Guida alla traduzione SQL di IBM Netezza

IBM Netezza Data Warehousing è progettato per funzionare con la sintassi SQL specifica di Netezza. Netezza SQL si basa su Postgres 7.2. Gli script SQL scritti per Netezza non possono essere utilizzati in un data warehouse BigQuery senza modifiche, perché i dialetti SQL variano.

Questo documento descrive le analogie e le differenze nella sintassi SQL tra Netezza e BigQuery nei seguenti ambiti:

  • Tipi di dati
  • Elementi del linguaggio SQL
  • Sintassi delle query
  • Data Manipulation Language (DML)
  • Data Definition Language (DDL)
  • Stored procedure
  • Funzioni

Puoi anche utilizzare la traduzione SQL batch per eseguire la migrazione degli script SQL in blocco oppure la traduzione SQL interattiva per tradurre query ad hoc. IBM Netezza SQL/NZPLSQL è supportato da entrambi gli strumenti in anteprima.

Tipi di dati

Netezza BigQuery Note
INTEGER/INT/INT4 INT64
SMALLINT/INT2 INT64
BYTEINT/INT1 INT64
BIGINT/INT8 INT64
DECIMAL NUMERIC Il tipo di dati DECIMAL in Netezza è un alias per il tipo di dati NUMERIC.
NUMERIC NUMERIC INT64
NUMERIC(p,s) NUMERIC Il tipo NUMERIC in BigQuery non applica limiti personalizzati per cifre o scale (vincoli) come Netezza. BigQuery ha 9 cifre fisse dopo la virgola, mentre Netezza consente una configurazione personalizzata. In Netezza, la precisione p può variare da 1 a 38 e la scala s da 0 alla precisione.
FLOAT(p) FLOAT64
REAL/FLOAT(6) FLOAT64
DOUBLE PRECISION/FLOAT(14) FLOAT64
CHAR/CHARACTER STRING Il tipo STRING in BigQuery è a lunghezza variabile e non richiede l'impostazione manuale di una lunghezza massima dei caratteri come richiedono i tipi CHARACTER e VARCHAR di Netezza. Il valore predefinito di n in CHAR(n) è 1. La dimensione massima della stringa di caratteri è 64.000.
VARCHAR STRING Il tipo STRING in BigQuery è a lunghezza variabile e non richiede l'impostazione manuale di una lunghezza massima dei caratteri come richiedono i tipi CHARACTER e VARCHAR di Netezza. La dimensione massima della stringa di caratteri è 64.000.
NCHAR STRING Il tipo STRING in BigQuery viene archiviato come Unicode codificato in UTF-8 a lunghezza variabile. La lunghezza massima è di 16.000 caratteri.
NVARCHAR STRING Il tipo STRING in BigQuery viene archiviato come Unicode con codifica UTF-8 a lunghezza variabile. La lunghezza massima è di 16.000 caratteri.
VARBINARY BYTES
ST_GEOMETRY GEOGRAPHY
BOOLEAN/BOOL BOOL Il tipo BOOL in BigQuery può accettare solo TRUE/FALSE, a differenza del tipo BOOL in Netezza, che può accettare una serie di valori come 0/1, yes/no, true/false, e on/off.
DATE DATE
TIME TIME
TIMETZ/TIME WITH TIME ZONE TIME Netezza memorizza il tipo di dati TIME in formato UTC e ti consente di passare un offset da UTC utilizzando la sintassi WITH TIME ZONE. Il tipo di dati TIME in BigQuery rappresenta un'ora indipendente da qualsiasi data o fuso orario.
TIMESTAMP DATETIME Il tipo Netezza TIMESTAMP non include un fuso orario, come il tipo BigQuery DATETIME.
ARRAY Non esiste un tipo di dati array in Netezza. Il tipo di array viene invece memorizzato in un campo varchar.

Formattazione del tipo di timestamp e data

Per saperne di più sulla formattazione del tipo di data utilizzata da Netezza SQL, consulta la documentazione sui pattern dei modelli di data e ora di Netezza. Per saperne di più sulle funzioni di data e ora, consulta la documentazione relativa alle funzioni di data/ora di Netezza.

Quando converti gli elementi di formattazione del tipo di data da Netezza a GoogleSQL, devi prestare particolare attenzione alle differenze di fuso orario tra TIMESTAMP e DATETIME, come riassunto nella tabella seguente:

Netezza BigQuery
CURRENT_TIMESTAMP
CURRENT_TIME

Le informazioni TIME in Netezza possono avere informazioni sul fuso orario diverse, definite utilizzando la sintassi WITH TIME ZONE. 		Se possibile, utilizza la funzione CURRENT_TIMESTAMP, che è formattata correttamente. Tuttavia, il formato di output non mostra sempre il fuso orario UTC (internamente, BigQuery non ha un fuso orario). L'oggetto DATETIME nello strumento a riga di comando bq e nella consoleGoogle Cloud è formattato utilizzando un separatore T in conformità con RFC 3339. Tuttavia, in Python e Java JDBC, uno spazio viene utilizzato come separatore. Utilizza la funzione esplicita FORMAT_DATETIME per definire correttamente il formato della data. In caso contrario, viene eseguito un cast esplicito a una stringa, ad esempio:
CAST(CURRENT_DATETIME() AS STRING)
In questo modo viene restituito anche un separatore di spazi.
CURRENT_DATE CURRENT_DATE
CURRENT_DATE-3 BigQuery non supporta le operazioni sui dati aritmetiche. Utilizza invece la funzione DATE_ADD.

SELECT estratto conto

In genere, l'istruzione SELECT di Netezza è compatibile con BigQuery. La tabella seguente contiene un elenco di eccezioni:

Netezza BigQuery
Una dichiarazione SELECT senza clausola FROM Supporta casi speciali come i seguenti:

SELECT 1 UNION ALL SELECT 2; 

SELECT
  (subquery) AS flag,
  CASE WHEN flag = 1 THEN ...

In BigQuery, le colonne non possono fare riferimento all'output di altre colonne definite all'interno della stessa query. Devi duplicare la logica o spostarla in una query nidificata.

Opzione 1

SELECT
  (subquery) AS flag,
  CASE WHEN (subquery) = 1 THEN ...

Opzione 2

SELECT
  q.*,
  CASE WHEN flag = 1 THEN ...
FROM (
  SELECT
    (subquery) AS flag,
    ...
  ) AS q

Operatori di confronto

Netezza BigQuery Descrizione
exp = exp2 exp = exp2 Uguale
exp <= exp2 exp <= exp2 Minore o uguale a
exp < exp2 exp < exp2 Minore di
exp <> exp2
exp != exp2		 exp <> exp2
exp != exp2		 Non uguale
exp >= exp2 exp >= exp2 Maggiore o uguale a
exp > exp2 exp > exp2 Maggiore di

Funzioni SQL integrate

Netezza BigQuery Descrizione
CURRENT_DATE CURRENT_DATE Ottieni la data corrente (anno, mese e giorno).
CURRENT_TIME CURRENT_TIME Ottieni l'ora attuale con la frazione.
CURRENT_TIMESTAMP CURRENT_TIMESTAMP Ottieni la data e l'ora correnti del sistema, al secondo intero più vicino.
NOW CURRENT_TIMESTAMP Ottieni la data e l'ora correnti del sistema, al secondo intero più vicino.
COALESCE(exp, 0) COALESCE(exp, 0) Sostituisci NULL con zero.
NVL(exp, 0) IFNULL(exp, 0) Sostituisci NULL con zero.
EXTRACT(DOY FROM timestamp_expression) EXTRACT(DAYOFYEAR FROM timestamp_expression) Restituisce il numero di giorni dall'inizio dell'anno.
ADD_MONTHS(date_expr, num_expr) DATE_ADD(date, INTERVAL k MONTH) Aggiungere mesi a una data.
DURATION_ADD(date, k) DATE_ADD(date, INTERVAL k DAY) Eseguire l'addizione sulle date.
DURATION_SUBTRACT(date, k) DATE_SUB(date, INTERVAL k DAY) Eseguire la sottrazione su date.
str1 || str2 CONCAT(str1, str2) Concatenare stringhe.

Funzioni

Questa sezione confronta le funzioni Netezza e BigQuery.

Funzioni di aggregazione

Netezza BigQuery
ANY_VALUE
APPROX_COUNT_DISTINCT
APPROX_QUANTILES
APPROX_TOP_COUNT
APPROX_TOP_SUM
AVG AVG
intNand BIT_AND
intNnot Operatore NOT bit a bit: ~
intNor BIT_OR
intNxor BIT_XOR
intNshl
intNshr
CORR CORR
COUNT COUNT
COUNTIF
COVAR_POP COVAR_POP
COVAR_SAMP COVAR_SAMP
GROUPING
LOGICAL_AND
LOGICAL_OR
MAX MAX
MIN MIN
MEDIAN PERCENTILE_CONT(x, 0.5)
STDDEV_POP STDDEV_POP
STDDEV_SAMP STDDEV_SAMP
STDDEV
STRING_AGG
SUM SUM
VAR_POP VAR_POP
VAR_SAMP VAR_SAMP
VARIANCE

Funzioni analitiche

Netezza BigQuery
ANY_VALUE
ARRAY_AGG
ARRAY_CONCAT ARRAY_CONCAT_AGG
ARRAY_COMBINE
ARRAY_COUNT
ARRAY_SPLIT
ARRAY_TYPE
AVG AVG
intNand BIT_AND
intNnot Operatore NOT bit a bit: ~
intNor BIT_OR
intNxor BIT_XOR
intNshl
intNshr
CORR CORR
COUNT COUNT
COUNTIF
COVAR_POP COVAR_POP
COVAR_SAMP COVAR_SAMP
CUME_DIST CUME_DIST
DENSE_RANK DENSE_RANK
FIRST_VALUE FIRST_VALUE
LAG LAG
LAST_VALUE LAST_VALUE
LEAD LEAD
AND LOGICAL_AND
OR LOGICAL_OR
MAX MAX
MIN MIN
NTH_VALUE
NTILE NTILE
PERCENT_RANK PERCENT_RANK
PERCENTILE_CONT PERCENTILE_CONT
PERCENTILE_DISC PERCENTILE_DISC
RANK RANK
ROW_NUMBER ROW_NUMBER
STDDEV STDDEV
STDDEV_POP STDDEV_POP
STDDEV_SAMP STDDEV_SAMP
STRING_AGG
SUM SUM
VARIANCE VARIANCE
VAR_POP VAR_POP
VAR_SAMP VAR_SAMP
VARIANCE
WIDTH_BUCKET

Funzioni di data e ora

Netezza BigQuery
ADD_MONTHS DATE_ADD
TIMESTAMP_ADD
AGE
CURRENT_DATE CURRENT_DATE
CURRENT_DATETIME
CURRENT_TIME CURRENT_TIME
CURRENT_TIME(p)
CURRENT_TIMESTAMP CURRENT_TIMESTAMP
CURRENT_TIMESTAMP(p)
DATE
DATE_ADD
DATE_DIFF
DATE_FROM_UNIX_DATE
DATE_SUB
DATE_TRUNC DATE_TRUNC
DATE_PART
DATETIME
DATETIME_ADD
DATETIME_DIFF
DATETIME_SUB
DATETIME_TRUNC
DURATION_ADD
DURATION_SUBTRACT
EXTRACT EXTRACT (DATE)
EXTRACT (TIMESTAMP)
FORMAT_DATE
FORMAT_DATETIME
FORMAT_TIME
FORMAT_TIMESTAMP
LAST_DAY DATE_SUB( DATE_TRUNC( DATE_ADD( date_expression, INTERVAL 1 MONTH ), MONTH ), INTERVAL 1 DAY )
MONTHS_BETWEEN DATE_DIFF(date_expression, date_expression, MONTH)
NEXT_DAY
NOW
OVERLAPS
PARSE_DATE
PARSE_DATETIME
PARSE_TIME
PARSE_TIMESTAMP
STRING
TIME
TIME_ADD
TIME_DIFF
TIME_SUB
TIME_TRUNC
TIMEOFDAY
TIMESTAMP DATETIME
TIMESTAMP_ADD
TIMESTAMP_DIFF
TIMESTAMP_MICROS
TIMESTAMP_MILLIS
TIMESTAMP_SECONDS
TIMESTAMP_SUB
TIMESTAMP_TRUNC
TIMEZONE
TO_DATE PARSE_DATE
TO_TIMESTAMP PARSE_TIMESTAMP
UNIX_DATE
UNIX_MICROS
UNIX_MILLIS
UNIX_SECONDS

Funzioni di stringa

Netezza BigQuery
ASCII TO_CODE_POINTS(string_expr)[OFFSET(0)]
BYTE_LENGTH
TO_HEX
CHAR_LENGTH
CHARACTER_LENGTH
CODE_POINTS_TO_BYTES
BTRIM
CHR CODE_POINTS_TO_STRING([numeric_expr])
CONCAT
DBL_MP
DLE_DST
ENDS_WITH
FORMAT
FROM_BASE32
FROM_BASE64
FROM_HEX
HEX_TO_BINARY
HEX_TO_GEOMETRY
INITCAP
INSTR
INT_TO_STRING
LE_DST
LENGTH LENGTH
LOWER LOWER
LPAD LPAD
LTRIM LTRIM
NORMALIZE
NORMALIZE_AND_CASEFOLD
PRI_MP
REGEXP_CONTAINS
REGEXP_EXTRACT REGEXP_EXTRACT
REGEXP_EXTRACT_ALL REGEXP_EXTRACT_ALL
REGEXP_EXTRACT_ALL_SP
REGEXP_EXTRACT_SP
REGEXP_INSTR STRPOS(col, REGEXP_EXTRACT())
REGEXP_LIKE
REGEXP_MATCH_COUNT
REGEXP_REPLACE REGEXP_REPLACE
REGEXP_REPLACE_SP IF(REGEXP_CONTAINS,1,0)
REGEXP_EXTRACT
REPEAT REPEAT
REPLACE
REVERSE
RPAD RPAD
RTRIM RTRIM
SAFE_CONVERT_BYTES_TO_STRING
SCORE_MP
SEC_MP
SOUNDEX
SPLIT
STARTS_WITH
STRING_TO_INT
STRPOS STRPOS
SUBSTR SUBSTR
TO_BASE32
TO_BASE64
TO_CHAR
TO_DATE
TO_NUMBER
TO_TIMESTAMP
TO_CODE_POINTS
TO_HEX
TRANSLATE
TRIM
UPPER UPPER
UNICODE
UNICODES

Funzioni matematiche

Netezza BigQuery
ABS ABS
ACOS ACOS
ACOSH
ASIN ASIN
ASINH
ATAN ATAN
ATAN2 ATAN2
ATANH
CEIL
DCEIL		 CEIL
CEILING
COS COS
COSH
COT COT
DEGREES
DIV
EXP EXP
FLOOR
DFLOOR		 FLOOR
GREATEST GREATEST
IEEE_DIVIDE
IS_INF
IS_NAN
LEAST LEAST
LN LN
LOG LOG
LOG10
MOD MOD
NULLIF(expr, 0)
PI ACOS(-1)
POW
FPOW		 POWER
POW
RADIANS
RANDOM RAND
ROUND ROUND
SAFE_DIVIDE
SETSEED
SIGN SIGN
SIN SIN
SINH
SQRT
NUMERIC_SQRT		 SQRT
TAN TAN
TANH
TRUNC TRUNC
IFNULL(expr, 0)

Sintassi DML

Questa sezione confronta la sintassi DML di Netezza e BigQuery.

INSERT estratto conto

Netezza BigQuery 

INSERT INTO table VALUES (...);


INSERT INTO table (...) VALUES (...);


Netezza offre una parola chiave DEFAULT e altri vincoli per le colonne. In BigQuery, l'omissione dei nomi delle colonne nell'istruzione INSERT è valida solo se vengono specificate tutte le colonne.		 

INSERT INTO table (...) VALUES (...);
INSERT INTO table (...) VALUES (...);


INSERT INTO table VALUES (), ();

BigQuery impone quote DML, che limitano il numero di istruzioni DML che puoi eseguire ogni giorno. Per utilizzare al meglio la tua quota, valuta i seguenti approcci:

  • Combina più righe in un'unica istruzione INSERT, anziché una riga per istruzione INSERT.
  • Combina più istruzioni DML (inclusa un'istruzione INSERT) utilizzando un'istruzione MERGE.
  • Utilizza un'istruzione CREATE TABLE ... AS SELECT per creare e compilare nuove tabelle.

Gli script DML in BigQuery hanno una semantica di coerenza leggermente diversa rispetto alle istruzioni equivalenti in Netezza. Tieni presente inoltre che BigQuery non offre vincoli diversi da NOT NULL.

Per una panoramica dell'isolamento degli snapshot e della gestione di sessioni e transazioni, consulta Garanzie di coerenza e isolamento delle transazioni.

UPDATE estratto conto

In Netezza, la clausola WHERE è facoltativa, ma in BigQuery è necessaria.

Netezza BigQuery 

UPDATE tbl
SET
tbl.col1=val1;

Non supportato senza la clausola WHERE. Utilizza una clausola WHERE true per aggiornare tutte le righe. 

UPDATE A
SET
  y = B.y,
  z = B.z + 1
FROM B
WHERE A.x = B.x
  AND A.y IS NULL;


UPDATE A
SET
  y = B.y,
  z = B.z + 1
FROM B
WHERE A.x = B.x
  AND A.y IS NULL;


UPDATE A alias
SET x = x + 1
WHERE f(x) IN (0, 1)


UPDATE A
SET x = x + 1
WHERE f(x) IN (0, 1);


UPDATE A
SET z = B.z
FROM B
WHERE A.x = B.x
  AND A.y = B.y


UPDATE A
SET z = B.z
FROM B
WHERE A.x = B.x
  AND A.y = B.y;

Per alcuni esempi, consulta la sezione Esempi di UPDATE.

A causa delle quote DML, ti consigliamo di utilizzare istruzioni MERGE più grandi anziché più istruzioni UPDATE e INSERT singole. Gli script DML in BigQuery hanno una semantica di coerenza leggermente diversa rispetto alle istruzioni equivalenti in Netezza. Per una panoramica dell'isolamento degli snapshot e della gestione di sessioni e transazioni, consulta Garanzie di coerenza e isolamento delle transazioni.

Istruzioni DELETE e TRUNCATE

Le istruzioni DELETE e TRUNCATE sono due modi per rimuovere righe da una tabella senza influire sullo schema o sugli indici della tabella. L'istruzione TRUNCATE ha lo stesso effetto dell'istruzione DELETE, ma è molto più veloce dell'istruzione DELETE per le tabelle di grandi dimensioni. L'istruzione TRUNCATE è supportata in Netezza, ma non in BigQuery. Tuttavia, puoi utilizzare le istruzioni DELETE sia in Netezza che in BigQuery.

In BigQuery, l'istruzione DELETE deve avere una clausola WHERE. In Netezza, la clausola WHERE è facoltativa. Se la clausola WHERE non è specificata, vengono eliminate tutte le righe della tabella Netezza.

Netezza BigQuery Descrizione 

BEGIN;
LOCK TABLE A IN EXCLUSIVE MODE;
DELETE FROM A;
INSERT INTO A SELECT * FROM B;
COMMIT;

La sostituzione dei contenuti di una tabella con l'output della query equivale a una transazione. Puoi farlo con un'operazione di query o di copia (cp). 

bq query \

--replace \

--destination_table \

tableA \

'SELECT * \

FROM tableB \

WHERE ...'


bq cp \

-f tableA tableB

Sostituisci i contenuti di una tabella con i risultati di una query. 

DELETE FROM database.table


DELETE FROM table WHERE TRUE;

In Netezza, quando viene eseguita un'istruzione di eliminazione, le righe non vengono eliminate fisicamente, ma solo contrassegnate per l'eliminazione. L'esecuzione dei comandi GROOM TABLE o nzreclaim in un secondo momento rimuove le righe contrassegnate per l'eliminazione e recupera lo spazio su disco corrispondente.
GROOM TABLE Netezza utilizza il comando GROOM TABLE per recuperare spazio su disco rimuovendo le righe contrassegnate per l'eliminazione.

MERGE estratto conto

Un'istruzione MERGE deve corrispondere al massimo a una riga di origine per ogni riga di destinazione. Gli script DML in BigQuery hanno una semantica di coerenza leggermente diversa rispetto alle istruzioni equivalenti in Netezza. Per una panoramica dell'isolamento degli snapshot e della gestione di sessioni e transazioni, consulta Garanzie di coerenza e isolamento delle transazioni. Per esempi, vedi Esempi di MERGE BigQuery e Esempi di MERGE Netezza.

Sintassi DDL

Questa sezione confronta la sintassi DDL di Netezza e BigQuery.

CREATE TABLE estratto conto

Netezza BigQuery Descrizione
TEMP
TEMPORARY 		Grazie al supporto DDL di BigQuery, puoi creare una tabella dai risultati di una query e specificarne la scadenza al momento della creazione. Ad esempio, per tre giorni:

CREATE TABLE 'my-project.public_dump.vtemp'
OPTIONS(
expiration_timestamp=TIMESTAMP_ADD(CURRENT_TIMESTAMP(),
INTERVAL 3 DAY))		 Crea tabelle temporanee per una sessione.
ZONE MAPS Non supportati. Ricerca rapida della condizione WHERE.
DISTRIBUTE ON PARTITION BY Partizionamento. Questa non è una traduzione diretta. DISTRIBUTE ON condivide i dati tra i nodi, di solito con una chiave univoca per una distribuzione uniforme, mentre PARTITION BY suddivide i dati in segmenti.
ORGANIZE ON CLUSTER BY Sia Netezza che BigQuery supportano fino a quattro chiavi per il clustering. Le tabelle di base in cluster Netezza (CBT) forniscono la stessa precedenza a ciascuna delle colonne di clustering. BigQuery dà la precedenza alla prima colonna su cui è raggruppata la tabella, seguita dalla seconda colonna e così via.
ROW SECURITY Authorized View Sicurezza a livello di riga.
CONSTRAINT Non supportata Controlla i vincoli.

DROP estratto conto

Netezza BigQuery Descrizione
DROP TABLE DROP TABLE
DROP DATABASE DROP DATABASE
DROP VIEW DROP VIEW

Opzioni e attributi delle colonne

Netezza BigQuery Descrizione
NULL
NOT NULL 		NULLABLE
REQUIRED 		Specifica se la colonna può contenere valori NULL.
REFERENCES Non supportata Specifica il vincolo della colonna.
UNIQUE Non supportata Ogni valore nella colonna deve essere univoco.
DEFAULT Non supportata Valore predefinito per tutti i valori nella colonna.

Tabelle temporanee

Netezza supporta le tabelle TEMPORARY che esistono per la durata di una sessione.

Per creare una tabella temporanea in BigQuery:

  1. Crea un set di dati con una durata breve (ad esempio 12 ore).

  2. Crea la tabella temporanea nel set di dati con il prefisso del nome della tabella temp. Ad esempio, per creare una tabella che scade dopo un'ora, procedi nel seguente modo:

    CREATE TABLE temp.name (col1, col2, ...)
OPTIONS(expiration_timestamp = TIMESTAMP_ADD(CURRENT_TIMESTAMP(),
INTERVAL 1 HOUR));

  3. Inizia a leggere e scrivere dalla tabella temporanea.

Puoi anche rimuovere i duplicati in modo indipendente per trovare errori nei sistemi downstream.

Tieni presente che BigQuery non supporta le colonne DEFAULT e IDENTITY (sequenze).

Istruzioni SQL procedurali

Netezza utilizza il linguaggio di scripting NZPLSQL per lavorare con le stored procedure. NZPLSQL si basa sul linguaggio PL/pgSQL di Postgres. Questa sezione descrive come convertire le istruzioni SQL procedurali utilizzate in stored procedure, funzioni e trigger da Netezza a BigQuery.

CREATE PROCEDURE estratto conto

Netezza e BigQuery supportano entrambi la creazione di stored procedure utilizzando l'istruzione CREATE PROCEDURE. Per saperne di più, consulta Utilizzare le stored procedure SQL.

Dichiarazione e assegnazione di variabili

Netezza BigQuery Descrizione
DECLARE var datatype(len) [DEFAULT value]; DECLARE Dichiara la variabile.
SET var = value; SET Assegna un valore alla variabile.

Gestori delle eccezioni

Netezza supporta i gestori di eccezioni che possono essere attivati per determinate condizioni di errore. BigQuery non supporta i gestori di condizioni.

Netezza BigQuery Descrizione
EXCEPTION Non supportata Dichiara il gestore delle eccezioni SQL per gli errori generali.

Istruzioni SQL dinamiche

Netezza supporta le query SQL dinamiche all'interno delle stored procedure. BigQuery non supporta le istruzioni SQL dinamiche.

Netezza BigQuery Descrizione
EXECUTE IMMEDIATE sql_str; EXECUTE IMMEDIATE sql_str; Esegui SQL dinamico.

Istruzioni di flusso di controllo

Netezza BigQuery Descrizione
IF THEN ELSE STATEMENT
IF condition
THEN ...
ELSE ...
END IF;		 IF condition
THEN ...
ELSE ...
END IF; 		Esegui in modo condizionale.
Iterative Control
FOR var AS SELECT ...
DO stmts END FOR;
FOR var AS cur CURSOR
FOR SELECT ...
DO stmts END FOR;		 Non supportata Itera su una raccolta di righe.
Controllo iterativo
LOOP stmts END LOOP;		 LOOP
sql_statement_list END LOOP;		 Blocco del ciclo di istruzioni.
EXIT WHEN BREAK Esci da una procedura.
WHILE *condition* LOOP WHILE condition
DO ...
END WHILE		 Esegui un ciclo di istruzioni finché una condizione while non viene soddisfatta.

Altre dichiarazioni ed elementi del linguaggio procedurale

Netezza BigQuery Descrizione
CALL proc(param,...) Non supportata Eseguire una procedura.
EXEC proc(param,...) Non supportata Eseguire una procedura.
EXECUTE proc(param,...) Non supportata Eseguire una procedura.

Istruzioni SQL su più righe e con più istruzioni

Sia Netezza che BigQuery supportano le transazioni (sessioni) e quindi supportano le istruzioni separate da punti e virgola che vengono eseguite in modo coerente insieme. Per maggiori informazioni, consulta la sezione Transazioni con più estratti conto.

Altre istruzioni SQL

Netezza BigQuery Descrizione
GENERATE STATISTICS Genera statistiche per tutte le tabelle del database corrente.
GENERATE STATISTICS ON table_name Genera statistiche per una tabella specifica.
GENERATE STATISTICS ON table_name(col1,col4) Utilizza le funzioni statistiche come MIN, MAX, AVG, e così via, utilizza la UI o l'API Cloud Data Loss Prevention. Genera statistiche per colonne specifiche di una tabella.
GENERATE STATISTICS ON table_name APPROX_COUNT_DISTINCT(col) Mostra il numero di valori univoci per le colonne.
INSERT INTO table_name INSERT INTO table_name Inserisci una riga.
LOCK TABLE table_name FOR EXCLUSIVE; Non supportata Blocca riga.
SET SESSION CHARACTERISTICS AS TRANSACTION ISOLATION LEVEL ... BigQuery utilizza sempre l'isolamento dello snapshot. Per maggiori dettagli, vedi Garanzie di coerenza e isolamento delle transazioni. Definisci il livello di isolamento della transazione.
BEGIN TRANSACTION
END TRANSACTION
COMMIT
 BigQuery utilizza sempre l'isolamento dello snapshot. Per maggiori dettagli, vedi Garanzie di coerenza e isolamento delle transazioni. Definisci il confine della transazione per le richieste multi-istruzione.
EXPLAIN ... Non supportati. Funzionalità simili nel piano e nella sequenza temporale della query Mostra il piano di query per un'istruzione SELECT.
Viste utente metadati
Metadati delle viste di sistema 		SELECT
* EXCEPT(is_typed)
FROM
mydataset.INFORMATION_SCHEMA.TABLES;

BigQuery Information Schema		 Esegui query sugli oggetti nel database

Garanzie di coerenza e isolamento delle transazioni

Sia Netezza che BigQuery sono atomici, ovvero conformi ad ACID a livello di mutazione in molte righe. Ad esempio, un'operazione MERGE è completamente atomica, anche con più valori inseriti.

Transazioni

Netezza accetta sintatticamente tutte e quattro le modalità di isolamento delle transazioni ANSI SQL. Tuttavia, indipendentemente dalla modalità specificata, viene utilizzata solo la modalità SERIALIZABLE, che offre il massimo livello di coerenza possibile. Questa modalità evita anche letture sporche, non ripetibili e fantasma tra transazioni simultanee. Netezza non utilizza il blocco convenzionale per garantire la coerenza. Al contrario, utilizza il controllo delle dipendenze di serializzazione, una forma di controllo della contemporaneità ottimistico per eseguire automaticamente il rollback dell'ultima transazione quando due transazioni tentano di modificare gli stessi dati.

BigQuery supporta anche le transazioni. BigQuery contribuisce a garantire controllo della contemporaneità ottimistico (la priorità è data al primo commit) con l'isolamento degli 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 riga, per mutazione e tra le righe all'interno della stessa istruzione DML, evitando al contempo i deadlock. In caso di più aggiornamenti DML sulla stessa tabella, BigQuery passa al controllo della concorrenza pessimistico. I job di caricamento possono essere eseguiti in modo completamente indipendente e aggiunti alle tabelle.

Esegui il rollback

Netezza supporta l'istruzione ROLLBACK per interrompere la transazione corrente e rollback tutte le modifiche apportate alla transazione.

In BigQuery, puoi utilizzare l'istruzione ROLLBACK TRANSACTION.

Limiti per i database

Limite Netezza BigQuery
Tabelle per database 32.000 Senza restrizioni
Colonne per tabella 1600 10000
Dimensione massima della riga 64 kB 100 MB
Lunghezza del nome di colonna e tabella 128 byte 16.384 caratteri Unicode
Righe per tabella Illimitato Illimitato
Lunghezza massima della richiesta SQL 1 MB (dimensione massima della query SQL standard non risolta).

12 MB (dimensione massima della query SQL legacy e standard risolta).

Streaming:
10 MB (limite di dimensione della richiesta HTTP)
10.000 (righe massime per richiesta)
Dimensioni massime di richiesta e risposta 10 MB (richiesta) e 10 GB (risposta) o virtualmente illimitato se utilizzi la paginazione o l'API Cloud Storage.
Numero massimo di sessioni simultanee 63 transazioni di lettura/scrittura simultanee. 2000 connessioni simultanee al server. 100 query simultanee (possono essere aumentate con la riserva di slot), 300 richieste API simultanee per utente.

Passaggi successivi