Guida alla traduzione SQL di Apache Hive
Questo documento descrive le somiglianze e le differenze nella sintassi SQL tra Apache Hive e BigQuery per aiutarti a pianificare la tua migrazione. Per eseguire la migrazione in blocco degli script SQL, utilizza la traduzione SQL batch. Per tradurre query ad hoc, utilizza la traduzione SQL interattiva.
In alcuni casi, non esiste una mappatura diretta tra un elemento SQL in Hive e BigQuery. Tuttavia, nella maggior parte dei casi, BigQuery offre un elemento alternativo a Hive per aiutarti a ottenere la stessa funzionalità, come mostrato negli esempi di questo documento.
I destinatari di questo documento sono architetti aziendali, amministratori di database, sviluppatori di applicazioni ed esperti della sicurezza IT. Suppone che tu abbia familiarità con Hive.
Tipi di dati
Hive e BigQuery hanno sistemi
di tipi di dati diversi. Nella maggior parte dei casi, puoi mappare i tipi di dati in Hive ai tipi di dati BigQuery con alcune eccezioni, ad esempio MAP
e UNION
. Hive supporta la trasmissione di tipi più implicita rispetto a BigQuery. Di conseguenza, il traduttore SQL batch
inserisce molti cast espliciti.
Alveare | BigQuery |
---|---|
TINYINT |
INT64 |
SMALLINT |
INT64 |
INT |
INT64 |
BIGINT |
INT64 |
DECIMAL |
NUMERIC |
FLOAT |
FLOAT64 |
DOUBLE |
FLOAT64 |
BOOLEAN |
BOOL |
STRING |
STRING |
VARCHAR |
STRING |
CHAR |
STRING |
BINARY |
BYTES |
DATE |
DATE |
- | DATETIME |
- | TIME |
TIMESTAMP |
DATETIME/TIMESTAMP |
INTERVAL |
- |
ARRAY |
ARRAY |
STRUCT |
STRUCT |
MAPS |
STRUCT con coppie chiave-valore (campo REPEAT ) |
UNION |
STRUCT con tipi diversi |
- | GEOGRAPHY |
- | JSON |
Sintassi delle query
Questa sezione illustra le differenze di sintassi delle query tra Hive e BigQuery.
Istruzione SELECT
La maggior parte delle istruzioni SELECT
Hive è
compatibile con BigQuery. La seguente tabella contiene un elenco delle
differenze di minore entità:
Custodia | Alveare | BigQuery |
---|---|---|
Sottoquery |
|
|
Filtro delle colonne |
|
|
Esplodere un array |
|
|
Clausola FROM
La clausola FROM
in una query elenca i riferimenti tabella da cui vengono selezionati i dati. In Hive, i possibili riferimenti alle tabelle includono
tabelle, viste e sottoquery. BigQuery supporta anche tutti questi
riferimenti alle tabelle.
Puoi fare riferimento alle tabelle BigQuery nella clausola FROM
utilizzando:
[project_id].[dataset_id].[table_name]
[dataset_id].[table_name]
[table_name]
BigQuery supporta anche ulteriori riferimenti alle tabelle:
- Versioni storiche della definizione della tabella e delle righe utilizzando
FOR SYSTEM_TIME AS OF
- Percorsi dei campi o qualsiasi percorso che si risolva in un campo di un tipo di dati (ad esempio un
STRUCT
) - Array appiattiti
Operatori di confronto
La tabella seguente fornisce i dettagli sulla conversione degli operatori da Hive a BigQuery:
Funzione o operatore | Alveare | BigQuery |
---|---|---|
- Meno unitario * Moltiplicazione / Divisione + Aggiunta - Sottrazione
|
Tutti i tipi di numeri | Tutti i tipi di numeri. Per evitare errori durante l'operazione di divisione, puoi utilizzare |
~ a bit non a livello di bit | a livello di bit O & a livello di bit E ^ XOR a livello di bit
|
Tipo di dati booleano | Tipo di dati booleano. |
Maiusc a sinistra |
|
|
Maiusc a destra |
|
|
Modulo (resto) |
X % Y Tutti i tipi di numeri |
MOD(X, Y) |
Divisione di numeri interi | A DIV B e A/B per una precisione dettagliata |
Tutti i tipi di numeri. Nota: per evitare errori durante l'operazione di divisione, puoi utilizzare |
Negazione unaria | ! , NOT |
NOT |
Tipi a supporto dei confronti sulle pari opportunità | Tutti i tipi primitivi | Tutti i tipi paragonabili e STRUCT .
|
a <=> b |
Non supportati. Traduci quanto segue:
|
|
a <> b |
Non supportati. Traduci quanto segue:
|
|
Operatori relazionali ( =, ==, !=, <, >, >= ) |
Tutti i tipi primitivi | Tutti i tipi paragonabili. |
Confronto stringhe | RLIKE , REGEXP
|
Funzione integrata di REGEXP_CONTAINS . Utilizza la sintassi regex per le funzioni stringa di BigQuery per i pattern di espressioni regolari. |
[NOT] LIKE, [NOT] BETWEEN, IS [NOT] NULL |
A [NOT] BETWEEN B AND C, A IS [NOT] (TRUE|FALSE), A [NOT] LIKE B
|
Come Hive. BigQuery supporta anche l'operatore IN . |
Condizioni JOIN
Sia Hive che BigQuery supportano i seguenti tipi di join:
[INNER] JOIN
LEFT [OUTER] JOIN
RIGHT [OUTER] JOIN
FULL [OUTER] JOIN
CROSS JOIN
e il comma cross join implicito equivalente
Per ulteriori informazioni, consulta Operazione di join e join Hive.
Tipo di conversione e trasmissione
La tabella seguente fornisce dettagli sulla conversione delle funzioni da Hive a BigQuery:
Funzione o operatore | Alveare | BigQuery |
---|---|---|
Tipo di trasmissione | Quando una trasmissione non va a buon fine, viene restituito "NULL". | Stessa sintassi di Hive. Per saperne di più sulle regole di conversione per i tipi BigQuery, consulta Regole di conversione. Se la trasmissione non va a buon fine, viene visualizzato un errore. Per avere lo stesso comportamento di Hive, usa invece |
Chiamate di funzione SAFE |
Se aggiungi il prefisso SAFE alle chiamate di funzione, la funzione restituisce NULL anziché segnalare l'errore. Ad esempio, SAFE.SUBSTR('foo', 0, -2) AS safe_output; restituisce NULL .Nota: quando trasmetti in modo sicuro senza errori, usa |
Tipi di conversione impliciti
Quando esegui la migrazione a BigQuery, devi convertire la maggior parte delle conversioni implicite Hive in conversioni esplicite di BigQuery, ad eccezione dei seguenti tipi di dati, che BigQuery converte in modo implicito.
Dal tipo BigQuery | Come digitare BigQuery |
---|---|
INT64 |
FLOAT64 , NUMERIC , BIGNUMERIC |
BIGNUMERIC |
FLOAT64 |
NUMERIC |
BIGNUMERIC , FLOAT64 |
BigQuery esegue anche conversioni implicite per i seguenti valori letterali:
Dal tipo BigQuery | Come digitare BigQuery |
---|---|
STRING letterale (ad esempio "2008-12-25" ) |
DATE |
STRING letterale (ad esempio "2008-12-25 15:30:00" ) |
TIMESTAMP |
STRING letterale (ad esempio "2008-12-25T07:30:00" ) |
DATETIME |
STRING letterale (ad esempio "15:30:00" ) |
TIME |
Tipi di conversione espliciti
Se vuoi convertire tipi di dati Hive che BigQuery non converte implicitamente, utilizza la funzione CAST(expression AS type)
di BigQuery o una delle funzioni di conversione DATE
e TIMESTAMP
.
Funzioni
Questa sezione illustra le funzioni comuni utilizzate in Hive e BigQuery.
Funzioni di aggregazione
La seguente tabella mostra le mappature tra funzioni aggregate Hive comuni, di aggregazione statistica e di aggregazione approssimata con i rispettivi equivalenti BigQuery:
Alveare | BigQuery |
---|---|
count(DISTINCT expr[, expr...])
|
count(DISTINCT expr[, expr...])
|
percentile_approx(DOUBLE col, array(p1 [, p2]...) [, B]) WITHIN GROUP (ORDER BY expression)
|
APPROX_QUANTILES(expression, 100)[OFFSET(CAST(TRUNC(percentile * 100) as INT64))] BigQuery non supporta gli altri argomenti definiti da Hive. |
AVG
|
AVG
|
X | Y
|
BIT_OR / X | Y
|
X ^ Y
|
BIT_XOR / X ^ Y
|
X & Y
|
BIT_AND / X & Y
|
COUNT
|
COUNT
|
COLLECT_SET(col), \
COLLECT_LIST(col )
|
ARRAY_AGG(col)
|
COUNT
|
COUNT
|
MAX
|
MAX
|
MIN
|
MIN
|
REGR_AVGX
|
AVG(
|
REGR_AVGY
|
AVG(
|
REGR_COUNT
|
SUM(
|
REGR_INTERCEPT
|
AVG(dep_var_expr)
|
REGR_R2
|
(COUNT(dep_var_expr) *
|
REGR_SLOPE
|
COVAR_SAMP(ind_var_expr,
|
REGR_SXX
|
SUM(POWER(ind_var_expr, 2)) - COUNT(ind_var_expr) * POWER(AVG(ind_var_expr),2)
|
REGR_SXY
|
SUM(ind_var_expr*dep_var_expr) - COUNT(ind_var_expr) * AVG(ind) * AVG(dep_var_expr)
|
REGR_SYY
|
SUM(POWER(dep_var_expr, 2)) - COUNT(dep_var_expr) * POWER(AVG(dep_var_expr),2)
|
ROLLUP
|
ROLLUP
|
STDDEV_POP
|
STDDEV_POP
|
STDDEV_SAMP
|
STDDEV_SAMP, STDDEV
|
SUM
|
SUM
|
VAR_POP
|
VAR_POP
|
VAR_SAMP
|
VAR_SAMP, VARIANCE
|
CONCAT_WS
|
STRING_AGG
|
Funzioni analitiche
La seguente tabella mostra le mappature tra funzioni analitiche Hive comuni con i relativi equivalenti BigQuery:
Alveare | BigQuery |
---|---|
AVG
|
AVG
|
COUNT
|
COUNT
|
COVAR_POP
|
COVAR_POP
|
COVAR_SAMP
|
COVAR_SAMP
|
CUME_DIST
|
CUME_DIST
|
DENSE_RANK
|
DENSE_RANK
|
FIRST_VALUE
|
FIRST_VALUE
|
LAST_VALUE
|
LAST_VALUE
|
LAG
|
LAG
|
LEAD
|
LEAD
|
COLLECT_LIST, \
COLLECT_SET
|
ARRAY_AGG
ARRAY_CONCAT_AGG
|
MAX
|
MAX
|
MIN
|
MIN
|
NTILE
|
NTILE(constant_integer_expression)
|
PERCENT_RANK
|
PERCENT_RANK
|
RANK ()
|
RANK
|
ROW_NUMBER
|
ROW_NUMBER
|
STDDEV_POP
|
STDDEV_POP
|
STDDEV_SAMP
|
STDDEV_SAMP, STDDEV
|
SUM
|
SUM
|
VAR_POP
|
VAR_POP
|
VAR_SAMP
|
VAR_SAMP, VARIANCE
|
VARIANCE
|
VARIANCE ()
|
WIDTH_BUCKET
|
È possibile utilizzare una funzione definita dall'utente dall'utente. |
Funzioni di data e ora
La seguente tabella mostra le mappature tra le funzioni comuni di data e ora di Hive e i relativi equivalenti BigQuery:
DATE_ADD
|
DATE_ADD(date_expression, INTERVAL int64_expression date_part)
|
DATE_SUB
|
DATE_SUB(date_expression, INTERVAL int64_expression date_part)
|
CURRENT_DATE
|
CURRENT_DATE
|
CURRENT_TIME
|
CURRENT_TIME
|
CURRENT_TIMESTAMP
|
CURRENT_DATETIME
è consigliato, perché questo valore è senza fuso orario e sinonimo di
CURRENT_TIMESTAMP \
CURRENT_TIMESTAMP
in Hive.
|
EXTRACT(field FROM source)
|
EXTRACT(part FROM datetime_expression)
|
LAST_DAY
|
DATE_SUB( DATE_TRUNC( DATE_ADD(
|
MONTHS_BETWEEN
|
DATE_DIFF(date_expression, date_expression, MONTH)
|
NEXT_DAY
|
DATE_ADD(
|
TO_DATE
|
PARSE_DATE
|
FROM_UNIXTIME
|
UNIX_SECONDS
|
FROM_UNIXTIMESTAMP
|
FORMAT_TIMESTAMP
|
YEAR \
QUARTER \
MONTH \
HOUR \
MINUTE \
SECOND \
WEEKOFYEAR
|
EXTRACT
|
DATEDIFF
|
DATE_DIFF
|
BigQuery offre le seguenti funzioni aggiuntive di data e ora:
Funzioni di stringa
La seguente tabella mostra le mappature tra le funzioni stringa Hive e i relativi equivalenti BigQuery:
Alveare | BigQuery |
---|---|
ASCII
|
TO_CODE_POINTS(string_expr)[OFFSET(0)]
|
HEX
|
TO_HEX
|
LENGTH
|
CHAR_LENGTH
|
LENGTH
|
CHARACTER_LENGTH
|
CHR
|
CODE_POINTS_TO_STRING
|
CONCAT
|
CONCAT
|
LOWER
|
LOWER
|
LPAD
|
LPAD
|
LTRIM
|
LTRIM
|
REGEXP_EXTRACT
|
REGEXP_EXTRACT
|
REGEXP_REPLACE
|
REGEXP_REPLACE
|
REPLACE
|
REPLACE
|
REVERSE
|
REVERSE
|
RPAD
|
RPAD
|
RTRIM
|
RTRIM
|
SOUNDEX
|
SOUNDEX
|
SPLIT
|
SPLIT(instring, delimiter)[ORDINAL(tokennum)]
|
SUBSTR, \
SUBSTRING
|
SUBSTR
|
TRANSLATE
|
TRANSLATE
|
LTRIM
|
LTRIM
|
RTRIM
|
RTRIM
|
TRIM
|
TRIM
|
UPPER
|
UPPER
|
BigQuery offre le seguenti funzioni stringa aggiuntive:
Funzioni matematiche
La seguente tabella mostra le mappature tra le funzioni matematiche Hive e i rispettivi equivalenti BigQuery:
Alveare | BigQuery |
---|---|
ABS
|
ABS
|
ACOS
|
ACOS
|
ASIN
|
ASIN
|
ATAN
|
ATAN
|
CEIL
|
CEIL
|
CEILING
|
CEILING
|
COS
|
COS
|
FLOOR
|
FLOOR
|
GREATEST
|
GREATEST
|
LEAST
|
LEAST
|
LN
|
LN
|
LNNVL
|
Da usare con ISNULL .
|
LOG
|
LOG
|
MOD (% operator)
|
MOD
|
POWER
|
POWER, POW
|
RAND
|
RAND
|
ROUND
|
ROUND
|
SIGN
|
SIGN
|
SIN
|
SIN
|
SQRT
|
SQRT
|
HASH
|
FARM_FINGERPRINT, MD5, SHA1, SHA256, SHA512
|
STDDEV_POP
|
STDDEV_POP
|
STDDEV_SAMP
|
STDDEV_SAMP
|
TAN
|
TAN
|
TRUNC
|
TRUNC
|
NVL
|
IFNULL(expr, 0), COALESCE(exp, 0)
|
BigQuery offre le seguenti funzioni matematiche aggiuntive:
Funzioni logiche e condizionali
La seguente tabella mostra le mappature tra funzioni logiche e condizionali di Hive e i relativi equivalenti BigQuery:
Alveare | BigQuery |
---|---|
CASE
|
CASE
|
COALESCE
|
COALESCE
|
NVL
|
IFNULL(expr, 0), COALESCE(exp, 0)
|
NULLIF
|
NULLIF
|
IF
|
IF(expr, true_result, else_result)
|
ISNULL
|
IS NULL
|
ISNOTNULL
|
IS NOT NULL
|
NULLIF
|
NULLIF
|
Funzioni definite dall'utente e funzioni definite dall'utente
BigQuery supporta le UDF, ma non le funzioni aggregate definite dall'utente.
Sintassi DML
Questa sezione illustra le differenze nella sintassi DML (Data Manipulation Language) tra Hive e BigQuery.
Istruzione INSERT
La maggior parte delle istruzioni INSERT
Hive è compatibile con BigQuery. La tabella seguente mostra le eccezioni:
Alveare | BigQuery |
---|---|
INSERT INTO TABLE tablename [PARTITION (partcol1[=val1], partcol2[=val2] ...)] VALUES values_row [, values_row ...]
|
INSERT INTO table (...) VALUES (...);
Nota: in BigQuery, l'omissione dei nomi delle colonne nell'istruzione |
INSERT OVERWRITE [LOCAL] DIRECTORY directory1
|
BigQuery non supporta le operazioni di inserimento e sovrascrittura.
È possibile eseguire la migrazione di questa sintassi Hive alle istruzioni TRUNCATE e INSERT .
|
BigQuery impone delle quote DML che limitano il numero di istruzioni DML che puoi eseguire ogni giorno. Per sfruttare al meglio la quota, considera questi approcci:
Combina più righe in una singola istruzione
INSERT
, invece di una riga per ogni operazioneINSERT
.Combina più istruzioni DML (tra cui
INSERT
) utilizzando un'istruzioneMERGE
.Utilizza
CREATE TABLE ... AS SELECT
per creare e completare nuove tabelle.
Istruzione UPDATE
La maggior parte delle istruzioni UPDATE
Hive è compatibile con BigQuery. La tabella seguente mostra le eccezioni:
Alveare | BigQuery |
---|---|
UPDATE tablename SET column = value [, column = value ...] [WHERE expression]
|
UPDATE table
Nota: tutte le istruzioni |
Estratti conto DELETE
e TRUNCATE
Puoi utilizzare le istruzioni DELETE
o TRUNCATE
per rimuovere righe da una tabella
senza influire sullo schema o sugli indici della tabella.
In BigQuery, l'istruzione DELETE
deve avere una clausola WHERE
.
Per ulteriori informazioni su DELETE
in BigQuery, consulta gli
esempi di DELETE
.
Alveare | BigQuery |
---|---|
DELETE FROM tablename [WHERE expression]
|
DELETE FROM table_name
WHERE TRUE
Le istruzioni |
TRUNCATE [TABLE] table_name [PARTITION partition_spec];
|
TRUNCATE TABLE [[project_name.]dataset_name.]table_name
|
Istruzione MERGE
L'istruzione MERGE
può combinare le operazioni INSERT
, UPDATE
e DELETE
in una singola istruzione upsert ed eseguire le operazioni. L'operazione MERGE
deve corrispondere al massimo a una riga di origine per ogni riga di destinazione.
Alveare | BigQuery |
---|---|
MERGE INTO
ON
|
MERGE target
USING source
Nota: devi elencare tutte le colonne che devono essere aggiornate. |
Istruzione ALTER
La tabella seguente fornisce dettagli sulla conversione delle istruzioni CREATE VIEW
da Hive a BigQuery:
Funzione | Alveare | BigQuery |
---|---|---|
Rename table
|
ALTER TABLE table_name RENAME TO new_table_name;
|
Non supportati. Una soluzione alternativa consiste nell'utilizzare un job di copia con il nome che vuoi usare come tabella di destinazione, quindi eliminare il precedente.
|
Table properties
|
ALTER TABLE table_name SET TBLPROPERTIES table_properties;
|
{ALTER TABLE | ALTER TABLE IF EXISTS}
|
SerDe properties (Serialize and deserialize)
|
ALTER TABLE table_name [PARTITION partition_spec] SET SERDE serde_class_name [WITH SERDEPROPERTIES serde_properties];
|
La serializzazione e la deserializzazione sono gestite dal servizio BigQuery e non è configurabile dall'utente.
Per scoprire come consentire a BigQuery di leggere i dati dei file CSV, JSON, AVRO, PARQUET o ORC, vedi Creare tabelle esterne di Cloud Storage. Supporta i formati di esportazione CSV, JSON, AVRO e PARQUET. Per ulteriori informazioni, vedi Formati di esportazione e tipi di compressione. |
Table storage properties
|
ALTER TABLE table_name CLUSTERED BY (col_name, col_name, ...) [SORTED BY (col_name, ...)]
INTO num_buckets BUCKETS;
|
Non supportata per gli estratti conto ALTER .
|
Skewed table
|
Skewed:
ALTER TABLE table_name SKEWED BY (col_name1, col_name2, ...)
ON ([(col_name1_value, col_name2_value, ...) [, (col_name1_value, col_name2_value), ...]
|
Il bilanciamento dello spazio di archiviazione per le query sulle prestazioni è gestito dal servizio BigQuery e non è configurabile. |
Table constraints
|
ALTER TABLE table_name ADD CONSTRAINT constraint_name PRIMARY KEY (column, ...) DISABLE NOVALIDATE;
ALTER TABLE table_name ADD CONSTRAINT constraint_name FOREIGN KEY (column, ...) REFERENCES table_name(column, ...) DISABLE NOVALIDATE RELY;
|
ALTER TABLE [[project_name.]dataset_name.]table_name ADD [CONSTRAINT [IF NOT EXISTS] [constraint_name]] constraint NOT ENFORCED; ALTER TABLE [[project_name.]dataset_name.]table_name ADD PRIMARY KEY(column_list) NOT ENFORCED;
Per saperne di più, consulta l'Informativa su |
Add partition
|
ALTER TABLE table_name ADD [IF NOT EXISTS] PARTITION partition_spec [LOCATION 'location'][, PARTITION partition_spec [LOCATION 'location'], ...];
|
Non supportati. Quando vengono caricati dati con nuovi valori nelle colonne di partizione, vengono aggiunte altre partizioni necessarie. Per saperne di più, consulta Gestione delle tabelle partizionate. |
Rename partition
|
ALTER TABLE table_name PARTITION partition_spec RENAME TO PARTITION partition_spec;
|
Non supportati. |
Exchange partition
|
-- Move partition from table_name_1 to table_name_2
|
Non supportati. |
Recover partition
|
MSCK [REPAIR] TABLE table_name [ADD/DROP/SYNC PARTITIONS];
|
Non supportati. |
Drop partition
|
ALTER TABLE table_name DROP [IF EXISTS] PARTITION partition_spec[, PARTITION partition_spec, ...]
[IGNORE PROTECTION] [PURGE];
|
Supportati con i seguenti metodi:
Per ulteriori informazioni, vedi Eliminare una partizione. |
(Un)Archive partition
|
ALTER TABLE table_name ARCHIVE PARTITION partition_spec;
ALTER TABLE table_name UNARCHIVE PARTITION partition_spec;
|
Non supportati. |
Table and partition file format
|
ALTER TABLE table_name [PARTITION partition_spec] SET FILEFORMAT file_format;
|
Non supportati. |
Table and partition location
|
ALTER TABLE table_name [PARTITION partition_spec] SET LOCATION "new location";
|
Non supportati. |
Table and partition touch
|
ALTER TABLE table_name TOUCH [PARTITION partition_spec];
|
Non supportati. |
Table and partition protection
|
ALTER TABLE table_name [PARTITION partition_spec] ENABLE|DISABLE NO_DROP [CASCADE];
|
Non supportati. |
Table and partition compact
|
ALTER TABLE table_name [PARTITION (partition_key = 'partition_value' [, ...])]
COMPACT 'compaction_type'[AND WAIT]
|
Non supportati. |
Table and artition concatenate
|
ALTER TABLE table_name [PARTITION (partition_key = 'partition_value' [, ...])] CONCATENATE;
|
Non supportati. |
Table and partition columns
|
ALTER TABLE table_name [PARTITION (partition_key = 'partition_value' [, ...])] UPDATE COLUMNS;
|
Non supportata per gli estratti conto ALTER TABLE .
|
Column name, type, position, and comment
|
ALTER TABLE table_name [PARTITION partition_spec] CHANGE [COLUMN] col_old_name col_new_name column_type
[COMMENT col_comment] [FIRST|AFTER column_name] [CASCADE|RESTRICT];
|
Non supportati. |
Sintassi DDL
Questa sezione illustra le differenze nella sintassi DDL (Data Definition Language) tra Hive e BigQuery.
Estratti conto CREATE TABLE
e DROP TABLE
La tabella seguente fornisce dettagli sulla conversione delle istruzioni CREATE TABLE
da Hive a BigQuery:
Tipo | Alveare | BigQuery |
---|---|---|
Tabelle gestite | create table table_name (
|
CREATE TABLE `myproject`.mydataset.table_name (
|
Tabelle partizionate | create table table_name (
|
CREATE TABLE `myproject`.mydataset.table_name (
|
Create table as select (CTAS)
|
CREATE TABLE new_key_value_store
|
CREATE TABLE `myproject`.mydataset.new_key_value_store
Quando esegui il partizionamento per data, rimuovi il commento da quanto segue:
Quando esegui il partizionamento per data, rimuovi il commento da quanto segue. Si consiglia di utilizzare
|
Create Table Like:
Il formato |
CREATE TABLE empty_key_value_store
|
Non supportati. |
Tabelle ordinate in bucket (in cluster nella terminologia BigQuery) | CREATE TABLE page_view(
|
CREATE TABLE `myproject` mydataset.page_view (
Per saperne di più, vedi Creare e utilizzare tabelle in cluster. |
Tabelle disallineate (tabelle in cui una o più colonne hanno valori disallineati) | CREATE TABLE list_bucket_multiple (col1 STRING, col2 int, col3 STRING)
|
Non supportati. |
Tabelle temporanee | CREATE TEMPORARY TABLE list_bucket_multiple (
|
Puoi farlo utilizzando l'ora di scadenza nel seguente modo:
|
Tabelle transazionali | CREATE TRANSACTIONAL TABLE transactional_table_test(key string, value string) PARTITIONED BY(ds string) STORED AS ORC;
|
Tutte le modifiche alle tabelle in BigQuery sono conformi ad ACID (atomicità, coerenza, isolamento, durabilità). |
Elimina tabella | DROP TABLE [IF EXISTS] table_name [PURGE];
|
{DROP TABLE | DROP TABLE IF EXISTS}
|
Tronca tabella | TRUNCATE TABLE table_name [PARTITION partition_spec];
|
Non supportati. Sono disponibili le seguenti soluzioni alternative:
Nota: anche le partizioni specifiche possono essere troncate. Per ulteriori informazioni, vedi Eliminare una partizione. |
Estratti conto CREATE EXTERNAL TABLE
e DROP EXTERNAL TABLE
Per il supporto di tabelle esterne in BigQuery, consulta Introduzione alle origini dati esterne.
Estratti conto CREATE VIEW
e DROP VIEW
La tabella seguente fornisce dettagli sulla conversione delle istruzioni CREATE VIEW
da Hive a BigQuery:
Alveare | BigQuery |
---|---|
CREATE VIEW [IF NOT EXISTS] [db_name.]view_name [(column_name [COMMENT column_comment], ...) ]
|
{CREATE VIEW | CREATE VIEW IF NOT EXISTS | CREATE OR REPLACE VIEW}
|
CREATE MATERIALIZED VIEW [IF NOT EXISTS] [db_name.]materialized_view_name
|
CREATE MATERIALIZED VIEW [IF NOT EXISTS] \
[project_id].[dataset_id].materialized_view_name
|
Estratti conto CREATE FUNCTION
e DROP FUNCTION
La tabella seguente fornisce dettagli sulla conversione delle stored procedure da Hive a BigQuery:
Alveare | BigQuery |
---|---|
CREATE TEMPORARY FUNCTION function_name AS class_name;
|
CREATE { TEMPORARY | TEMP } FUNCTION function_name ([named_parameter[, ...]])
|
DROP TEMPORARY FUNCTION [IF EXISTS] function_name;
|
Non supportati. |
CREATE FUNCTION [db_name.]function_name AS class_name
|
Supportata per i progetti nella lista consentita come funzionalità alpha.
|
DROP FUNCTION [IF EXISTS] function_name;
|
DROP FUNCTION [ IF EXISTS ] function_name
|
RELOAD FUNCTION;
|
Non supportati. |
Estratti conto CREATE MACRO
e DROP MACRO
La seguente tabella fornisce dettagli sulla conversione delle istruzioni SQL procedurali utilizzate nella creazione di macro da Hive a BigQuery con dichiarazione e assegnazione di variabili:
Alveare | BigQuery |
---|---|
CREATE TEMPORARY MACRO macro_name([col_name col_type, ...]) expression;
|
Non supportati. In alcuni casi, questa può essere sostituita con una funzione definita dall'utente. |
DROP TEMPORARY MACRO [IF EXISTS] macro_name;
|
Non supportati. |
Codici e messaggi di errore
I codici di errore Hive e i codici di errore BigQuery sono diversi. Se la logica dell'applicazione rileva gli errori, elimina l'origine dell'errore perché BigQuery non restituisce gli stessi codici di errore.
In BigQuery, è comune utilizzare le viste INFORMATION_SCHEMA o l'audit logging per esaminare gli errori.
Garanzie di coerenza e isolamento delle transazioni
Sia Hive che BigQuery supportano le transazioni con semantica ACID. Le transazioni sono abilitate per impostazione predefinita in Hive 3.
Semantica ACID
Hive supporta l'isolamento degli snapshot. Quando esegui una query, questa viene fornita con uno snapshot coerente del database, che utilizza fino alla fine dell'esecuzione. Hive fornisce la semantica ACID completa a livello di riga, consentendo a un'applicazione di aggiungere righe quando un'altra applicazione legge dalla stessa partizione senza interferire tra loro.
BigQuery offre un controllo della contemporaneità ottimistico (il primo commit delle vincite) con l'isolamento dello snapshot, in cui una query legge gli ultimi dati di cui è stato eseguito il commit prima dell'inizio della query. Questo approccio garantisce lo stesso livello di coerenza per ogni riga e mutazione e tra righe all'interno della stessa istruzione DML, evitando i deadlock. In caso di più aggiornamenti DML alla stessa tabella, BigQuery passa al controllo della contemporaneità pessimistico. I job di caricamento possono essere eseguiti in modo indipendente e aggiungere tabelle; tuttavia, BigQuery non fornisce un limite di transazione o una sessione espliciti.
Transazioni
Hive non supporta le transazioni con più dichiarazioni. Non
supporta le istruzioni BEGIN
, COMMIT
e ROLLBACK
. In Hive, tutte le operazioni relative alle lingue vengono eseguite automaticamente.
BigQuery supporta transazioni multi-istruzione all'interno di una singola query o in più query. Una transazione con più istruzioni consente di eseguire operazioni di mutazione, come l'inserimento o l'eliminazione di righe da una o più tabelle e il commit o il rollback delle modifiche. Per maggiori informazioni, consulta Transazioni multi-statement.