IBM Netezza SQL 转换指南

IBM Netezza 数据仓储旨在与 Netezza 专属 SQL 语法协同工作。Netezza SQL 基于 Postgres 7.2。由于各种 SQL 方言有所不同，因此，如果不进行修改，则为 Netezza 编写的 SQL 脚本无法在 BigQuery 数据仓库中使用。

本文档详细介绍了 Netezza 与 BigQuery 在 SQL 语法的以下方面的异同：

数据类型
SQL 语言元素
查询语法
数据操纵语言 (DML)
数据定义语言 (DDL)
存储过程
函数

您还可以使用批量 SQL 转换来批量迁移 SQL 脚本，或使用交互式 SQL 转换来转换临时查询。两个预览版的工具都支持 IBM Netezza SQL/NZPLSQL。

数据类型

Netezza	BigQuery	备注
`INTEGER/INT/INT4`	`INT64`
`SMALLINT/INT2`	`INT64`
`BYTEINT/INT1`	`INT64`
`BIGINT/INT8`	`INT64`
`DECIMAL`	`NUMERIC`	Netezza 中的 `DECIMAL` 数据类型是 `NUMERIC` 数据类型的别名。
`NUMERIC`	`NUMERIC` `INT64`
`NUMERIC(p,s)`	`NUMERIC`	与 Netezza 不同，BigQuery 中的 `NUMERIC` 类型不强制执行自定义数字位数或范围边界（限制条件）。BigQuery 的小数点后固定了 9 位数字，而 Netezza 则允许自定义设置。在 Netezza 中，精度 `p` 可为 1 到 38，范围 `s` 可为 0 到精度。
`FLOAT(p)`	`FLOAT64`
`REAL/FLOAT(6)`	`FLOAT64`
`DOUBLE PRECISION/FLOAT(14)`	`FLOAT64`
`CHAR/CHARACTER`	`STRING`	BigQuery 中的 `STRING` 类型是可变长度的，不需要手动设置最大字符长度，而 Netezza `CHARACTER` 和 `VARCHAR` 类型需要。`CHAR(n)` 中的 `n` 的默认值为 1。字符串大小上限为 64,000。
`VARCHAR`	`STRING`	BigQuery 中的 `STRING` 类型是可变长度的，不需要手动设置最大字符长度，而 Netezza `CHARACTER` 和 `VARCHAR` 类型需要。字符串大小上限为 64,000。
`NCHAR`	`STRING`	BigQuery 中的 `STRING` 类型存储为 UTF-8 编码的可变长度 Unicode。最大长度为 16,000 个字符。
`NVARCHAR`	`STRING`	BigQuery 中的 `STRING` 类型存储为 UTF-8 编码的可变长度 Unicode。最大长度为 16,000 个字符。
`VARBINARY`	`BYTES`
`ST_GEOMETRY`	`GEOGRAPHY`
`BOOLEAN/BOOL`	`BOOL`	BigQuery 中的 `BOOL` 类型只能接受 `TRUE/FALSE`，而 Netezza 中的 `BOOL` 类型可以接受各种值，例如 `0/1`、`yes/no`、`true/false,`、`on/off`。
`DATE`	`DATE`
`TIME`	`TIME`
`TIMETZ/TIME WITH TIME ZONE`	`TIME`	Netezza 以 UTC 形式存储 `TIME` 数据类型，允许您使用 `WITH TIME ZONE` 语法传递 UTC 的偏移量。BigQuery 中的 `TIME` 数据类型表示独立于任何日期或时区的时间。
`TIMESTAMP`	`DATETIME`	Netezza `TIMESTAMP` 类型不包含时区，与 BigQuery `DATETIME` 类型相同。
	`ARRAY`	Netezza 中没有数组数据类型。数组类型存储在 varchar 字段中。

时间戳和日期类型格式

如需详细了解 Netezza SQL 使用的日期类型格式，请参阅 Netezza 日期时间模板模式文档。如需详细了解日期时间函数，请参阅 Netezza 日期/时间函数文档。

在将日期类型格式元素从 Netezza 转换为 GoogleSQL 时，您必须特别注意 TIMESTAMP 和 DATETIME 之间的时区差异，如下表所述：

Netezza	BigQuery
`CURRENT_TIMESTAMP` `CURRENT_TIME` `TIME` Netezza 中的信息可以具有不同的时区信息（使用 `WITH TIME ZONE` 语法定义）。	如果可能，请使用格式正确的 `CURRENT_TIMESTAMP` 函数。但是，输出格式并不总是显示世界协调时间 (UTC) 时区（在内部，BigQuery 没有时区）。bp 命令行工具和 Google Cloud 控制台中的 `DATETIME` 对象根据 RFC 3339 使用 `T` 作为分隔符。但在 Python 和 Java JDBC 中，使用空格作为分隔符。使用显式的 `FORMAT_DATETIME` 函数正确定义日期格式。否则，系统会显式转换为字符串，例如： `CAST(CURRENT_DATETIME() AS STRING)` 这也会返回空格分隔符。
`CURRENT_DATE`	`CURRENT_DATE`
`CURRENT_DATE-3`	BigQuery 不支持算术数据运算。请改用 `DATE_ADD` 函数。

`SELECT` 语句

通常情况下，Netezza SELECT 语句与 BigQuery 兼容。下表列出了例外情况：

Netezza BigQuery

Netezza	BigQuery
没有 `FROM` 子句的 `SELECT` 语句	支持特殊情况，例如： `SELECT 1 UNION ALL SELECT 2;`
SELECT (subquery) AS flag, CASE WHEN flag = 1 THEN ...	在 BigQuery 中，列无法引用在同一查询中定义的其他列的输出。您必须复制逻辑或将逻辑移至嵌套查询中。选项 1 SELECT (subquery) AS flag, CASE WHEN (subquery) = 1 THEN ... 选项 2 SELECT q.*, CASE WHEN flag = 1 THEN ... FROM ( SELECT (subquery) AS flag, ... ) AS q

没有 FROM 子句的 SELECT 语句

支持特殊情况，例如：

SELECT 1 UNION ALL SELECT 2;


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

在 BigQuery 中，列无法引用在同一查询中定义的其他列的输出。您必须复制逻辑或将逻辑移至嵌套查询中。

选项 1


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

选项 2


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

比较运算符

Netezza	BigQuery	说明
`exp = exp2`	`exp = exp2`	等于
`exp <= exp2`	`exp <= exp2`	小于或等于
`exp < exp2`	`exp < exp2`	小于
`exp <> exp2` `exp != exp2`	`exp <> exp2` `exp != exp2`	不等于
`exp >= exp2`	`exp >= exp2`	大于或等于
`exp > exp2`	`exp > exp2`	大于

内置 SQL 函数

Netezza	BigQuery	说明
`CURRENT_DATE`	`CURRENT_DATE`	获取当前日期（年、月、日）。
`CURRENT_TIME`	`CURRENT_TIME`	获取含小数的当前时间。
`CURRENT_TIMESTAMP`	`CURRENT_TIMESTAMP`	获取当前系统日期和时间，精确到秒。
`NOW`	`CURRENT_TIMESTAMP`	获取当前系统日期和时间，精确到秒。
`COALESCE(exp, 0)`	`COALESCE(exp, 0)`	将 `NULL` 替换为零。
`NVL(exp, 0)`	`IFNULL(exp, 0)`	将 `NULL` 替换为零。
`EXTRACT(DOY FROM timestamp_expression)`	`EXTRACT(DAYOFYEAR FROM timestamp_expression)`	返回从年初开始的天数。
`ADD_MONTHS(date_expr, num_expr)`	`DATE_ADD(date, INTERVAL k MONTH)`	向日期添加月份。
`DURATION_ADD(date, k)`	`DATE_ADD(date, INTERVAL k DAY)`	对日期执行加法。
`DURATION_SUBTRACT(date, k)`	`DATE_SUB(date, INTERVAL k DAY)`	对日期执行减法。
`str1 \|\| str2`	`CONCAT(str1, str2)`	串联字符串。

函数

本部分比较 Netezza 和 BigQuery 函数。

聚合函数

Netezza	BigQuery
	`ANY_VALUE`
	`APPROX_COUNT_DISTINCT`
	`APPROX_QUANTILES`
	`APPROX_TOP_COUNT`
	`APPROX_TOP_SUM`
`AVG`	`AVG`
`intNand`	`BIT_AND`
`intNnot`	按位非运算符：`~`
`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`

分析函数

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`	按位非运算符：`~`
`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`

日期和时间函数

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`

字符串函数

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`

数学函数

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)`

DML 语法

本部分比较 Netezza 和 BigQuery DML 语法。

`INSERT` 语句

Netezza BigQuery

Netezza	BigQuery
INSERT INTO table VALUES (...);	INSERT INTO table (...) VALUES (...); Netezza 为列提供了 `DEFAULT` 关键字和其他限制条件。在 BigQuery 中，只有在指定了所有列的情况下，省略 `INSERT` 语句中的列名称才有效。
INSERT INTO table (...) VALUES (...); INSERT INTO table (...) VALUES (...);	INSERT INTO table VALUES (), (); BigQuery 设有 DML 配额，用于限制您每天可以执行的 DML 语句数量。要充分利用您的配额，请考虑采用以下方法：将多行合并为一个 `INSERT` 语句，而不是每个 `INSERT` 语句占一行。使用 `MERGE` 语句组合多个 DML 语句（包括 `INSERT` 语句）。使用 `CREATE TABLE ... AS SELECT` 语句创建和填充新表。


INSERT INTO table VALUES (...);


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

Netezza 为列提供了 DEFAULT 关键字和其他限制条件。在 BigQuery 中，只有在指定了所有列的情况下，省略 INSERT 语句中的列名称才有效。


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


INSERT INTO table VALUES (), ();

BigQuery 设有 DML 配额，用于限制您每天可以执行的 DML 语句数量。要充分利用您的配额，请考虑采用以下方法：

将多行合并为一个 INSERT 语句，而不是每个 INSERT 语句占一行。

使用 MERGE 语句组合多个 DML 语句（包括 INSERT 语句）。

使用 CREATE TABLE ... AS SELECT 语句创建和填充新表。

BigQuery 中 DML 脚本的一致性语义与 Netezza 中的等效语句略有不同。另请注意，除了 NOT NULL 之外，BigQuery 不提供限制条件。

如需简要了解快照隔离以及会话和事务处理，请参阅一致性保证和事务隔离。

`UPDATE` 语句

在 Netezza 中，WHERE 子句是可选的，但在 BigQuery 中是必需的。

Netezza BigQuery

Netezza	BigQuery
UPDATE tbl SET tbl.col1=val1;	在没有 `WHERE` 子句的情况下不受支持。使用 `WHERE true` 子句更新所有行。
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;


UPDATE tbl
SET
tbl.col1=val1;

在没有 WHERE 子句的情况下不受支持。使用 WHERE true 子句更新所有行。


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;

如需查看示例，请参阅 UPDATE 示例。

鉴于 DML 配额，我们建议您使用较大的 MERGE 语句，而不是多个单独的 UPDATE 和 INSERT 语句。BigQuery 中 DML 脚本的一致性语义与 Netezza 中的等效语句略有不同。如需简要了解快照隔离以及会话和事务处理，请参阅一致性保证和事务隔离。

`DELETE` 和 `TRUNCATE` 语句

DELETE 和 TRUNCATE 语句都是在不影响表架构或索引的情况下从表中移除行的方法。TRUNCATE 语句与 DELETE 语句具有相同的效果，但对于大型表，比 DELETE 语句快得多。Netezza 支持 TRUNCATE 语句，但 BigQuery 不支持。但是，您可以在 Netezza 和 BigQuery 中使用 DELETE 语句。

在 BigQuery 中，DELETE 语句必须具有 WHERE 子句。在 Netezza 中，WHERE 子句是可选的。如果未指定 WHERE 子句，则 Netezza 表中的所有行都会被删除。

Netezza BigQuery 说明

Netezza	BigQuery	说明
BEGIN; LOCK TABLE A IN EXCLUSIVE MODE; DELETE FROM A; INSERT INTO A SELECT * FROM B; COMMIT;	使用查询输出替换表的内容相当于事务。您可以使用 `query` 或复制 (`cp`) 操作执行此操作。 bq query \ --replace \ --destination_table \ tableA \ 'SELECT * \ FROM tableB \ WHERE ...' bq cp \ -f tableA tableB	将表的内容替换为查询结果。
DELETE FROM database.table	DELETE FROM table WHERE TRUE;	在 Netezza 中，运行 delete 语句时，行并不会被物理删除，而只是标记为删除。之后运行 `GROOM TABLE` 或 `nzreclaim` 命令会移除标记为删除的行并收回相应的磁盘空间。
`GROOM TABLE`		Netezza 使用 `GROOM TABLE` 命令移除标记为删除的行，从而收回磁盘空间。


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

使用查询输出替换表的内容相当于事务。您可以使用 query 或复制 (cp) 操作执行此操作。


bq query \

--replace \

--destination_table \

tableA \

'SELECT * \

FROM tableB \

WHERE ...'


bq cp \

-f tableA tableB

将表的内容替换为查询结果。


DELETE FROM database.table


DELETE FROM table WHERE TRUE;

在 Netezza 中，运行 delete 语句时，行并不会被物理删除，而只是标记为删除。之后运行 GROOM TABLE 或 nzreclaim 命令会移除标记为删除的行并收回相应的磁盘空间。

GROOM TABLE Netezza 使用 GROOM TABLE 命令移除标记为删除的行，从而收回磁盘空间。

`MERGE` 语句

对应每个目标行，MERGE 语句最多只能匹配一个源行。BigQuery 中 DML 脚本的一致性语义与 Netezza 中的等效语句略有不同。如需简要了解快照隔离以及会话和事务处理，请参阅一致性保证和事务隔离。如需查看示例，请参阅 BigQuery MERGE 示例和 Netezza MERGE 示例。

DDL 语法

本部分比较 Netezza 和 BigQuery DDL 语法。

`CREATE TABLE` 语句

Netezza	BigQuery	说明
`TEMP` `TEMPORARY`	BigQuery 的 DDL 支持使您可以根据查询结果创建表，并在创建时指定其有效期。例如，三天： `CREATE TABLE` `'fh-bigquery.public_dump.vtemp'` `OPTIONS`( `expiration_timestamp=TIMESTAMP_ADD(CURRENT_TIMESTAMP(),` `INTERVAL 3 DAY))`	创建会话的临时表。
`ZONE MAPS`	不支持。	快速搜索 `WHERE` 条件。
`DISTRIBUTE ON`	`PARTITION BY`	分区。这不是直接转换。`DISTRIBUTE ON` 在节点之间共享数据（通常使用唯一键进行均匀分布），而 `PARTITION BY` 会将数据精简为多个片段。
`ORGANIZE ON`	`CLUSTER BY`	Netezza 和 BigQuery 都最多支持四个键的聚簇。Netezza 聚簇基表 (CBT) 为每个聚簇列提供相同的优先级。在 BigQuery 中，表在其上进行聚簇的第一列优先，然后是第二列，以此类推。
`ROW SECURITY`	`Authorized View`	行级安全性。
`CONSTRAINT`	不支持	检查限制条件。

`DROP` 语句

Netezza	BigQuery	说明
`DROP TABLE`	`DROP TABLE`
`DROP DATABASE`	`DROP DATABASE`
`DROP VIEW`	`DROP VIEW`

列选项和特性

Netezza	BigQuery	说明
`NULL` `NOT NULL`	`NULLABLE` `REQUIRED`	指定是否允许列包含 `NULL` 值。
`REFERENCES`	不支持	指定列限制条件。
`UNIQUE`	不支持	列中的每个值必须是唯一的。
`DEFAULT`	不支持	列中的所有值为默认值。

临时表

Netezza 支持在会话期间存在的 TEMPORARY 表。

如需在 BigQuery 中构建临时表，请执行以下操作：

创建一个存留时间较短的数据集（例如 12 小时）。
在数据集中创建临时表，表名称前缀为 temp。例如，如需创建在一小时后到期的表，请执行以下命令：
```
CREATE TABLE temp.name (col1, col2, ...)
OPTIONS(expiration_timestamp = TIMESTAMP_ADD(CURRENT_TIMESTAMP(),
INTERVAL 1 HOUR));
```
开始读取和写入临时表。

您还可以单独移除重复项，以发现下游系统中的错误。

请注意，BigQuery 不支持 DEFAULT 和 IDENTITY（序列）列。

过程 SQL 语句

Netezza 使用 NZPLSQL 脚本语言来处理存储过程。NZPLSQL 基于 Postgres 的 PL/pgSQL 语言。本部分介绍如何将存储过程、函数和触发器中使用的过程 SQL 语句从 Netezza 转换为 BigQuery。

`CREATE PROCEDURE` 语句

Netezza 和 BigQuery 都支持使用 CREATE PROCEDURE 语句创建存储过程。如需了解详情，请参阅使用 SQL 存储过程。

变量声明和赋值

Netezza	BigQuery	说明
`DECLARE var datatype(len) [DEFAULT value];`	`DECLARE`	声明变量。
`SET var = value;`	`SET`	为变量分配值。

异常处理程序

Netezza 支持可针对某些错误条件触发的异常处理程序。BigQuery 不支持条件处理程序。

Netezza	BigQuery	说明
`EXCEPTION`	不支持	声明用于一般错误的 SQL 异常处理程序。

动态 SQL 语句

Netezza 支持在存储过程中使用动态 SQL 查询。BigQuery 不支持动态 SQL 语句。

Netezza	BigQuery	说明
`EXECUTE IMMEDIATE` `sql_str;`	`EXECUTE IMMEDIATE` `sql_str;`	执行动态 SQL。

控制流语句

Netezza	BigQuery	说明
`IF THEN ELSE STATEMENT` `IF` condition `THEN ...` `ELSE ...` `END IF;`	`IF` condition `THEN ...` `ELSE ...` `END IF;`	有条件地执行。
迭代控制 `FOR var AS SELECT ...` `DO` stmts `END FOR;` `FOR var AS cur CURSOR` `FOR SELECT ...` `DO stmts END FOR;`	不支持	在一系列行上迭代。
迭代控制 `LOOP stmts END LOOP;`	`LOOP` `sql_statement_list END LOOP;`	循环执行语句块。
`EXIT WHEN`	`BREAK`	退出过程。
`WHILE condition LOOP`	`WHILE` condition `DO ...` `END WHILE`	执行语句循环，直至某个条件失败。

其他语句和过程语言元素

Netezza	BigQuery	说明
`CALL` `proc(param,...)`	不支持	执行过程。
`EXEC` `proc(param,...)`	不支持	执行过程。
`EXECUTE` `proc(param,...)`	不支持	执行过程。

多语句和多行 SQL 语句

Netezza 和 BigQuery 都支持事务（会话），因此支持用分号分隔并始终一起执行的语句。如需了解详情，请参阅多语句事务。

其他 SQL 语句

Netezza	BigQuery	说明
`GENERATE STATISTICS`		为当前数据库中的所有表生成统计信息。
`GENERATE STATISTICS ON table_name`		为特定表生成统计信息。
`GENERATE STATISTICS ON table_name(col1,col4)`	使用统计函数（如 `MIN, MAX, AVG,` 等）、使用界面或使用 Cloud Data Loss Prevention API。	为表中的特定列生成统计信息。
`GENERATE STATISTICS ON table_name`	`APPROX_COUNT_DISTINCT(col)`	显示列的唯一值的数量。
`INSERT INTO table_name`	`INSERT INTO table_name`	插入一行。
`LOCK TABLE` `table_name FOR` `EXCLUSIVE;`	不支持	锁定行。
`SET SESSION` `CHARACTERISTICS AS` `TRANSACTION ISOLATION LEVEL` ...	BigQuery 始终使用快照隔离。如需了解详情，请参阅一致性保证和事务隔离。	定义事务隔离级别。
`BEGIN TRANSACTION` `END TRANSACTION` `COMMIT`	BigQuery 始终使用快照隔离。如需了解详情，请参阅一致性保证和事务隔离。	定义多语句请求的事务边界。
`EXPLAIN` ...	不支持。查询计划和时间轴中提供类似功能	显示 `SELECT` 语句的查询计划。
用户视图元数据系统视图元数据	`SELECT` `* EXCEPT(is_typed)` `FROM` `mydataset.INFORMATION_SCHEMA.TABLES;` BigQuery 信息架构	查询数据库中的对象

一致性保证和事务隔离

Netezza 和 BigQuery 都是原子性的，也就是说，跨多行的每个变更都符合 ACID。例如，即使插入了多个值，MERGE 操作也是完全原子化的。

事务

Netezza 在语法上接受 ANSI SQL 事务隔离的所有四种模式。但是，无论指定哪种模式，系统只会使用 SERIALIZABLE 模式，它可提供尽可能高的一致性级别。此模式还可避免并发事务之间的脏读、不可重复读和幻读。Netezza 不使用传统锁定来实现一致性。当两个事务尝试修改相同数据时，它使用序列化依赖检查（一种乐观并发控制）来自动回滚最新事务。

BigQuery 也支持事务。BigQuery 使用快照隔离帮助确保乐观并发控制（首先提交优先），其中查询在查询开始之前读取最后提交的数据。此方法可保证每行的每个变更和同一 DML 语句中的各行具有相同的一致性级别，同时避免死锁。如果对同一个表进行了多个 DML 更新，BigQuery 会切换为悲观并发控制。加载作业可以完全独立运行并附加到表。

回滚

Netezza 支持 ROLLBACK 语句以中止当前事务并回滚在该事务中进行的所有更改。

在 BigQuery 中，您可以使用 ROLLBACK TRANSACTION 语句。

数据库限制

限额	Netezza	BigQuery
每个数据库的表数	32,000	无限制
每个表的列数	1600	10000
行大小上限	64 KB	100 MB
列名称和表名称的长度	128 字节	16,384 个 Unicode 字符
每个表的行数	无限制	无限制
SQL 请求长度上限		1 MB（未解析标准 SQL 查询长度上限）。 12 MB（已解析旧版和标准 SQL 查询长度上限）。流式插入： 10 MB（HTTP 请求大小限制） 10,000（每个请求的行数上限）
请求和响应大小上限		10 MB（请求）和 10 GB（响应），如果您使用分页或 Cloud Storage API，则几乎没有限制。
并发会话数量上限	63 个并发读写事务。2000 个与服务器的并发连接。	100 个并发查询（可通过槽预留提高），每位用户 300 次并发 API 请求。

后续步骤

查看从 IBM Netezza 迁移到 BigQuery 的分步说明。

IBM Netezza SQL 转换指南

数据类型

时间戳和日期类型格式

SELECT 语句

比较运算符

内置 SQL 函数

函数

聚合函数

分析函数

日期和时间函数

字符串函数

数学函数

DML 语法

INSERT 语句

UPDATE 语句

DELETE 和 TRUNCATE 语句

MERGE 语句

DDL 语法

CREATE TABLE 语句

DROP 语句

列选项和特性

临时表

过程 SQL 语句

CREATE PROCEDURE 语句

变量声明和赋值

异常处理程序

动态 SQL 语句

控制流语句

其他语句和过程语言元素

多语句和多行 SQL 语句

其他 SQL 语句

一致性保证和事务隔离

事务

回滚

数据库限制

后续步骤

`SELECT` 语句

`INSERT` 语句

`UPDATE` 语句

`DELETE` 和 `TRUNCATE` 语句

`MERGE` 语句

`CREATE TABLE` 语句

`DROP` 语句

`CREATE PROCEDURE` 语句