS NOT NULL) ) [GROUP BY ...]
REGR_SLOPE(dependent, independent) [OVER ...]	SELECT COVAR_POP(dependent,independent)/ VAR_POP(dependent) [OVER ...] FROM table WHERE ( (dependent IS NOT NULL) AND (independent IS NOT NULL) ) [GROUP BY ...]
REGR_SXX(dependent, independent) [OVER ...]	SELECT COUNT(*)*VAR_POP(independent) [OVER ...] FROM table WHERE ( (dependent IS NOT NULL) AND (independent IS NOT NULL) ) [GROUP BY ...]
REGR_SYY(dependent, independent) [OVER ...]	SELECT COUNT(*)*VAR_POP(dependent) [OVER ...] FROM table WHERE ( (dependent IS NOT NULL) AND (independent IS NOT NULL) ) [GROUP BY ...]
SKEW(expression)	BigQuery では、Snowflake の SKEW に対応する直接的な代替手段がサポートされていません。
STDDEV([DISTINCT] expression) [OVER ...]	STDDEV([DISTINCT] expression) [OVER ...]
STDDEV_POP([DISTINCT] expression) [OVER ...]	STDDEV_POP([DISTINCT] expression) [OVER ...]
STDDEV_SAMP([DISTINCT] expression) [OVER ...]	STDDEV_SAMP([DISTINCT] expression) [OVER ...]
SUM([DISTINCT] expression) [OVER ...]	SUM([DISTINCT] expression) [OVER ...]
VAR_POP([DISTINCT] expression) [OVER ...] 注: Snowflake では、VARCHAR を浮動小数点値にキャストする機能がサポートされています。	VAR_POP([DISTINCT] expression) [OVER ...]
VARIANCE_POP([DISTINCT] expression) [OVER ...] 注: Snowflake では、VARCHAR を浮動小数点値にキャストする機能がサポートされています。	VAR_POP([DISTINCT] expression) [OVER ...]
VAR_SAMP([DISTINCT] expression) [OVER ...] 注: Snowflake では、VARCHAR を浮動小数点値にキャストする機能がサポートされています。	VAR_SAMP([DISTINCT] expression) [OVER ...]
VARIANCE([DISTINCT] expression) [OVER ...] 注: Snowflake では、VARCHAR を浮動小数点値にキャストする機能がサポートされています。	VARIANCE([DISTINCT] expression) [OVER ...]

BigQuery には次の集計関数、集計分析関数、近似集計関数もありますが、Snowflake にはこれらに直接対応するものはありません。

• COUNTIF
• ARRAY_CONCAT_AGG
• HLL_COUNT.MERGE

ビット単位の式関数

次の表に、Snowflake の一般的なビット単位の式関数と BigQuery でこれらに対応する関数を示します。

式のデータ型が INTEGER でない場合、Snowflake は INTEGER へのキャストを試みます。ただし、BigQuery は INTEGER へのキャストを試みません。

Snowflake	BigQuery
BITAND(expression1, expression2)	BIT_ADD(x) FROM UNNEST([expression1, expression2]) AS x expression1 & expression2
BITNOT(expression)	~ expression
BITOR(expression1, expression2)	BIT_OR(x) FROM UNNEST([expression1, expression2]) AS x expression1 | expression2
BITSHIFTLEFT (expression, n)	expression << n
BITSHIFTRIGHT (expression, n)	expression >> n
BITXOR(expression, expression) 注: Snowflake では DISTINCT. はサポートされていません。	BIT_XOR([DISTINCT] x) FROM UNNEST([expression1, expression2]) AS x expression ^ expression

条件式関数

次の表に、Snowflake の一般的な条件式関数と BigQuery でこれらに対応する関数を示します。

Snowflake	BigQuery
expression [ NOT ] BETWEEN lower AND upper	(expression >= lower AND expression <= upper)
BOOLAND(expression1, expression2) 注: Snowflake では、数値、小数値、浮動小数点値をゼロ以外の場合は TRUE として扱うことができます。	LOGICAL_AND(x) FROM UNNEST([expression1, expression2]) AS x expression1 AND expression2
BOOLNOT(expression1) 注: Snowflake では、数値、小数値、浮動小数点値をゼロ以外の場合は TRUE として扱うことができます。	NOT expression
BOOLOR 注: Snowflake では、数値、小数値、浮動小数点値をゼロ以外の場合は TRUE として扱うことができます。	LOGICAL_OR(x) FROM UNNEST([expression1, expression2]) AS x expression1 OR expression2
BOOLXOR 注: Snowflake では、数値、小数値、浮動小数点値をゼロ以外の場合は TRUE として扱うことができます。	BigQuery では、Snowflake の BOOLXOR. に対応する直接的な代替手段がサポートされていません
CASE [expression] WHEN condition1 THEN result1 [WHEN condition2 THEN result2] [...] [ELSE result3] END	CASE [expression] WHEN condition1 THEN result1 [WHEN condition2 THEN result2] [...] [ELSE result3] END
COALESCE(expr1, expr2, [,...]) 注: Snowflake では少なくとも 2 つの式が必要です。BigQuery で必要なのは 1 つのみです。	COALESCE(expr1, [,...])
DECODE(expression, search1, result1, [search2, result2...] [,default])	CASE [expression] WHEN condition1 THEN result1 [WHEN condition2 THEN result2] [...] [ELSE result3] END 注: BigQuery では、条件ステートメントのサブクエリがサポートされています。これを使用して、Snowflake の DECODE を再現できます。NULL 選択式と NULL 検索式を一致させるために、= NULL ではなく IS NULL を使用する必要があります。
EQUAL_NULL(expression1, expression2)	BigQuery では、Snowflake の EQUAL_NULL. に対応する直接的な代替手段がサポートされていません
GREATEST(expression1, [,expression2]...)	GREATEST(expression1, [,expression2]...)
IFF(condition, true_result, false_result)	IF(condition, true_result, false_result)
IFNULL(expression1, expression2)	IFNULL(expression1, expression2)
[ NOT ] IN ...	[ NOT ] IN ...
expression1 IS [ NOT ] DISTINCT FROM expression2	BigQuery では、Snowflake の IS [ NOT ] DISTINCT FROM. に対応する直接的な代替手段がサポートされていません
expression IS [ NOT ] NULL	expression IS [ NOT ] NULL
IS_NULL_VALUE(variant_expr)	BigQuery では VARIANT データ型はサポートされていません。
LEAST(expression,...)	LEAST(expression,...)
NULLIF(expression1,expression2)	NULLIF(expression1,expression2)
NVL(expression1, expression2)	IFNULL(expression1,expression2)
NVL2(expr1,expr2,expr2)	IF(expr1 IS NOT NULL, expr2,expr3)
REGR_VALX(expr1,expr2)	IF(expr1 IS NULL, NULL, expr2) 注: BigQuery では Snowflake の REGR... 関数に対応する直接的な代替手段がサポートされていません。
REGR_VALY(expr1,expr2)	IF(expr2 IS NULL, NULL, expr1) 注: BigQuery では Snowflake の REGR... 関数に対応する直接的な代替手段がサポートされていません。
ZEROIFNULL(expression)	IFNULL(expression,0)

コンテキスト関数

次の表に、Snowflake の一般的なコンテキスト関数と BigQuery でこれらに対応する関数を示します。

Snowflake	BigQuery
CURRENT_ACCOUNT()	SESSION_USER() 注: 直接的な比較ではありません。Snowflake はアカウント ID を返し、BigQuery はユーザーのメールアドレスを返します。
CURRENT_CLIENT()	BigQuery で使用されていないコンセプト
CURRENT_DATABASE()	SELECT catalog_name FROM INFORMATION_SCHEMA.SCHEMATA プロジェクト名のテーブルが返されます。直接的な比較ではありません。
CURRENT_DATE[()] 注: Snowflake は、ANSI 標準に準拠するために、CURRENT_DATE コマンドの後に「()」を適用しません。	CURRENT_DATE([timezone]) 注: BigQuery の CURRENT_DATE では、オプションのタイムゾーン指定がサポートされています。
CURRENT_REGION()	SELECT location FROM INFORMATION_SCHEMA.SCHEMATA 注: BigQuery の INFORMATION_SCHEMA.SCHEMATA は、Snowflake の CURRENT_REGION() よりも一般化されたロケーション参照を返します。直接的な比較ではありません。
CURRENT_ROLE()	BigQuery で使用されていないコンセプト
CURRENT_SCHEMA()	SELECT schema_name FROM INFORMATION_SCHEMA.SCHEMATA プロジェクトまたはリージョンで使用可能なすべてのデータセット（スキーマ）のテーブルが返されます。直接的な比較ではありません。
CURRENT_SCHEMAS()	BigQuery で使用されていないコンセプト
CURRENT_SESSION()	BigQuery で使用されていないコンセプト
CURRENT_STATEMENT()	SELECT query FROM INFORMATION_SCHEMA.JOBS_BY_* 注: BigQuery の INFORMATION_SCHEMA.JOBS_BY_* では、ジョブタイプ、開始/終了タイプなどでクエリを検索できます。
CURRENT_TIME[([frac_sec_prec])] 注: Snowflake では、オプションで秒の小数部の精度を指定できます。有効な値の範囲は 0～9 ナノ秒です。デフォルト値は 9 です。ANSI に準拠するために、これは「()」なしで呼び出すことができます。	CURRENT_TIME()
CURRENT_TIMESTAMP[([frac_sec_prec])] 注: Snowflake では、オプションで秒の小数部の精度を指定できます。有効な値の範囲は 0～9 ナノ秒です。デフォルト値は 9 です。ANSI に準拠するために、これは「()」なしで呼び出すことができます。セッション パラメータとして TIMEZONE を設定します。	CURRENT_DATETIME([timezone]) CURRENT_TIMESTAMP() 注: CURRENT_DATETIME は DATETIME データ型を返します（Snowflake ではサポートされていません）。CURRENT_TIMESTAMP は TIMESTAMP データ型を返します。
CURRENT_TRANSACTION()	SELECT job_id FROM INFORMATION_SCHEMA.JOBS_BY_* 注: BigQuery の INFORMATION_SCHEMA.JOBS_BY_* では、ジョブタイプ、開始/終了タイプなどでジョブ ID を検索できます。
CURRENT_USER[()] 注: Snowflake は、ANSI 標準に準拠するために、CURRENT_USER コマンドの後に「()」を適用しません。	SESSION_USER() SELECT user_email FROM INFORMATION_SCHEMA.JOBS_BY_* 注: 直接的な比較ではありません。Snowflake はユーザー名を返し、BigQuery はユーザーのメールアドレスを返します。
CURRENT_VERSION()	BigQuery で使用されていないコンセプト
CURRENT_WAREHOUSE()	SELECT catalg_name FROM INFORMATION_SCHEMA.SCHEMATA
LAST_QUERY_ID([num])	SELECT job_id FROM INFORMATION_SCHEMA.JOBS_BY_* 注: BigQuery の INFORMATION_SCHEMA.JOBS_BY_* では、ジョブタイプ、開始/終了タイプなどでジョブ ID を検索できます。
LAST_TRANSACTION()	SELECT job_id FROM INFORMATION_SCHEMA.JOBS_BY_* 注: BigQuery の INFORMATION_SCHEMA.JOBS_BY_* では、ジョブタイプ、開始/終了タイプなどでジョブ ID を検索できます。
LOCALTIME() 注: Snowflake は、ANSI 標準に準拠するために、LOCALTIME コマンドの後に「()」を適用しません。	CURRENT_TIME()
LOCALTIMESTAMP()	CURRENT_DATETIME([timezone]) CURRENT_TIMESTAMP() 注: CURRENT_DATETIME は DATETIME データ型を返します（Snowflake ではサポートされていません）。CURRENT_TIMESTAMP は TIMESTAMP データ型を返します。

変換関数

次の表に、Snowflake の一般的な変換関数と BigQuery でこれらに対応する関数を示します。

Snowflake と BigQuery で同一に見える関数でも、異なるデータ型が返される可能性があるので注意してください。

Snowflake	BigQuery
CAST(expression AS type) expression :: type	CAST(expression AS type)
TO_ARRAY(expression)	[expression] ARRAY(subquery)
TO_BINARY(expression[, format]) 注: Snowflake では、HEX、BASE64、UTF-8 の変換がサポートされています。Snowflake では、VARIANT データ型を使用する TO_BINARY もサポートされています。BigQuery には、VARIANT データ型に相当するものがありません。	TO_HEX(CAST(expression AS BYTES)) TO_BASE64(CAST(expression AS BYTES)) CAST(expression AS BYTES) 注: BigQuery のデフォルトの STRING キャストでは UTF-8 エンコードが使用されます。Snowflake には、BASE32 エンコードをサポートするオプションがありません。
TO_BOOLEAN(expression) 注: INT64 TRUE: 、それ以外の場合は FALSE: 0 STRING TRUE: "true"/"t"/"yes"/"y"/"on"/"1", FALSE: "false"/"f"/"no"/"n"/"off"/"0"	CAST(expression AS BOOL) 注: INT64 TRUE: 、それ以外の場合は FALSE: 0 STRING TRUE: "true", FALSE: "false"
TO_CHAR(expression[, format]) TO_VARCHAR(expression[, format]) 注: Snowflake の形式モデルはこちらで確認できます。BigQuery には、VARIANT データ型に相当するものがありません。	CAST(expression AS STRING) 注: BigQuery の入力式は、FORMAT_DATE、FORMAT_DATETIME、FORMAT_TIME、または FORMAT_TIMESTAMP を使用してフォーマットできます。
TO_DATE(expression[, format]) DATE(expression[, format]) 注: Snowflake では、INTEGER 型を DATE 型に直接変換する機能がサポートされています。Snowflake の形式モデルはこちらで確認できます。BigQuery には、VARIANT データ型に相当するものがありません。	CAST(expression AS DATE) 注: BigQuery の入力式は、FORMAT、FORMAT_DATETIME、FORMAT_TIMESTAMP を使用してフォーマットできます。
TO_DECIMAL(expression[, format] [,precision[, scale]] TO_NUMBER(expression[, format] [,precision[, scale]] TO_NUMERIC(expression[, format] [,precision[, scale]] 注: Snowflake の DECIMAL、NUMBER、NUMERIC データ型の形式モデルについては、こちらをご覧ください。BigQuery には、VARIANT データ型に相当するものがありません。	ROUND(CAST(expression AS NUMERIC) , x) 注: BigQuery の入力式は、FORMAT. を使用してフォーマットできます。
TO_DOUBLE(expression[, format]) 注: Snowflake の DOUBLE データ型の形式モデルについては、こちらをご覧ください。BigQuery には、VARIANT データ型に相当するものがありません。	CAST(expression AS FLOAT64) 注: BigQuery の入力式は、FORMAT. を使用してフォーマットできます。
TO_JSON(variant_expression)	BigQuery には、Snowflake の VARIANT データ型に相当するものがありません。
TO_OBJECT(variant_expression)	BigQuery には、Snowflake の VARIANT データ型に相当するものがありません。
TO_TIME(expression[, format]) TIME(expression[, format]) 注: Snowflake の STRING データ型の形式モデルについては、こちらをご覧ください。BigQuery には、VARIANT データ型に相当するものがありません。	CAST(expression AS TIME) 注: BigQuery には、Snowflake の VARIANT データ型に相当するものがありません。BigQuery の入力式は、FORMAT、FORMAT_DATETIME、FORMAT_TIMESTAMP、FORMAT_TIME を使用してフォーマットできます。
TO_TIMESTAMP(expression[, scale]) TO_TIMESTAMP_LTZ(expression[, scale]) TO_TIMESTAMP_NTZ(expression[, scale]) TO_TIMESTAMP_TZ(expression[, scale]) 注: BigQuery には、VARIANT データ型に相当するものがありません。	CAST(expression AS TIMESTAMP) 注: BigQuery の入力式は、FORMAT、FORMAT_DATE、FORMAT_DATETIME、FORMAT_TIME を使用してフォーマットできます。タイムゾーンは、FORMAT_TIMESTAMP パラメータを使用して含めることも、含めないこともできます。
TO_VARIANT(expression)	BigQuery には、Snowflake の VARIANT データ型に相当するものがありません。
TO_XML(variant_expression)	BigQuery には、Snowflake の VARIANT データ型に相当するものがありません。
TRY_CAST(expression AS type)	SAFE_CAST(expression AS type)
TRY_TO_BINARY(expression[, format])	TO_HEX(SAFE_CAST(expression AS BYTES)) TO_BASE64(SAFE_CAST(expression AS BYTES)) SAFE_CAST(expression AS BYTES)
TRY_TO_BOOLEAN(expression)	SAFE_CAST(expression AS BOOL)
TRY_TO_DATE(expression)	SAFE_CAST(expression AS DATE)
TRY_TO_DECIMAL(expression[, format] [,precision[, scale]] TRY_TO_NUMBER(expression[, format] [,precision[, scale]] TRY_TO_NUMERIC(expression[, format] [,precision[, scale]]	ROUND( SAFE_CAST(expression AS NUMERIC) , x)
TRY_TO_DOUBLE(expression)	SAFE_CAST(expression AS FLOAT64)
TRY_TO_TIME(expression)	SAFE_CAST(expression AS TIME)
TRY_TO_TIMESTAMP(expression) TRY_TO_TIMESTAMP_LTZ(expression) TRY_TO_TIMESTAMP_NTZ(expression) TRY_TO_TIMESTAMP_TZ(expression)	SAFE_CAST(expression AS TIMESTAMP)

BigQuery には次の変換関数もありますが、Snowflake にはこれらに直接対応するものはありません。

• CODE_POINTS_TO_BYTES
• CODE_POINTS_TO_STRING
• FORMAT
• FROM_BASE32
• FROM_BASE64
• FROM_HEX
• SAFE_CONVERT_BYTES_TO_STRING
• TO_BASE32
• TO_CODE_POINTS

データ生成関数

次の表に、Snowflake の一般的なデータ生成関数と BigQuery でこれらに対応する関数を示します。

Snowflake	BigQuery
NORMAL(mean, stddev, gen)	BigQuery では、Snowflake の NORMAL. に対応する直接的な比較がサポートされていません
RANDOM([seed])	IF(RAND()>0.5, CAST(RAND()*POW(10, 18) AS INT64), (-1)*CAST(RAND()*POW(10, 18) AS INT64)) 注: BigQuery ではシードはサポートされていません。
RANDSTR(length, gen)	BigQuery では、Snowflake の RANDSTR. に対応する直接的な比較がサポートされていません
SEQ1 / SEQ2 / SEQ4 / SEQ8	BigQuery では、Snowflake の SEQ_. に対応する直接的な比較がサポートされていません
UNIFORM(min, max, gen)	CAST(min + RAND()*(max-min) AS INT64) 注: 永続的な UDF を使用して、Snowflake の UNIFORM に相当する関数を作成します。詳しくはこちらの例をご覧ください。
UUID_STRING([uuid, name]) 注: Snowflake は 128 個のランダムなビットを返します。Snowflake は、バージョン 4（ランダム）とバージョン 5（名前付き）の両方の UUID をサポートしています。	GENERATE_UUID() 注: BigQuery は 122 個のランダムなビットを返します。BigQuery はバージョン 4 の UUID のみをサポートします。
ZIPF(s, N, gen)	BigQuery では、Snowflake の ZIPF. に対応する直接的な代替手段がサポートされていません

日付と時刻の関数

次の表に、Snowflake の一般的な日付と時刻の関数と BigQuery でこれらに対応する関数を示します。BigQuery の日付と時刻の関数としては、日付関数、日時関数、時刻関数、タイムスタンプ関数があります。

Snowflake	BigQuery
ADD_MONTHS(date, months)	CAST( DATE_ADD( date, INTERVAL integer MONTH ) AS TIMESTAMP )
CONVERT_TIMEZONE(source_tz, target_tz, source_timestamp) CONVERT_TIMEZONE(target_tz, source_timestamp)	PARSE_TIMESTAMP( "%c%z", FORMAT_TIMESTAMP( "%c%z", timestamp, target_timezone ) ) 注: BigQuery では、source_timezone は常に UTC です。
DATE_FROM_PARTS(year, month, day) 注: Snowflake では、オーバーフローと負の日付がサポートされています。たとえば、DATE_FROM_PARTS(2000, 1 + 24, 1) は 2002 年 1 月 1 日を返します。これは BigQuery ではサポートされていません。	DATE(year, month, day) DATE(timestamp_expression[, timezone]) DATE(datetime_expression)
DATE_PART(part, dateOrTime) 注: Snowflake では ISO 曜日、ナノ秒、エポック秒/ミリ秒/マイクロ秒/ナノ秒の部分タイプがサポートされています。BigQuery ではサポートされていません。Snowflake の部分タイプの一覧については、こちらをご覧ください。.	EXTRACT(part FROM dateOrTime) 注: BigQuery ではサポートされている部分タイプは、週（<weekday>）、マイクロ秒、ミリ秒の部分タイプがサポートされています。Snowflake ではサポートされていません。BigQuery の部分タイプの一覧については、こちらとこちらをご覧ください。
DATE_TRUNC(part, dateOrTime) 注: Snowflake ではナノ秒の部分タイプがサポートされています。BigQuery ではサポートされていません。Snowflake の部分タイプの一覧については、こちらをご覧ください。.	DATE_TRUNC(date, part) DATETIME_TRUNC(datetime, part) TIME_TRUNC(time, part) TIMESTAMP_TRUNC(timestamp, part[, timezone]) 注: BigQuery では、週（<weekday>）、ISO 週、ISO の年の各部分タイプがサポートされています。Snowflake ではサポートされていません。
DATEADD(part, value, dateOrTime)	DATE_ADD(date, INTERVAL value part)
DATEDIFF( part, expression1, expression2 ) 注: Snowflake では、この関数で 2 つの日付型、時刻型、タイムスタンプ型の差を計算できます。	DATE_DIFF( dateExpression1, dateExpression2, part ) DATETIME_DIFF( datetimeExpression1, datetimeExpression2, part ) TIME_DIFF( timeExpression1, timeExpression2, part ) TIMESTAMP_DIFF( timestampExpression1, timestampExpression2, part ) 注: BigQuery では、週（<weekday>）と ISO 年の部分タイプがサポートされています。
DAYNAME(dateOrTimestamp)	FORMAT_DATE('%a', date) FORMAT_DATETIME('%a', datetime) FORMAT_TIMESTAMP('%a', timestamp)
EXTRACT(part FROM dateOrTime) 注: Snowflake では ISO 曜日、ナノ秒、エポック秒/ミリ秒/マイクロ秒/ナノ秒の部分タイプがサポートされています。BigQuery ではサポートされていません。Snowflake の部分タイプの一覧については、こちらをご覧ください。.	EXTRACT(part FROM dateOrTime) 注: BigQuery ではサポートされている部分タイプは、週（<weekday>）、マイクロ秒、ミリ秒の部分タイプがサポートされています。Snowflake ではサポートされていません。BigQuery の部分タイプの一覧については、こちらとこちらをご覧ください。
[HOUR, MINUTE, SECOND](timeOrTimestamp)	EXTRACT(part FROM timestamp [AT THE ZONE timezone])
LAST_DAY(dateOrTime[, part])	DATE_SUB( DATE_TRUNC( DATE_ADD(date, INTERVAL 1 part), part), INTERVAL 1 DAY)
MONTHNAME(dateOrTimestamp)	FORMAT_DATE('%b', date) FORMAT_DATETIME('%b', datetime) FORMAT_TIMESTAMP('%b', timestamp)
NEXT_DAY(dateOrTime, dowString)	DATE_ADD( DATE_TRUNC( date, WEEK(dowString)), INTERVAL 1 WEEK) 注: dowString の再フォーマットが必要となることがあります。たとえば、Snowflake の「su」は BigQuery では「SUNDAY」になります。
PREVIOUS_DAY(dateOrTime, dowString)	DATE_TRUNC( date, WEEK(dowString) ) 注: dowString の再フォーマットが必要となることがあります。たとえば、Snowflake の「su」は BigQuery では「SUNDAY」になります。
TIME_FROM_PARTS(hour, minute, second[, nanosecond) 注: Snowflake ではオーバーフロー時間がサポートされています。たとえば、TIME_FROM_PARTS(0, 100, 0) は 01:40:00... を返します。これは BigQuery ではサポートされていません。BigQuery ではナノ秒はサポートされていません。	TIME(hour, minute, second) TIME(timestamp, [timezone]) TIME(datetime)
TIME_SLICE(dateOrTime, sliceLength, part[, START] TIME_SLICE(dateOrTime, sliceLength, part[, END]	DATE_TRUNC( DATE_SUB(CURRENT_DATE(), INTERVAL value MONTH), MONTH) DATE_TRUNC( DATE_ADD(CURRENT_DATE(), INTERVAL value MONTH), MONTH) 注: BigQuery では、Snowflake の TIME_SLICE に直接、正確に対応する関数はありません。適切なデータ型に対して DATETINE_TRUNC、TIME_TRUNC、TIMESTAMP_TRUNC を使用します。
TIMEADD(part, value, dateOrTime)	TIME_ADD(time, INTERVAL value part)
TIMEDIFF( part, expression1, expression2, ) 注: Snowflake では、この関数で 2 つの日付型、時刻型、タイムスタンプ型の差を計算できます。	DATE_DIFF( dateExpression1, dateExpression2, part ) DATETIME_DIFF( datetimeExpression1, datetimeExpression2, part ) TIME_DIFF( timeExpression1, timeExpression2, part ) TIMESTAMP_DIFF( timestampExpression1, timestampExpression2, part ) 注: BigQuery では、週（<weekday>）と ISO 年の部分タイプがサポートされています。
TIMESTAMP_[LTZ, NTZ, TZ _]FROM_PARTS (year, month, day, hour, second [, nanosecond][, timezone])	TIMESTAMP( string_expression[, timezone] | date_expression[, timezone] | datetime_expression[, timezone] ) 注: BigQuery ではタイムスタンプを STRING 型として入力する必要があります。例: "2008-12-25 15:30:00"
TIMESTAMPADD(part, value, dateOrTime)	TIMESTAMPADD(timestamp, INTERVAL value part)
TIMESTAMPDIFF( part, expression1, expression2, ) 注: Snowflake では、この関数で 2 つの日付型、時刻型、タイムスタンプ型の差を計算できます。	DATE_DIFF( dateExpression1, dateExpression2, part ) DATETIME_DIFF( datetimeExpression1, datetimeExpression2, part ) TIME_DIFF( timeExpression1, timeExpression2, part ) TIMESTAMP_DIFF( timestampExpression1, timestampExpression2, part ) 注: BigQuery では、週（<weekday>）と ISO 年の部分タイプがサポートされています。
TRUNC(dateOrTime, part) 注: Snowflake ではナノ秒の部分タイプがサポートされています。BigQuery ではサポートされていません。Snowflake の部分タイプの一覧については、こちらをご覧ください。.	DATE_TRUNC(date, part) DATETIME_TRUNC(datetime, part) TIME_TRUNC(time, part) TIMESTAMP_TRUNC(timestamp, part[, timezone]) 注: BigQuery では、週（<weekday>）、ISO 週、ISO の年の各部分タイプがサポートされています。Snowflake ではサポートされていません。
[YEAR*, DAY*, WEEK*, MONTH, QUARTER](dateOrTimestamp)	EXTRACT(part FROM timestamp [AT THE ZONE timezone])

BigQuery では、次の日付と時刻関数もサポートされています。Snowflake にはこれらに直接対応するものはありません。

DATE_SUB PARSE_DATE DATETIME_ADD PARSE_DATETIME PARSE_TIME TIMESTAMP_SUB TIMESTAMP_SECONDS UNIX_SECONDS	DATE_FROM_UNIX_DATE UNIX_DATE DATETIME_SUB TIME_SUB STRING FORMAT_TIMESTAMP TIMESTAMP_MILLIS UNIX_MILLIS	FORMAT_DATE DATETIME FORMAT_DATETIME FORMAT_TIME TIMESTAMP_ADD PARSE_TIMESTAMP TIMESTAMP_MICROS UNIX_MICROS

情報スキーマとテーブル関数

BigQuery では、Snowflake の情報スキーマとテーブル関数の多くの概念がサポートされていません。Snowflake には次の情報スキーマとテーブル関数がありますが、BigQuery にはこれらに直接対応するものはありません。

• AUTOMATIC_CLUSTERING_HISTORY
• COPY_HISTORY
• DATA_TRANSFER_HISTORY
• DATABASE_REFRESH_HISTORY
• DATABASE_REFRESH_PROGRESS, DATABASE_REFRESH_PROGRESS_BY_JOB
• DATABASE_STORAGE_USAGE_HISTORY
• EXTERNAL_TABLE_FILES
• EXTERNAL_TABLE_FILE_REGISTRATION_HISTORY
• LOGIN_HISTORY、LOGIN_HISTORY_BY_USER
• MATERIALIZED_VIEW_REFRESH_HISTORY
• PIPE_USAGE_HISTORY
• REPLICATION_USAGE_HISTORY
• STAGE_STORAGE_USAGE_HISTORY
• TASK_DEPENDENTS
• VALIDATE_PIPE_LOAD
• WAREHOUSE_LOAD_HISTORY
• WAREHOUSE_METERING_HISTORY

以下に、関連する BigQuery と Snowflake の情報スキーマとテーブル関数の一覧を示します。

Snowflake	BigQuery
QUERY_HISTORY QUERY_HISTORY_BY_*	INFORMATION_SCHEMA.JOBS_BY_* 注: 直接的な代替手段ではありません。
TASK_HISTORY	INFORMATION_SCHEMA.JOBS_BY_* 注: 直接的な代替手段ではありません。

BigQuery には次の情報スキーマとテーブル関数がありますが、Snowflake にはこれらに直接対応するものはありません。

• INFORMATION_SCHEMA.SCHEMATA
• INFORMATION_SCHEMA.ROUTINES
• INFORMATION_SCHEMA.TABLES
• INFORMATION_SCHEMA.VIEWS

数値関数

次の表に、Snowflake の一般的な数値関数と BigQuery でこれらに対応する関数を示します。

Snowflake	BigQuery
ABS(expression)	ABS(expression)
ACOS(expression)	ACOS(expression)
ACOSH(expression)	ACOSH(expression)
ASIN(expression)	ASIN(expression)
ASINH(expression)	ASINH(expression)
ATAN(expression)	ATAN(expression)
ATAN2(y, x)	ATAN2(y, x)
ATANH(expression)	ATANH(expression)
CBRT(expression)	POW(expression, ⅓)
CEIL(expression [, scale])	CEIL(expression) 注: BigQuery の CEIL では、精度やスケールを指定する機能はサポートされていません。 ROUND では切り上げを指定できません。
COS(expression)	COS(expression)
COSH(expression)	COSH(expression)
COT(expression)	1/TAN(expression)
DEGREES(expression)	(expression)*(180/ACOS(-1))
EXP(expression)	EXP(expression)
FACTORIAL(expression)	BigQuery には、Snowflake の FACTORIAL に対応する直接的な代替手段はありません。ユーザー定義関数を使用します。
FLOOR(expression [, scale])	FLOOR(expression) 注: BigQuery の FLOOR では、精度やスケールを指定する機能はサポートされていません。 ROUND では切り上げを指定できません。TRUNC は絶対値を評価するため、正の数に対しては同義的に実行されますが、負の数に対しては同義的に実行されません。
HAVERSINE(lat1, lon1, lat2, lon2)	ST_DISTANCE( ST_GEOGPOINT(lon1, lat1), ST_GEOGPOINT(lon2, lat2) )/1000 注: 完全一致ではありませんが、十分に類似しています。
LN(expression)	LN(expression)
LOG(base, expression)	LOG(expression [,base]) LOG10(expression) 注: LOG のデフォルトのベースは 10 です。
MOD(expression1, expression2)	MOD(expression1, expression2)
PI()	ACOS(-1)
POW(x, y) POWER(x, y)	POW(x, y) POWER(x, y)
RADIANS(expression)	(expression)*(ACOS(-1)/180)
ROUND(expression [, scale])	ROUND(expression, [, scale])
SIGN(expression)	SIGN(expression)
SIN(expression)	SIN(expression)
SINH(expression)	SINH(expression)
SQRT(expression)	SQRT(expression)
SQUARE(expression)	POW(expression, 2)
TAN(expression)	TAN(expression)
TANH(expression)	TANH(expression)
TRUNC(expression [, scale]) TRUNCATE(expression [, scale])	TRUNC(expression [, scale]) 注: BigQuery の戻り値は、式よりも小さくする必要があります。同じ値はサポートされません。

BigQuery には次の数学関数もありますが、Snowflake にはこれらに直接対応するものはありません。

• IS_INF
• IS_NAN
• IEEE_DIVIDE
• DIV
• SAFE_DIVIDE
• SAFE_MULTIPLY
• SAFE_NEGATE
• SAFE_ADD
• SAFE_SUBTRACT
• RANGE_BUCKET

半構造化データ関数

Snowflake	BigQuery
ARRAY_APPEND	カスタムのユーザー定義関数
ARRAY_CAT	ARRAY_CONCAT
ARRAY_COMPACT	カスタムのユーザー定義関数
ARRAY_CONSTRUCT	[ ]
ARRAY_CONSTRUCT_COMPACT	カスタムのユーザー定義関数
ARRAY_CONTAINS	カスタムのユーザー定義関数
ARRAY_INSERT	カスタムのユーザー定義関数
ARRAY_INTERSECTION	カスタムのユーザー定義関数
ARRAY_POSITION	カスタムのユーザー定義関数
ARRAY_PREPEND	カスタムのユーザー定義関数
ARRAY_SIZE	ARRAY_LENGTH
ARRAY_SLICE	カスタムのユーザー定義関数
ARRAY_TO_STRING	ARRAY_TO_STRING
ARRAYS_OVERLAP	カスタムのユーザー定義関数
AS_<object_type>	CAST
AS_ARRAY	CAST
AS_BINARY	CAST
AS_BOOLEAN	CAST
AS_CHAR , AS_VARCHAR	CAST
AS_DATE	CAST
AS_DECIMAL , AS_NUMBER	CAST
AS_DOUBLE , AS_REAL	CAST
AS_INTEGER	CAST
AS_OBJECT	CAST
AS_TIME	CAST
AS_TIMESTAMP_*	CAST
CHECK_JSON	カスタムのユーザー定義関数
CHECK_XML	カスタムのユーザー定義関数
FLATTEN	UNNEST
GET	カスタムのユーザー定義関数
GET_IGNORE_CASE	カスタムのユーザー定義関数
GET_PATH , :	カスタムのユーザー定義関数
IS_<object_type>	カスタムのユーザー定義関数
IS_ARRAY	カスタムのユーザー定義関数
IS_BINARY	カスタムのユーザー定義関数
IS_BOOLEAN	カスタムのユーザー定義関数
IS_CHAR , IS_VARCHAR	カスタムのユーザー定義関数
IS_DATE , IS_DATE_VALUE	カスタムのユーザー定義関数
IS_DECIMAL	カスタムのユーザー定義関数
IS_DOUBLE , IS_REAL	カスタムのユーザー定義関数
IS_INTEGER	カスタムのユーザー定義関数
IS_OBJECT	カスタムのユーザー定義関数
IS_TIME	カスタムのユーザー定義関数
IS_TIMESTAMP_*	カスタムのユーザー定義関数
OBJECT_CONSTRUCT	カスタムのユーザー定義関数
OBJECT_DELETE	カスタムのユーザー定義関数
OBJECT_INSERT	カスタムのユーザー定義関数
PARSE_JSON	JSON_EXTRACT
PARSE_XML	カスタムのユーザー定義関数
STRIP_NULL_VALUE	カスタムのユーザー定義関数
STRTOK_TO_ARRAY	SPLIT
TRY_PARSE_JSON	カスタムのユーザー定義関数
TYPEOF	カスタムのユーザー定義関数
XMLGET	カスタムのユーザー定義関数

文字列とバイナリ関数

Snowflake	BigQuery
string1 || string2	CONCAT(string1, string2)
ASCII	TO_CODE_POINTS(string1)[OFFSET(0)]
BASE64_DECODE_BINARY	SAFE_CONVERT_BYTES_TO_STRING( FROM_BASE64(<bytes_input>) )
BASE64_DECODE_STRING	SAFE_CONVERT_BYTES_TO_STRING( FROM_BASE64(<string1>) )
BASE64_ENCODE	TO_BASE64( SAFE_CAST(<string1> AS BYTES) )
BIT_LENGTH	BYTE_LENGTH * 8 CHARACTER_LENGTH
CHARINDEX(substring, string)	STRPOS(string, substring)
CHR,CHAR	CODE_POINTS_TO_STRING([number])
COLLATE	カスタムのユーザー定義関数
COLLATION	カスタムのユーザー定義関数
COMPRESS	カスタムのユーザー定義関数
CONCAT(string1, string2)	CONCAT(string1, string2) 注: BigQuery の CONCAT(...) では、任意の数の文字列を連結できます。
CONTAINS	カスタムのユーザー定義関数
DECOMPRESS_BINARY	カスタムのユーザー定義関数
DECOMPRESS_STRING	カスタムのユーザー定義関数
EDITDISTANCE	カスタムのユーザー定義関数
ENDSWITH	カスタムのユーザー定義関数
HEX_DECODE_BINARY	SAFE_CONVERT_BYTES_TO_STRING( FROM_HEX(<string1>)
HEX_DECODE_STRING	SAFE_CONVERT_BYTES_TO_STRING( FROM_HEX(<string1>)
HEX_ENCODE	TO_HEX( SAFE_CAST(<string1> AS BYTES))
ILIKE	カスタムのユーザー定義関数
ILIKE ANY	カスタムのユーザー定義関数
INITCAP	INITCAP
INSERT	カスタムのユーザー定義関数
LEFT	ユーザー定義関数
LENGTH	LENGTH(expression)
LIKE	LIKE
LIKE ALL	カスタムのユーザー定義関数
LIKE ANY	カスタムのユーザー定義関数
LOWER	LOWER(string)
LPAD	LPAD(string1, length[, string2])
LTRIM	LTRIM(string1, trim_chars)
MD5,MD5_HEX	MD5(string)
MD5_BINARY	カスタムのユーザー定義関数
OCTET_LENGTH	カスタムのユーザー定義関数
PARSE_IP	カスタムのユーザー定義関数
PARSE_URL	カスタムのユーザー定義関数
POSITION	STRPOS(string, substring)
REPEAT	REPEAT(string, integer)
REPLACE	REPLACE(string1, old_chars, new_chars)
REVERSE number_characters )	REVERSE(expression)
RIGHT	ユーザー定義関数
RPAD	RPAD
RTRIM	RTRIM(string, trim_chars)
RTRIMMED_LENGTH	カスタムのユーザー定義関数
SHA1,SHA1_HEX	SHA1(string)
SHA1_BINARY	カスタムのユーザー定義関数
SHA2,SHA2_HEX	カスタムのユーザー定義関数
SHA2_BINARY	カスタムのユーザー定義関数
SOUNDEX	カスタムのユーザー定義関数
SPACE	カスタムのユーザー定義関数
SPLIT	SPLIT
SPLIT_PART	カスタムのユーザー定義関数
SPLIT_TO_TABLE	カスタムのユーザー定義関数
STARTSWITH	カスタムのユーザー定義関数
STRTOK	SPLIT(instring, delimiter)[ORDINAL(tokennum)] 注: delimiter 文字列引数全体が単一の区切り文字として使用されます。デフォルトの区切り文字はカンマです。
STRTOK_SPLIT_TO_TABLE	カスタムのユーザー定義関数
SUBSTR,SUBSTRING	SUBSTR
TRANSLATE	カスタムのユーザー定義関数
TRIM	TRIM
TRY_BASE64_DECODE_BINARY	カスタムのユーザー定義関数
TRY_BASE64_DECODE_STRING	SUBSTR(string, 0, integer)
TRY_HEX_DECODE_BINARY	SUBSTR(string, -integer)
TRY_HEX_DECODE_STRING	LENGTH(expression)
UNICODE	カスタムのユーザー定義関数
UPPER	UPPER

文字列関数（正規表現）

Snowflake	BigQuery
REGEXP	IF(REGEXP_CONTAINS,1,0)=1
REGEXP_COUNT	ARRAY_LENGTH( REGEXP_EXTRACT_ALL( source_string, pattern ) ) position が指定されている場合: ARRAY_LENGTH( REGEXP_EXTRACT_ALL( SUBSTR(source_string, IF(position <= 0, 1, position)), pattern ) ) 注: BigQuery は、re2 ライブラリを使用した正規表現をサポートしています。正規表現の構文については、該当するドキュメントをご覧ください。
REGEXP_INSTR	IFNULL( STRPOS( source_string, REGEXP_EXTRACT( source_string, pattern) ), 0) position が指定されている場合: IFNULL( STRPOS( SUBSTR(source_string, IF(position <= 0, 1, position)), REGEXP_EXTRACT( SUBSTR(source_string, IF(position <= 0, 1, position)), pattern) ) + IF(position <= 0, 1, position) - 1, 0) occurrence が指定されている場合: IFNULL( STRPOS( SUBSTR(source_string, IF(position <= 0, 1, position)), REGEXP_EXTRACT_ALL( SUBSTR(source_string, IF(position <= 0, 1, position)), pattern )[SAFE_ORDINAL(occurrence)] ) + IF(position <= 0, 1, position) - 1, 0) 注: BigQuery は、re2 ライブラリを使用した正規表現をサポートしています。正規表現の構文については、該当するドキュメントをご覧ください。
REGEXP_LIKE	IF(REGEXP_CONTAINS,1,0)=1
REGEXP_REPLACE	REGEXP_REPLACE( source_string, pattern, "" ) replace_string が指定されている場合: REGEXP_REPLACE( source_string, pattern, replace_string ) position が指定されている場合: CASE WHEN position > LENGTH(source_string) THEN source_string WHEN position <= 0 THEN REGEXP_REPLACE( source_string, pattern, "" ) ELSE CONCAT( SUBSTR( source_string, 1, position - 1), REGEXP_REPLACE( SUBSTR(source_string, position), pattern, replace_string ) ) END 注: BigQuery は、re2 ライブラリを使用した正規表現をサポートしています。正規表現の構文については、該当するドキュメントをご覧ください。
REGEXP_SUBSTR	REGEXP_EXTRACT( source_string, pattern ) position が指定されている場合: REGEXP_EXTRACT( SUBSTR(source_string, IF(position <= 0, 1, position)), pattern ) occurrence が指定されている場合: REGEXP_EXTRACT_ALL( SUBSTR(source_string, IF(position <= 0, 1, position)), pattern )[SAFE_ORDINAL(occurrence)] 注: BigQuery は、re2 ライブラリを使用した正規表現をサポートしています。正規表現の構文については、該当するドキュメントをご覧ください。
RLIKE	IF(REGEXP_CONTAINS,1,0)=1

システム関数

Snowflake	BigQuery
SYSTEM$ABORT_SESSION	カスタムのユーザー定義関数
SYSTEM$ABORT_TRANSACTION	カスタムのユーザー定義関数
SYSTEM$CANCEL_ALL_QUERIES	カスタムのユーザー定義関数
SYSTEM$CANCEL_QUERY	カスタムのユーザー定義関数
SYSTEM$CLUSTERING_DEPTH	カスタムのユーザー定義関数
SYSTEM$CLUSTERING_INFORMATION	カスタムのユーザー定義関数
SYSTEM$CLUSTERING_RATIO — Deprecated	カスタムのユーザー定義関数
SYSTEM$CURRENT_USER_TASK_NAME	カスタムのユーザー定義関数
SYSTEM$DATABASE_REFRESH_HISTORY	カスタムのユーザー定義関数
SYSTEM$DATABASE_REFRESH_PROGRESS , SYSTEM$DATABASE_REFRESH_PROGRESS_BY_JOB	カスタムのユーザー定義関数
SYSTEM$GET_AWS_SNS_IAM_POLICY	カスタムのユーザー定義関数
SYSTEM$GET_PREDECESSOR_RETURN_VALUE	カスタムのユーザー定義関数
SYSTEM$LAST_CHANGE_COMMIT_TIME	カスタムのユーザー定義関数
SYSTEM$PIPE_FORCE_RESUME	カスタムのユーザー定義関数
SYSTEM$PIPE_STATUS	カスタムのユーザー定義関数
SYSTEM$SET_RETURN_VALUE	カスタムのユーザー定義関数
SYSTEM$SHOW_OAUTH_CLIENT_SECRETS	カスタムのユーザー定義関数
SYSTEM$STREAM_GET_TABLE_TIMESTAMP	カスタムのユーザー定義関数
SYSTEM$STREAM_HAS_DATA	カスタムのユーザー定義関数
SYSTEM$TASK_DEPENDENTS_ENABLE	カスタムのユーザー定義関数
SYSTEM$TYPEOF	カスタムのユーザー定義関数
SYSTEM$USER_TASK_CANCEL_ONGOING_EXECUTIONS	カスタムのユーザー定義関数
SYSTEM$WAIT	カスタムのユーザー定義関数
SYSTEM$WHITELIST	カスタムのユーザー定義関数
SYSTEM$WHITELIST_PRIVATELINK	カスタムのユーザー定義関数

テーブル関数

Snowflake		BigQuery
GENERATOR		カスタムのユーザー定義関数
GET_OBJECT_REFERENCES		カスタムのユーザー定義関数
RESULT_SCAN		カスタムのユーザー定義関数
VALIDATE		カスタムのユーザー定義関数

ユーティリティとハッシュ関数

Snowflake		BigQuery
GET_DDL		機能リクエスト
HASH		HASH は、Snowflake 固有の専用関数です。Snowflake で使用される基礎となるロジックが不明なために変換できません。

ウィンドウ関数

Snowflake		BigQuery
CONDITIONAL_CHANGE_EVENT		カスタムのユーザー定義関数
CONDITIONAL_TRUE_EVENT		カスタムのユーザー定義関数
CUME_DIST		CUME_DIST
DENSE_RANK		DENSE_RANK
FIRST_VALUE		FIRST_VALUE
LAG		LAG
LAST_VALUE		LAST_VALUE
LEAD		LEAD
NTH_VALUE		NTH_VALUE
NTILE		NTILE
PERCENT_RANK		PERCENT_RANK
RANK		RANK
RATIO_TO_REPORT		カスタムのユーザー定義関数
ROW_NUMBER		ROW_NUMBER
WIDTH_BUCKET		カスタムのユーザー定義関数

BigQuery では、SAFE_CAST (expression AS typename) もサポートされます。これは、BigQuery がキャストを実行できない場合に NULL を返します（たとえば、SAFE_CAST("apple" AS INT64) は NULL を返します）。

演算子

以下のセクションでは、Snowflake 演算子と BigQuery でこれらに対応するものを示します。

算術演算子

次の表に、Snowflake の算術演算子と BigQuery でこれらに対応するものを示します。

Snowflake	BigQuery
(Unary) (+'5')	CAST("5" AS NUMERIC)
a + b	a + b
(Unary) (-'5')	(-1) * CAST("5" AS NUMERIC) 注: BigQuery は標準の単項マイナスをサポートしますが、文字列形式の整数を INT64 型、NUMERIC 型、または FLOAT64 型に変換しません。
a - b	a - b
date1 - date2 date1 - 365	DATE_DIFF(date1, date2, date_part) DATE_SUB(date1, date2, date_part)
a * b	a * b
a / b	a / b
a % b	MOD(a, b)

算術演算実行時の Snowflake のスケールと精度の詳細を確認するには、Snowflake のドキュメントをご覧ください。

比較演算子

Snowflake の比較演算子と BigQuery の比較演算子は同じです。

論理演算子/ブール演算子

Snowflake の論理演算子/ブール演算子と BigQuery の論理演算子/ブール演算子は同じです。

集合演算子

次の表に、Snowflake の集合演算子と BigQuery でこれらに対応するものを示します。

Snowflake	BigQuery
SELECT ... INTERSECT SELECT ...	SELECT ... INTERSECT DISTINCT SELECT...
SELECT ... MINUS SELECT ... SELECT ... EXCEPT SELECT … 注: MINUS と EXCEPT は同義です。	SELECT ... EXCEPT DISTINCT SELECT ...
SELECT ... UNION SELECT ... SELECT ... UNION ALL SELECT ...	SELECT ... UNION DISTINCT SELECT ... SELECT ... UNION ALL SELECT ...

サブクエリ演算子

次の表に、Snowflake の集合演算子と BigQuery でこれらに対応する演算子を示します。

Snowflake	BigQuery
SELECT ... FROM ... WHERE col <operator> ALL … SELECT ... FROM ... WHERE col <operator> ANY ...	BigQuery では、Snowflake の「ALL/ANY」に対応する直接的な代替手段がサポートされていません。
SELECT ... FROM ... WHERE [NOT] EXISTS...	SELECT ... FROM ... WHERE [NOT] EXISTS...
SELECT ... FROM ... WHERE [NOT] IN...	SELECT ... FROM ... WHERE [NOT] IN...
SELECT * FROM table1 UNION SELECT * FROM table2 EXCEPT SELECT * FROM table3	SELECT * FROM table1 UNION ALL ( SELECT * FROM table2 EXCEPT SELECT * FROM table3 ) 注: BigQuery では、異なる set 演算子を区別するためにかっこが必要です。同じ set 演算子を繰り返すときは、かっこは不要です。

DML 構文

このセクションでは、Snowflake と BigQuery のデータ管理言語の構文の違いについて説明します。

INSERT ステートメント

Snowflake では、列に対して構成可能な DEFAULT キーワードがあります。BigQuery では、NULL が許容される列の DEFAULT 値は NULL であり、必須の列では DEFAULT がサポートされません。Snowflake の INSERT ステートメントのほとんどは、BigQuery と互換性があります。次の表に例外を示します。

Snowflake	BigQuery
INSERT [OVERWRITE] INTO table VALUES [... | DEFAULT | NULL] ... 注: BigQuery では、INSERT ステートメントを使用して JSON オブジェクトを挿入することはできません。.	INSERT [INTO] table (column1 [, ...]) VALUES (DEFAULT [, ...]) 注: BigQuery では Snowflake の OVERWRITE に対応する直接的な代替手段がサポートされていません。代わりに DELETE を使用してください。
INSERT INTO table (column1 [, ...]) SELECT... FROM ...	INSERT [INTO] table (column1, [,...]) SELECT ... FROM ...
INSERT [OVERWRITE] ALL <intoClause> ... INSERT [OVERWRITE] {FIRST | ALL} {WHEN condition THEN <intoClause>} [...] [ELSE <intoClause>] ... 注: <intoClause> は、上記の標準の INSERT statement を表します。	BigQuery では、条件付きおよび無条件の複数テーブルの INSERTs はサポートされていません。

BigQuery ではサブクエリを使用した値の挿入（値の 1 つがサブクエリを使用して計算される）もサポートされますが、Snowflake ではサポートされません。例を次に示します。

INSERT INTO table (column1, column2)
VALUES ('value_1', (
  SELECT column2
  FROM table2
))

COPY ステートメント

Snowflake は、ステージ ファイルから既存のテーブルへのデータのコピー、テーブルから名前付き内部ステージ、名前付き外部ステージ、外部ロケーション（Amazon S3、Google Cloud Storage、または Microsoft Azure）へのデータのコピーをサポートします。

• COPY INTO <table>
• COPY INTO <location>

BigQuery では、データの読み込みに SQL COPY コマンドは使用されませんが、SQL 以外のツールおよびオプションをいくつか自由に使用して、データを BigQuery テーブルに読み込むことができます。また、Apache Spark または Apache Beam で提供されるデータ パイプライン シンクを使用して BigQuery にデータを書き込むこともできます。

UPDATE ステートメント

Snowflake の UPDATE ステートメントのほとんどは、BigQuery と互換性があります。次の表に例外を示します。

Snowflake		BigQuery
UPDATE table SET col = value [,...] [FROM ...] [WHERE ...]		UPDATE table SET column = expression [,...] [FROM ...] WHERE TRUE 注: BigQuery のすべての UPDATE ステートメントには、WHERE キーワードと、その後に続く条件が必要です。

DELETE および TRUNCATE TABLE ステートメント

DELETE ステートメントと TRUNCATE TABLE ステートメントはいずれも、テーブルのスキーマやインデックスに影響を与えることなくテーブルから行を削除できます。

Snowflake では、DELETE と TRUNCATE TABLE の両方が、復元の目的で、Snowflake のタイムトラベルを使用して削除されたデータをデータ保持期間にわたって維持します。ただし、DELETE を使用しても、外部ファイルの読み込み履歴と読み込みメタデータは削除されません。

BigQuery では、DELETE ステートメントには WHERE 句が必要です。BigQuery の DELETE の詳細については、DML ドキュメントの BigQuery DELETE の例をご覧ください。

Snowflake	BigQuery
DELETE FROM table_name [USING ...] [WHERE ...] TRUNCATE [TABLE] [IF EXISTS] table_name	DELETE [FROM] table_name [alias] WHERE ... 注: BigQuery DELETE ステートメントには WHERE 句が必要です。

MERGE ステートメント

MERGE ステートメントでは、INSERT、UPDATE、DELETE オペレーションを 1 つの「upsert」ステートメントに組み合わせて、自動的に実行できます。MERGE オペレーションでは、ターゲット行ごとに最大で 1 つのソース行を対応させる必要があります。

BigQuery のテーブルでは、DML ステートメントの数が 1 日あたり 1,000 件に制限されているため、次の表に示されるように INSERT、UPDATE、DELETE ステートメントを 1 つの MERGE ステートメントに統合して最適化する必要があります。

Snowflake	BigQuery
MERGE INTO target USING source ON target.key = source.key WHEN MATCHED AND source.filter = 'Filter_exp' THEN UPDATE SET target.col1 = source.col1, target.col1 = source.col2, ... 注: Snowflake では、非確定的な結果を処理するために ERROR_ON_NONDETERMINISTIC_MERGE セッション パラメータがサポートされています。	MERGE target USING source ON target.key = source.key WHEN MATCHED AND source.filter = 'filter_exp' THEN UPDATE SET target.col1 = source.col1, target.col2 = source.col2, ... 注: すべての列を更新するには、すべての列をリストする必要があります。

GET および LIST ステートメント

GET ステートメントは、次のいずれかの Snowflake ステージからクライアント マシンのローカル ディレクトリ / フォルダにデータファイルをダウンロードします。

• 名前付き内部ステージ
• 指定されたテーブルの内部ステージ
• 現在のユーザーの内部ステージ

LIST（LS）ステートメントは、次のいずれかの Snowflake のステージからステージングされた（つまり、ローカル ファイル システムからアップロードされるか、テーブルからアンロードされた）ファイルのリストを返します。

• 名前付き内部ステージ
• 名前付き外部ステージ
• 指定されたテーブルのステージ
• 現在のユーザーのステージ

BigQuery はステージングのコンセプトをサポートしておらず、GET と LIST に対応するステートメントがありません。

PUT および REMOVE ステートメント

PUT ステートメントは、クライアント マシンのローカル ディレクトリまたはフォルダから、次のいずれかの Snowflake ステージにデータファイルをアップロード（つまり、ステージング）します。

• 名前付き内部ステージ
• 指定されたテーブルの内部ステージ
• 現在のユーザーの内部ステージ

REMOVE (RM) ステートメントは、次のいずれかの Snowflake 内部ステージでステージングされたファイルを削除します。

• 名前付き内部ステージ
• 指定されたテーブルのステージ
• 現在のユーザーのステージ

BigQuery はステージングのコンセプトをサポートしておらず、PUT と REMOVE に対応するステートメントがありません。

DDL 構文

ここでは、Snowflake と BigQuery のデータ定義言語の構文の違いについて説明します。

データベース、スキーマ、共有 DDL

Snowflake の用語の大部分は BigQuery の用語と同じですが、例外として Snowflake データベースは BigQuery のデータセットに似ているという点があります。Snowflake から BigQuery への詳細な用語のマッピングをご覧ください。

CREATE DATABASE ステートメント

Snowflake ではデータベース管理コマンドを使用したデータベースの作成と管理がサポートされており、BigQuery ではデータセットの作成のためのコンソール、CLI、クライアント ライブラリの使用などの複数のオプションが用意されています。このセクションでは、これらの違いに対処するために、Snowflake のコマンドに対応する BigQuery CLI コマンドを使用します。

Snowflake	BigQuery
CREATE DATABASE <name> 注: Snowflake では、データベースの命名に関する要件があります。名前に使用できるのは 255 文字のみです。	bq mk <name> 注: BigQuery には、Snowflake と似たデータセットの命名要件がありますが、名前に使用できる文字が 1,024 文字以内である点が異なります。
CREATE OR REPLACE DATABASE <name>	BigQuery ではデータセットの置換はサポートされていません。
CREATE TRANSIENT DATABASE <name>	BigQuery では一時データセットの作成はサポートされていません。
CREATE DATABASE IF NOT EXISTS <name>	BigQuery では、このコンセプトはサポートされていません
CREATE DATABASE <name> CLONE <source_db> [ { AT | BEFORE } ( { TIMESTAMP => <timestamp> | OFFSET => <time_difference> | STATEMENT => <id> } ) ]	BigQuery では、データセットのクローン作成はまだサポートされていません。
CREATE DATABASE <name> DATA_RETENTION_TIME_IN_DAYS = <num>	BigQuery では、データセット レベルでのタイムトラベルはサポートされていません。ただし、テーブルとクエリ結果のタイムトラベルはサポートされています。
CREATE DATABASE <name> DEFAULT_DDL_COLLATION = '<collation_specification>'	BigQuery では DDL での照合はサポートされていません。
CREATE DATABASE <name> COMMENT = '<string_literal>'	bq mk \ --description "<string_literal>" \ <name>
CREATE DATABASE <name> FROM SHARE <provider_account>.<share_name>	BigQuery では共有データセットの作成はサポートされていません。ただし、データセットが作成されると、ユーザーはコンソールまたは UI からデータセットを共有できます。
CREATE DATABASE <name> AS REPLICA OF <region>.<account>.<primary_db_name> AUTO_REFRESH_MATERIALIZED_VIEWS_ON_SECONDARY = { TRUE | FALSE } 注: Snowflake には、BigQuery でサポートされていないセカンダリ データベースにマテリアライズド ビューの自動バックグラウンド メンテナンスのオプションが用意されています。	bq mk --transfer_config \ --target_dataset = <name> \ --data_source = cross_region_copy \ --params=' {"source_dataset_id":"<primary_db_name>" ,"source_project_id":"<project_id>" ,"overwrite_destination_table":"true"}' 注: BigQuery では、BigQuery Data Transfer Service を使用したデータセットのコピーがサポートされています。データセットのコピーの前提条件については、こちらをご覧ください。

BigQuery では、次の bq mk コマンド オプションもサポートされています。Snowflake にはこれらに直接対応するものはありません。

• --location <dataset_location>
• --default_table_expiration <time_in_seconds>
• --default_partition_expiration <time_in_seconds>

ALTER DATABASE ステートメント

このセクションでは、ALTER ステートメントでの違いに対処するために、Snowflake コマンドに対応する BigQuery CLI コマンドを使用します。

Snowflake	BigQuery
ALTER DATABASE [ IF EXISTS ] <name> RENAME TO <new_db_name>	BigQuery ではデータセットの名前変更はサポートされていませんが、データセットのコピーはサポートされています。
ALTER DATABASE <name> SWAP WITH <target_db_name>	BigQuery では、データセットのスワップはサポートされていません。
ALTER DATABASE <name> SET [DATA_RETENTION_TIME_IN_DAYS = <num>] [ DEFAULT_DDL_COLLATION = '<value>']	BigQuery では、データセット レベルでのデータの保持と照合はサポートされていません。
ALTER DATABASE <name> SET COMMENT = '<string_literal>'	bq update \ --description "<string_literal>" <name>
ALTER DATABASE <name> ENABLE REPLICATION TO ACCOUNTS <snowflake_region>.<account_name> [ , <snowflake_region>.<account_name> ... ]	BigQuery では、このコンセプトはサポートされていません。
ALTER DATABASE <name> DISABLE REPLICATION [ TO ACCOUNTS <snowflake_region>.<account_name> [ , <snowflake_region>.<account_name> ... ]]	BigQuery では、このコンセプトはサポートされていません。
ALTER DATABASE <name> SET AUTO_REFRESH_MATERIALIZED_VIEWS_ON_SECONDARY = { TRUE | FALSE }	BigQuery では、このコンセプトはサポートされていません。
ALTER DATABASE <name> REFRESH	BigQuery では、このコンセプトはサポートされていません。
ALTER DATABASE <name> ENABLE FAILOVER TO ACCOUNTS <snowflake_region>.<account_name> [ , <snowflake_region>.<account_name> ... ]	BigQuery では、このコンセプトはサポートされていません。
ALTER DATABASE <name> DISABLE FAILOVER [ TO ACCOUNTS <snowflake_region>.<account_name> [ , <snowflake_region>.<account_name> ... ]]	BigQuery では、このコンセプトはサポートされていません。
ALTER DATABASE <name> PRIMARY	BigQuery では、このコンセプトはサポートされていません。

DROP DATABASE ステートメント

このセクションでは、DROP ステートメントでの違いに対処するために、Snowflake コマンドに対応する BigQuery CLI コマンドを使用します。

Snowflake	BigQuery
DROP DATABASE [ IF EXISTS ] <name> [ CASCADE | RESTRICT ] 注: Snowflake では、データベースを破棄してもシステムから完全に削除されることはありません。破棄されたデータベースのバージョンは、データベースに対して DATA_RETENTION_TIME_IN_DAYS パラメータで指定された日数の間保持されます。	bq rm -r -f -d <name> Where -r は、データセット内のすべてのオブジェクトを削除します -f is to skip confirmation for execution -d はデータセットを示します 注: BigQuery では、データセットの削除は永続的です。また、データセット内のすべてのデータとオブジェクトが削除されるため、データセット レベルでのカスケードはサポートされていません。

Snowflake では UNDROP DATASET コマンドもサポートされています。このコマンドは、破棄したデータセットの最新バージョンを復元します。これは現在、BigQuery でデータセット レベルではサポートされていません。

USE DATABASE ステートメント

Snowflake では、USE DATABASE コマンドを使用してユーザー セッションのデータベースを設定できます。これにより、SQL コマンドで完全修飾オブジェクト名を指定する必要がなくなります。BigQuery には、Snowflake の USE DATABASE コマンドに対応するものはありません。

SHOW DATABASE ステートメント

このセクションでは、SHOW ステートメントでの違いに対処するために、Snowflake コマンドに対応する BigQuery CLI コマンドを使用します。

Snowflake	BigQuery
SHOW DATABASES 注: Snowflake では、保持期間内に破棄されたデータベースを含むすべてのデータベースの詳細を 1 つの方法で一覧表示できます。	bq ls --format=prettyjson / bq show <dataset_name> 注: BigQuery では、ls コマンドはデータセット名と基本情報のみを表示し、show コマンドは最終更新時のタイムスタンプ、ACL、データセットのラベルなどの詳細を表示します。BigQuery では、情報スキーマを使用してデータセットの詳細情報も確認できます。
SHOW TERSE DATABASES 注: Snowflake では、TERSE オプションを使用すると、データセットに関する特定の情報やフィールドのみを表示できます。	BigQuery では、このコンセプトはサポートされていません。
SHOW DATABASES HISTORY	タイムトラベルのコンセプトは、BigQuery でデータセット レベルではサポートされていません。
SHOW DATABASES [LIKE '<pattern>'] [STARTS WITH '<name_string>']	BigQuery では、データセット名による結果のフィルタリングはサポートされていません。ただし、ラベルによるフィルタリングはサポートされています。
SHOW DATABASES LIMIT <rows> [FROM '<name_string>'] 注: Snowflake では、デフォルトでは結果の数に制限はありません。ただし、LIMIT の値は 10,000 以下にする必要があります。	bq ls \ --max_results <rows> 注: デフォルトでは、BigQuery は 50 件の結果のみを表示します。

BigQuery では、次の bq コマンド オプションもサポートされています。Snowflake にはこれらに直接対応するものはありません。

• bq ls --format=pretty: 基本的なフォーマット済みの結果が返されます
• *bq ls -a: *匿名データセット（アンダースコアで始まるデータセット）のみが返されます
• bq ls --all: 匿名のデータセットを含むすべてのデータセットが返されます
• bq ls --filter labels.key:value: データセット ラベルでフィルタした結果が返されます
• bq ls --d: 匿名データセットの結果を除外します
• bq show --format=pretty: すべてのデータセットに対する基本的なフォーマット済みの結果が返されます

SCHEMA の管理

Snowflake には、データベース管理コマンドと同様に、複数のスキーマ管理コマンドが用意されています。BigQuery では、スキーマの作成と管理というこのコンセプトはサポートされていません。

ただし BigQuery では、データをテーブルに読み込むときと、空のテーブルを作成するときに、テーブルのスキーマを指定できます。あるいは、サポートされているデータ形式についてスキーマの自動検出を使用することもできます。

SHARE の管理

Snowflake には、データベースとスキーマの管理コマンドに似た複数の共有管理コマンドがあります。BigQuery では、共有の作成と管理というこのコンセプトはサポートされていません。

テーブル、ビュー、シーケンス DDL

CREATE TABLE ステートメント

Snowflake の CREATE TABLE ステートメントのほとんどは BigQuery と互換性がありますが、例外として次の構文要素は BigQuery で使用されません。

Snowflake	BigQuery
CREATE TABLE table_name ( col1 data_type1 NOT NULL, col2 data_type2 NULL, col3 data_type3 UNIQUE, col4 data_type4 PRIMARY KEY, col5 data_type5 ) 注: UNIQUE 制約と PRIMARY KEY 制約は情報提供を目的としており、Snowflake システムでは適用されません。	CREATE TABLE table_name ( col1 data_type1 NOT NULL, col2 data_type2, col3 data_type3, col4 data_type4, col5 data_type5, )
CREATE TABLE table_name ( col1 data_type1[,...] table_constraints ) ここで、 table_constraints は: [UNIQUE(column_name [, ... ])] [PRIMARY KEY(column_name [, ...])] [FOREIGN KEY(column_name [, ...]) REFERENCES reftable [(refcolumn)] 注: UNIQUE 制約と PRIMARY KEY 制約は情報提供を目的としており、Snowflake システムでは適用されません。	CREATE TABLE table_name ( col1 data_type1[,...] ) PARTITION BY column_name CLUSTER BY column_name [, ...] 注: BigQuery では、UNIQUE、PRIMARY KEY、FOREIGN、KEY の各テーブル制約は使用されません。これらの制約によって提供されるものと同様の最適化をクエリの実行時に実現するには、BigQuery テーブルをパーティション化およびクラスタ化します。CLUSTER BY は最大 4 列をサポートします。
CREATE TABLE table_name LIKE original_table_name	INFORMATION_SCHEMA テーブルを使用して列名、データ型、NOT NULL 制約を新しいテーブルにコピーする方法については、この例を参照してください。
CREATE TABLE table_name ( col1 data_type1 ) BACKUP NO 注: Snowflake では BACKUP NO が「スナップショットの作成時およびスナップショットからの復元時に処理時間を節約し、ストレージ容量を減らす」と指定されています。	BACKUP NO テーブル オプションは使用されず、必要でもありません。これは、BigQuery では処理時間にも課金対象ストレージにも影響を与えることなく、テーブルの過去バージョンが最大 7 日間、自動的に保存されるためです。
CREATE TABLE table_name ( col1 data_type1 ) table_attributes ここで、 table_attributes は: [DISTSTYLE {AUTO|EVEN|KEY|ALL}] [DISTKEY (column_name)] [[COMPOUND|INTERLEAVED] SORTKEY (column_name [, ...])]	BigQuery ではクラスタリングがサポートされており、並べ替えた順序でキーを保存できます。
CREATE TABLE table_name AS SELECT ...	CREATE TABLE table_name AS SELECT ...
CREATE TABLE IF NOT EXISTS table_name ...	CREATE TABLE IF NOT EXISTS table_name ...

BigQuery は CREATE OR REPLACE TABLE ステートメント（DDL ステートメント）もサポートされます。このステートメントでは、既存のテーブル（存在する場合）が上書きされます。

BigQuery の CREATE TABLE ステートメントでは次の句もサポートされています。Snowflake には、これらと同等のものはありません。

• PARTITION BY partition_statement
• CLUSTER BY clustering_column_list
• OPTIONS(table_options_list)

BigQuery の CREATE TABLE の詳細については、DML ドキュメントの BigQuery CREATE の例をご覧ください。

ALTER TABLE ステートメント

このセクションでは、テーブルに対する ALTER ステートメントでの違いに対処するために、Snowflake コマンドに対応する BigQuery CLI コマンドを使用します。

Snowflake	BigQuery
ALTER TABLE [ IF EXISTS ] <name> RENAME TO <new_name>	ALTER TABLE [IF EXISTS] <name> SET OPTIONS (friendly_name="<new_name>")
ALTER TABLE <name> SWAP WITH <target_db_name>	BigQuery では、テーブルのスワップはサポートされていません。
ALTER TABLE <name> SET [DEFAULT_DDL_COLLATION = '<value>']	BigQuery では、テーブルのデータ照合の管理はポートされていません。
ALTER TABLE <name> SET [DATA_RETENTION_TIME_IN_DAYS = <num>]	ALTER TABLE [IF EXISTS] <name> SET OPTIONS (expiration_timestamp=<timestamp>)
ALTER TABLE <name> SET COMMENT = '<string_literal>'	ALTER TABLE [IF EXISTS] <name> SET OPTIONS (description='<string_literal>')

さらに Snowflake には、BigQuery でサポートされていないテーブルを変更するためのクラスタリング、列、制約のオプションが用意されています。

DROP TABLE および UNDROP TABLE ステートメント

このセクションでは、DROP ステートメントと UNDROP ステートメントでの違いに対処するために、Snowflake コマンドに対応する BigQuery CLI コマンドを使用します。

Snowflake	BigQuery
DROP TABLE [IF EXISTS] <table_name> [CASCADE | RESTRICT] 注: Snowflake では、テーブルを破棄してもシステムから完全に削除されることはありません。破棄されたテーブルのバージョンは、データベースに対して DATA_RETENTION_TIME_IN_DAYS パラメータで指定された日数の間保持されます。	bq rm -r -f -d <dataset_name>.<table_name> Where -r は、データセット内のすべてのオブジェクトを削除します -f は、実行の確認をスキップします -d は、データセットを指定します 注: BigQuery では、テーブルの削除も永続的ではありませんが、スナップショットは現在、7 日間のみ保持されます。
UNDROP TABLE <table_name>	bq cp \ <dataset_name>.<table_name>@<unix_timestamp> <dataset_name>.<new_table_name> 注: BigQuery では、テーブルが存在していたときの UNIX タイムスタンプ（ミリ秒単位）を最初に特定する必要があります。次に、そのタイムスタンプの時点のテーブルを新しいテーブルにコピーします。新しいテーブルの名前は、削除したテーブルとは異なる名前にする必要があります。

CREATE EXTERNAL TABLE ステートメント

BigQuery では、永続テーブルと一時外部テーブルの両方を作成し、次のデータに対して直接クエリを実行できます。

• Bigtable
• Cloud Storage
• Google ドライブ
• Cloud SQL（ベータ版）

Snowflake では、永続外部テーブルを作成できます。このテーブルに対してクエリを実行すると、指定された外部ステージにある 1 つ以上のファイルのセットからデータが読み取られます。

このセクションでは、CREATE EXTERNAL TABLE ステートメントでの違いに対処するために、Snowflake コマンドに対応する BigQuery CLI コマンドを使用します。

Snowflake	BigQuery
CREATE [OR REPLACE] EXTERNAL TABLE table ((<col_name> <col_type> AS <expr> ) | (<part_col_name> <col_type> AS <part_expr>)[ inlineConstraint ] [ , ... ] ) LOCATION = externalStage FILE_FORMAT = ({FORMAT_NAME='<file_format_name>' |TYPE=source_format [formatTypeOptions]}) Where: externalStage = @[namespace.]ext_stage_name[/path] 注: Snowflake では、読み取るデータが含まれているファイルをステージングし、外部テーブルのフォーマット タイプ オプションを指定できます。Snowflake の形式タイプ（CSV、JSON、AVRO、PARQUET、ORC）は、XML タイプを除き、すべて BigQuery でサポートされています。	[1] bq mk \ --external_table_definition=definition_file \ dataset.table OR [2] bq mk \ --external_table_definition=schema_file@source_format={Cloud Storage URI | drive_URI} \ dataset.table OR [3] bq mk \ --external_table_definition=schema@source_format = {Cloud Storage URI | drive_URI} \ dataset.table 注: BigQuery では、テーブル定義ファイル [1]、JSON スキーマ ファイル [2]、インライン スキーマ定義 [3] を使用して、データソースにリンクされた永続テーブルを作成できます。BigQuery では、読み取るファイルのステージングとフォーマット タイプ オプションの指定はサポートされていません。
CREATE [OR REPLACE] EXTERNAL TABLE [IF EXISTS] <table_name> ((<col_name> <col_type> AS <expr> ) [ , ... ] ) [PARTITION BY (<identifier>, ...)] LOCATION = externalStage [REFRESH_ON_CREATE = {TRUE|FALSE}] [AUTO_REFRESH = {TRUE|FALSE}] [PATTERN = '<regex_pattern>'] FILE_FORMAT = ({FORMAT_NAME = '<file_format_name>' | TYPE = { CSV | JSON | AVRO | ORC | PARQUET} [ formatTypeOptions]}) [COPY GRANTS] [COMMENT = '<string_literal>']	bq mk \ --external_table_definition=definition_file \ dataset.table 注: BigQuery では現在、外部テーブルの作成用に Snowflake のオプション パラメータのオプションはサポートされていません。パーティショニングの場合、BigQuery では _FILE_NAME 疑似列を使用して、外部テーブルの上にパーティション分割テーブルやビューを作成できます。詳しくはこちらをご覧ください。

さらに BigQuery では、デフォルトの Hive パーティショニング レイアウトを使用して Google Cloud Storage に保存されている AVRO、PARQUET、ORC、JSON、CSV 形式の外部でパーティションに分割されたデータのクエリもサポートされています。

CREATE VIEW ステートメント

次の表は、Snowflake と BigQuery で CREATE VIEW ステートメントに相当するステートメントを示しています。

Snowflake	BigQuery
CREATE VIEW view_name AS SELECT ...	CREATE VIEW view_name AS SELECT ...
CREATE OR REPLACE VIEW view_name AS SELECT ...	CREATE OR REPLACE VIEW view_name AS SELECT ...
CREATE VIEW view_name (column_name, ...) AS SELECT ...	CREATE VIEW view_name AS SELECT ...
非対応	CREATE VIEW IF NOT EXISTS view_name OPTIONS(view_option_list) AS SELECT ...
CREATE VIEW view_name AS SELECT ... WITH NO SCHEMA BINDING	BigQuery でビューを作成するには、参照されるすべてのオブジェクトがすでに存在している必要があります。 BigQuery を使用すると、外部データソースに対してクエリを実行できます。

CREATE SEQUENCE ステートメント

BigQuery ではシーケンスは使用されません。この機能は次のバッチ手法で実現できます。サロゲートキーと変化が緩やかなディメンション（SCD）について詳しくは、次のガイドをご覧ください。

• BigQuery のサロゲートキー
• BigQuery とサロゲートキー: 実践的な手法

INSERT INTO dataset.table SELECT *, ROW_NUMBER() OVER () AS id FROM dataset.table

データ読み込みと DDL のアンロード

Snowflake では、ステージ、ファイル形式、パイプ管理コマンドによるデータの読み込みとアンロードがサポートされています。BigQuery には、bq load、BigQuery Data Transfer Service、bq extract などの複数のオプションも用意されています。このセクションでは、データの読み込みとアンロードでのこれらの方法の使用の違いについて説明します。

アカウントとセッションの DDL

Snowflake のアカウントとセッションのコンセプトは、BigQuery ではサポートされていません。BigQuery では、Cloud IAM を使用してすべてのレベルでアカウントを管理できます。BigQuery では、マルチステートメント トランザクションはまだサポートされていません。

ユーザー定義関数（UDF）

UDF を使用すると、カスタム操作用の関数を作成できます。これらの関数は入力列を受け取ってアクションを実行し、その結果を値として返します。

Snowflake と BigQuery はどちらも、SQL 式と JavaScript コードを使用した UDF をサポートしています。

一般的な BigQuery UDF のライブラリについては、GitHub リポジトリ GoogleCloudPlatform/bigquery-utils/ を参照してください。

CREATE FUNCTION の構文

次の表に、Snowflake と BigQuery の SQL UDF 作成構文の違いを示します。

Snowflake	BigQuery
CREATE [ OR REPLACE ] FUNCTION function_name ([sql_arg_name sql_arg_data_type[,..]]) RETURNS data_type AS sql_function_definition s	CREATE [OR REPLACE] FUNCTION function_name ([sql_arg_name sql_arg_data_type[,..]]) AS sql_function_definition 注: BigQuery の SQL UDF では、返されるデータ型の指定は任意です。BigQuery は、クエリが関数を呼び出すときに SQL 関数本文から関数の結果の型を推測します。
CREATE [OR REPLACE] FUNCTION function_name ([sql_arg_name sql_arg_data_type[,..]]) RETURNS TABLE (col_name, col_data_type[,..]) AS sql_function_definition	CREATE [OR REPLACE] FUNCTION function_name ([sql_arg_name sql_arg_data_type[,..]]) RETURNS data_type AS sql_function_definition 注: BigQuery の SQL UDF では現在、テーブルタイプを返すことはサポートされていませんが、プロダクト ロードマップに記載されており、まもなくご利用いただけるようになります。ただし、BigQuery は STRUCT 型の ARRAY を返すことはサポートしています。
CREATE [SECURE] FUNCTION function_name ([sql_arg_name sql_arg_data_type[,..]]) RETURNS data_type AS sql_function_definition 注: Snowflake には、UDF の定義と詳細を承認済みユーザー（ビューを所有するロールが付与されたユーザー）のみに制限する安全なオプションがあります。	CREATE FUNCTION function_name ([sql_arg_name sql_arg_data_type[,..]]) RETURNS data_type AS sql_function_definition 注: BigQuery では、関数のセキュリティは構成可能なパラメータではありません。BigQuery では、IAM のロールと権限を作成して、基礎となるデータと関数定義へのアクセスを制限できます。
CREATE [OR REPLACE] FUNCTION function_name ([sql_arg_name sql_arg_data_type[,..]]) RETURNS data_type [ { CALLED ON NULL INPUT | { RETURNS NULL ON NULL INPUT | STRICT } } ] AS sql_function_definition	CREATE [OR REPLACE] FUNCTION function_name ([sql_arg_name sql_arg_data_type[,..]]) RETURNS data_type AS sql_function_definition 注: null 入力に対する関数の動作は BigQuery で暗黙的に処理され、別のオプションとして指定する必要はありません。
CREATE [OR REPLACE] FUNCTION function_name ([sql_arg_name sql_arg_data_type[,..]]) RETURNS data_type [VOLATILE | IMMUTABLE] AS sql_function_definition	CREATE [OR REPLACE] FUNCTION function_name ([sql_arg_name sql_arg_data_type[,..]]) RETURNS data_type AS sql_function_definition 注: BigQuery では、関数の変動性は構成可能なパラメータではありません。BigQuery UDF の変動性はすべて、Snowflake の IMMUTABLE の変動性と同等です（つまり、データベースのルックアップを行わず、また引数リストに直接存在しない情報を使用しません）。
CREATE [OR REPLACE] FUNCTION function_name ([sql_arg_name sql_arg_data_type[,..]]) RETURNS data_type AS [' | $$] sql_function_definition [' | $$]	CREATE [OR REPLACE] FUNCTION function_name ([sql_arg_name sql_arg_data_type[,..]]) RETURNS data_type AS sql_function_definition 注: BigQuery では、単一引用符やドル記号（$$）などの文字シーケンスの使用は不要であるか、サポートされていません。BigQuery では SQL 式が暗黙的に解釈されます。
CREATE [OR REPLACE] FUNCTION function_name ([sql_arg_name sql_arg_data_type[,..]]) RETURNS data_type [COMMENT = '<string_literal>'] AS sql_function_definition	CREATE [OR REPLACE] FUNCTION function_name ([sql_arg_name sql_arg_data_type[,..]]) RETURNS data_type AS sql_function_definition 注: 現時点では、BigQuery で UDF にコメントや説明を追加することはできません。
CREATE [OR REPLACE] FUNCTION function_name (x integer, y integer) RETURNS integer AS $$ SELECT x + y $$ 注: Snowflake では SQL UDF に対して ANY TYPE がサポートされていません。ただし、VARIANT データ型は使用できます。	CREATE [OR REPLACE] FUNCTION function_name (x ANY TYPE, y ANY TYPE) AS SELECT x + y 注: BigQuery では引数の型として ANY TYPE を使用できます。この関数は、この引数に対してあらゆる型の入力を受け入れます。詳細については、BigQuery のテンプレート パラメータをご覧ください。

BigQuery では CREATE FUNCTION IF NOT EXISTS ステートメントもサポートされます。同名の関数がすでに存在する場合、このステートメントはクエリを成功として扱って何も実行しません。

BigQuery の CREATE FUNCTION ステートメントでは TEMPORARY or TEMP functions の作成もサポートされています。Snowflake には、これらに対応するものはありません。BigQuery の永続的な UDF の実行について詳しくは、UDF の呼び出しをご覧ください。

DROP FUNCTION の構文

次の表に、Snowflake と BigQuery の DROP FUNCTION 構文の違いを示します。

Snowflake	BigQuery
DROP FUNCTION [IF EXISTS] function_name ([arg_data_type, ... ])	DROP FUNCTION [IF EXISTS] dataset_name.function_name 注: BigQuery では、関数を削除するために関数のシグネチャ（引数のデータ型）を使用する必要はありません。

BigQuery では、関数が現在のプロジェクトに配置されていない場合、project_name を指定する必要があります。

その他の関数コマンド

このセクションでは、Snowflake でサポートされているが BigQuery では直接使用できないその他の UDF コマンドについて説明します。

ALTER FUNCTION の構文

Snowflake では、ALTER FUNCTION 構文を使用した次の操作がサポートされています。

• UDF の名前変更
• 安全な UDF への変換（またはその取り消し）
• UDF のコメントの追加、上書き、削除

BigQuery では関数のセキュリティの構成と関数のコメント追加ができないため、ALTER FUNCTION 構文は現在サポートされていません。ただし、CREATE FUNCTION ステートメントを使用すると、同じ関数定義で名前が異なる UDF を作成できます。

DESCRIBE FUNCTION の構文

Snowflake では、DESC[RIBE] FUNCTION 構文を使用した UDF の記述がサポートされています。これは現在、BigQuery ではサポートされていません。ただし、INFORMATION_SCHEMA を使用した UDF メタデータのクエリは、プロダクト ロードマップの一部として近日中に利用可能になる予定です。

SHOW USER FUNCTIONS の構文

Snowflake では、SHOW USER FUNCTIONS 構文を使用して、ユーザーがアクセス権限を持つすべての UDF を一覧表示できます。これは現在、BigQuery ではサポートされていません。ただし、INFORMATION_SCHEMA を使用した UDF メタデータのクエリは、プロダクト ロードマップの一部として近日中に利用可能になる予定です。

ストアド プロシージャ

Snowflake のストアド プロシージャは JavaScript で記述されており、JavaScript API を呼び出して SQL ステートメントを実行できます。BigQuery では、SQL ステートメントのブロックを使用してストアド プロシージャを定義します。

CREATE PROCEDURE の構文

Snowflake では、ストアド プロシージャは CALL コマンドを使用して実行されますが、BigQuery では他の BigQuery 関数と同様に実行されます。

次の表に、Snowflake と BigQuery のストアド プロシージャ作成構文の違いを示します。

Snowflake	BigQuery
CREATE [OR REPLACE] PROCEDURE procedure_name ([arg_name arg_data_type[,..]]) RETURNS data_type AS procedure_definition; 注: Snowflake では、ストアド プロシージャが単一の値を返す必要があります。そのため、戻り値のデータ型は必須オプションです。	CREATE [OR REPLACE] PROCEDURE procedure_name ([arg_mode arg_name arg_data_type[,..]]) BEGIN procedure_definition END; arg_mode: IN | OUT | INOUT 注: BigQuery では、ストアド プロシージャの戻り値の型がサポートされていません。また、渡される引数ごとに引数モードを指定する必要があります。
CREATE [OR REPLACE] PROCEDURE procedure_name ([arg_name arg_data_type[,..]]) RETURNS data_type AS $$ javascript_code $$;	CREATE [OR REPLACE] PROCEDURE procedure_name ([arg_name arg_data_type[,..]]) BEGIN statement_list END;
CREATE [OR REPLACE] PROCEDURE procedure_name ([arg_name arg_data_type[,..]]) RETURNS data_type [{CALLED ON NULL INPUT | {RETURNS NULL ON NULL INPUT | STRICT}}] AS procedure_definition;	CREATE [OR REPLACE] PROCEDURE procedure_name ([arg_name arg_data_type[,..]]) BEGIN procedure_definition END; 注: null 入力に対するプロシージャの動作は BigQuery で暗黙的に処理され、別のオプションとして指定する必要はありません。
CREATE [OR REPLACE] PROCEDURE procedure_name ([arg_name arg_data_type[,..]]) RETURNS data_type [VOLATILE | IMMUTABLE] AS procedure_definition;	CREATE [OR REPLACE] PROCEDURE procedure_name ([arg_name arg_data_type[,..]]) BEGIN procedure_definition END; 注: BigQuery では、プロシージャの変動性は構成可能なパラメータではありません。Snowflake の IMMUTABLE の変動性と同等です。
CREATE [OR REPLACE] PROCEDURE procedure_name ([arg_name arg_data_type[,..]]) RETURNS data_type [COMMENT = '<string_literal>'] AS procedure_definition;	CREATE [OR REPLACE] PROCEDURE procedure_name ([arg_name arg_data_type[,..]]) BEGIN procedure_definition END; 注: 現時点では、BigQuery でプロシージャの定義にコメントや説明を追加することはできません。
CREATE [OR REPLACE] PROCEDURE procedure_name ([arg_name arg_data_type[,..]]) RETURNS data_type [EXECUTE AS { CALLER | OWNER }] AS procedure_definition; 注: Snowflake では、実行するプロシージャの呼び出し元または所有者を指定できます。	CREATE [OR REPLACE] PROCEDURE procedure_name ([arg_name arg_data_type[,..]]) BEGIN procedure_definition END; 注: BigQuery のストアド プロシージャは、常に呼び出し元として実行されます。

BigQuery では CREATE PROCEDURE IF NOT EXISTS ステートメントもサポートされています。同名の関数がすでに存在する場合、このステートメントはクエリを成功として扱って何も実行しません。

DROP PROCEDURE の構文

次の表に、Snowflake と BigQuery の DROP FUNCTION 構文の違いを示します。

Snowflake	BigQuery
DROP PROCEDURE [IF EXISTS] procedure_name ([arg_data_type, ... ])	DROP PROCEDURE [IF EXISTS] dataset_name.procedure_name 注: BigQuery では、プロシージャを削除するためにプロシージャの署名（引数のデータ型）を使用する必要はありません。

BigQuery では、プロシージャが現在のプロジェクトに配置されていない場合、project_name を指定する必要があります。

その他のプロシージャ コマンド

Snowflake では、ALTER PROCEDURE、DESC[RIBE] PROCEDURE、SHOW PROCEDURES などの追加のコマンドを使用してストアド プロシージャを管理します。現在、これらのコマンドは BigQuery ではサポートされていません。

メタデータおよびトランザクション SQL ステートメント

Snowflake	BigQuery
BEGIN [ { WORK | TRANSACTION } ] [ NAME <name> ]; START_TRANSACTION [ name <name> ];	BigQuery では、常にスナップショット分離が使用されます。詳しくは、このドキュメントの整合性の保証をご覧ください。
COMMIT;	BigQuery では使用されません。
ROLLBACK;	BigQuery では使用されません
SHOW LOCKS [ IN ACCOUNT ]; SHOW TRANSACTIONS [ IN ACCOUNT ]; Note: If the user has the ACCOUNTADMIN role, the user can see locks/transactions for all users in the account.	BigQuery では使用されません。

マルチステートメントおよび複数行 SQL ステートメント

Snowflake と BigQuery はどちらも、トランザクション（セッション）をサポートしているため、一貫して一緒に実行されるセミコロンで区切られたステートメントをサポートしています。詳細については、マルチステートメント トランザクションをご覧ください。

ステージングされたファイルのメタデータ列

Snowflake は内部ステージおよび外部ステージにあるファイルのメタデータを自動的に生成します。このメタデータは、通常のデータ列とともにクエリを実行してテーブルに読み込むことができます。次のメタデータ列を使用できます。

• METADATA$FILENAME
• METADATA$FILE_ROW_NUMBER

整合性の保証とトランザクション分離

Snowflake と BigQuery はどちらもアトミックです。つまり、多数の行にわたってミューテーション単位で ACID に準拠しています。

トランザクション

各 Snowflake トランザクションには一意の開始時刻（ミリ秒を含む）が割り当てられ、これがトランザクション ID として設定されます。Snowflake では READ COMMITTED 分離レベルのみがサポートされています。ただし、2 つのステートメントが同じトランザクション内にある場合、一方のステートメントで行われた変更は、まだ commit されていないでも、別のステートメントで参照できます。Snowflake トランザクションは、リソースが変更されている際にリソース（テーブル）のロックを取得しますがユーザーは、ステートメントがタイムアウトするまで待機するブロックされたステートメントの最大時間を調整できます。AUTOCOMMIT パラメータが有効になっていると、DML ステートメントが自動的に commit されます。

また、BigQuery はトランザクションをサポートしています。BigQuery では、スナップショット分離を使用して、オプティミスティック同時実行制御（最初の commit が優先）が確実に実行されるようにします。この場合、クエリは、クエリの開始前に最後に commit されたデータを読み取ります。この方法により、行ごと、ミューテーションごと、同じ DML ステートメント内の行全体で、同じレベルの整合性が保証され、デッドロックも回避されます。同じテーブルに対して複数の DML 更新を行う場合、BigQuery はペシミスティック同時実行制御に切り替わります。読み込みジョブは完全に独立して実行され、テーブルへの連結を実行できます。ただし BigQuery では、明示的なトランザクション境界もセッションもまだ提供されていません。

ロールバック

トランザクションが commit またはロールバックされる前に、Snowflake トランザクションのセッションが予期せず終了した場合、トランザクションは切断された状態のままになります。ユーザーは SYSTEM$ABORT_TRANSACTION を実行して、切断されたトランザクションを中止する必要があります。中止しない場合、切断されたトランザクションは、Snowflake によって 4 時間のアイドル状態の経過後にロールバックされます。デッドロックが発生すると、Snowflake はデッドロックを検出し、ロールバックする新しいステートメントを選択します。明示的に開いたトランザクションの DML ステートメントが失敗した場合、変更はロールバックされますが、トランザクションは commit またはロールバックされるまで開いたままになります。Snowflake の DDL ステートメントは自動 commit されるため、ロールバックできません。

BigQuery では ROLLBACK TRANSACTION ステートメントがサポートされています。BigQuery には ABORT ステートメントがありません。

データベースに関する制限

最新の割り当てと上限については、必ず BigQuery の公開ドキュメントを確認してください。大量のユーザーに多数の割り当てを行う場合は、Cloud サポートチームに連絡して上限を引き上げることができます。

すべての Snowflake アカウントには、デフォルトでソフトリミットが設定されています。ソフトリミットはアカウント作成時に設定され、変更される可能性があります。Snowflake の多くのソフトリミットは、Snowflake アカウント チームまたはサポート チケットを使用して引き上げることができます。

次の表に、Snowflake と BigQuery のデータベースに関する上限の比較を示します。

上限	Snowflake	BigQuery
クエリテキストのサイズ	1 MB	1 MB
同時実行クエリの最大数	XS ウェアハウス - 8 S ウェアハウス - 16 M ウェアハウス - 32 L ウェアハウス - 64 XL ウェアハウス - 128	100