Guida alla traduzione SQL di Amazon Redshift

Questo documento descrive le analogie e le differenze nella sintassi SQL tra Amazon Redshift e BigQuery per aiutarti a pianificare la migrazione. Utilizza la traduzione SQL in gruppo per eseguire la migrazione collettiva degli script SQL oppure la traduzione SQL interattiva per tradurre le query ad hoc.

Il pubblico di destinazione di questa guida è costituito da enterprise architect, amministratori di database, sviluppatori di applicazioni e specialisti della sicurezza informatica. Presuppone che tu abbia familiarità con Amazon Redshift.

Tipi di dati

Questa sezione mostra gli equivalenti tra i tipi di dati in Amazon Redshift e in BigQuery.

Amazon Redshift BigQuery Notes
Tipo di dati Alias Tipo di dati
SMALLINT INT2 INT64 Il valore SMALLINT di Amazon Redshift è di 2 byte, mentre il valore INT64 di BigQuery è di 8 byte.
INTEGER

INT, INT4

 INT64 Il valore INTEGER di Amazon Redshift è di 4 byte, mentre il valore INT64 di BigQuery è di 8 byte.
BIGINT INT8 INT64 I valori BIGINT di Amazon Redshift e INT64 di BigQuery sono entrambi a 8 byte.
DECIMAL NUMERIC NUMERIC
REAL FLOAT4 FLOAT64 Il valore REAL di Amazon Redshift è di 4 byte, mentre il valore FLOAT64 di BigQuery è di 8 byte.
DOUBLE PRECISION

FLOAT8, FLOAT

 FLOAT64
BOOLEAN BOOL BOOL BOOLEAN di Amazon Redshift può utilizzare TRUE, t, true, y, yes e 1 come valori letterali validi per true. Il tipo di dati BOOL di BigQuery utilizza TRUE senza distinzione tra maiuscole e minuscole.
CHAR

CHARACTER, NCHAR, BPCHAR

STRING
VARCHAR

CHARACTER VARYING, NVARCHAR, TEXT

STRING
DATE DATE
TIMESTAMP TIMESTAMP WITHOUT TIME ZONE DATETIME
TIMESTAMPTZ

TIMESTAMP WITH TIME ZONE

TIMESTAMP Nota: in BigQuery, i fusi orari vengono utilizzati durante l'analisi dei timestamp o della formattazione dei timestamp per la visualizzazione. Un timestamp nel formato stringa potrebbe includere un fuso orario, ma quando BigQuery analizza la stringa lo memorizza nell'ora UTC equivalente. Quando un fuso orario non è specificato in modo esplicito, viene utilizzato il fuso orario predefinito, UTC. Sono supportati i nomi dei fusi orari o l'offset rispetto all'UTC utilizzando (-|+)HH:MM, mentre le abbreviazioni dei fusi orari, ad esempio PDT, non sono supportate.
GEOMETRY GEOGRAPHY Supporto per l'esecuzione di query sui dati geospaziali.

BigQuery include inoltre i seguenti tipi di dati che non hanno un analogico diretto di Amazon Redshift:

Tipi di conversione implicita

Quando esegui la migrazione a BigQuery, devi convertire la maggior parte delle conversioni implicite di Amazon Redshift in conversioni esplicite di BigQuery, ad eccezione dei seguenti tipi di dati, che vengono convertiti in modo implicito da BigQuery.

BigQuery esegue conversioni implicite per i seguenti tipi di dati:

Dal tipo BigQuery Al tipo di BigQuery

INT64

FLOAT64

INT64

NUMERIC

NUMERIC

FLOAT64

BigQuery esegue anche conversioni implicite per i seguenti valori letterali:

Dal tipo BigQuery Al tipo di BigQuery
STRING valore letterale
(ad es. "25/12/2008")

DATE

STRING valore letterale
(ad es. "2008-12-25 15:30:00")

TIMESTAMP

STRING valore letterale
(ad es. "2008-12-25T07:30:00")

DATETIME

STRING valore letterale
(ad es. "15:30:00")

TIME

Tipi di conversione esplicita

Puoi convertire tipi di dati di Amazon Redshift che BigQuery non converte implicitamente utilizzando la funzione CAST(expression AS type) di BigQuery o una qualsiasi delle funzioni di conversione di DATE e TIMESTAMP.

Quando esegui la migrazione delle query, modifica tutte le occorrenze della funzione Amazon Redshift CONVERT(type, expression) (o la sintassi ::) nella funzione CAST(expression AS type) di BigQuery, come mostrato nella tabella nella sezione Funzioni di formattazione del tipo di dati.

Sintassi delle query

Questa sezione illustra le differenze nella sintassi delle query tra Amazon Redshift e BigQuery.

Istruzione SELECT

La maggior parte delle istruzioni SELECT di Amazon Redshift è compatibile con BigQuery. La seguente tabella contiene un elenco di differenze di minore entità.

Amazon Redshift BigQuery

SELECT TOP number expression
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

Nota: Redshift supporta la creazione e il riferimento a un alias nella stessa istruzione SELECT.

SELECT
x/total AS probability,
ROUND(100 * (x/total), 1) AS pct
FROM raw_data

BigQuery supporta anche le seguenti espressioni nelle istruzioni SELECT, che non hanno un equivalente Amazon Redshift:

Clausola FROM

Una clausola FROM in una query elenca i riferimenti nella tabella da cui vengono selezionati i dati. In Amazon Redshift, i possibili riferimenti alle tabelle includono tabelle, viste e sottoquery. Tutti questi riferimenti alle tabelle sono supportati in BigQuery.

È possibile fare riferimento alle tabelle BigQuery nella clausola FROM utilizzando quanto segue:

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

BigQuery supporta anche riferimenti aggiuntivi alle tabelle:

JOIN tipo

Sia Amazon Redshift che BigQuery supportano i seguenti tipi di join:

La tabella seguente contiene un elenco delle differenze minori.

Amazon Redshift BigQuery

SELECT col
FROM table1
NATURAL INNER JOIN
table2

SELECT col1
FROM table1
INNER JOIN
table2
USING (col1, col2 [, ...])


Nota: in BigQuery, le clausole JOIN richiedono una condizione JOIN, a meno che la clausola non sia un CROSS JOIN o una delle tabelle unite non sia un campo all'interno di un tipo di dati o di un array.

Clausola WITH

Una clausola BigQuery WITH contiene una o più sottoquery denominate che vengono eseguite quando un'istruzione SELECT successiva vi fa riferimento. Le clausole di Amazon Redshift WITH si comportano come quelle di BigQuery, con l'eccezione che puoi valutare la clausola una sola volta e riutilizzarne i risultati.

Operatori Set

Esistono alcune piccole differenze tra gli operatori dei set Amazon Redshift e gli operatori dei set BigQuery. Tuttavia, tutte le operazioni di set attuabili in Amazon Redshift sono replicabili in BigQuery.

Amazon Redshift BigQuery

SELECT * FROM table1
UNION
SELECT * FROM table2

SELECT * FROM table1
UNION DISTINCT
SELECT * FROM table2

Nota: BigQuery e Amazon Redshift supportano l'operatore UNION ALL.

SELECT * FROM table1
INTERSECT
SELECT * FROM table2

SELECT * FROM table1
INTERSECT DISTINCT
SELECT * FROM table2

SELECT * FROM table1
EXCEPT
SELECT * FROM table2

SELECT * FROM table1
EXCEPT DISTINCT
SELECT * FROM table2

SELECT * FROM table1
MINUS
SELECT * FROM table2

SELECT * FROM table1
EXCEPT DISTINCT
SELECT * FROM table2

SELECT * FROM table1
UNION
SELECT * FROM table2
EXCEPT
SELECT * FROM table3

SELECT * FROM table1
UNION ALL
(
SELECT * FROM table2
EXCEPT
SELECT * FROM table3
)


Nota: BigQuery richiede parentesi per separare le diverse operazioni dei set. Se lo stesso operatore di impostazione viene ripetuto, le parentesi non sono necessarie.

Clausola ORDER BY

Esistono alcune piccole differenze tra le clausole di Amazon Redshift ORDER BY e le clausole di BigQuery ORDER BY.

Amazon Redshift BigQuery
In Amazon Redshift, gli elementi NULL sono classificati all'ultimo per impostazione predefinita (ordine crescente). In BigQuery, gli elementi NULL sono classificati al primo per impostazione predefinita (ordine crescente).

SELECT *
FROM table
ORDER BY expression
LIMIT ALL

SELECT *
FROM table
ORDER BY expression



Nota: BigQuery non utilizza la sintassi LIMIT ALL, ma ORDER BY ordina tutte le righe per impostazione predefinita, ottenendo lo stesso comportamento della clausola LIMIT ALL di Amazon Redshift. Ti consigliamo vivamente di includere una clausola LIMIT in ogni clausola ORDER BY. L'ordinamento di tutte le righe dei risultati deteriora inutilmente le prestazioni di esecuzione della query.

SELECT *
FROM table
ORDER BY expression
OFFSET 10

SELECT *
FROM table
ORDER BY expression
LIMIT count OFFSET 10



Nota: in BigQuery, OFFSET deve essere utilizzato insieme a un LIMIT count. Assicurati di impostare il valore count INT64 sul valore minimo di righe ordinate necessarie. L'ordinamento di tutte le righe di risultati
riduce inutilmente le prestazioni di esecuzione della query.

Condizioni

La seguente tabella mostra le condizioni di Amazon Redshift, o i predicati, specifiche di Amazon Redshift e che devono essere convertite nell'equivalente BigQuery.

Amazon Redshift BigQuery

a = ANY (subquery)

a = SOME (subquery)

a IN subquery

a <> ALL (subquery)

a != ALL (subquery)

a NOT IN subquery

a IS UNKNOWN

expression ILIKE pattern

a IS NULL

LOWER(expression) LIKE LOWER(pattern)

expression LIKE pattern ESCAPE 'escape_char'

expression LIKE pattern


Nota: BigQuery non supporta i caratteri di escape personalizzati. Devi utilizzare due barre rovesciate \\ come caratteri di escape per BigQuery.

expression [NOT] SIMILAR TO pattern

IF(
LENGTH(
REGEXP_REPLACE(
expression,
pattern,
''
) = 0,
True,
False
)


Nota: se NOT è specificato, esegui il wrapping dell'espressione IF sopra in un'espressione NOT come mostrato di seguito:

NOT(
IF(
LENGTH(...
)

expression [!] ~ pattern

[NOT] REGEXP_CONTAINS(
expression,
regex
)

Funzioni

Le seguenti sezioni elencano le funzioni di Amazon Redshift e i relativi equivalenti BigQuery.

Funzioni di aggregazione

La seguente tabella mostra le mappature tra le funzioni di aggregazione comuni di Amazon Redshift, di aggregazione e di aggregazione approssimativa con i relativi equivalenti BigQuery.

Amazon Redshift BigQuery
APPROXIMATE COUNT(DISTINCT expression) APPROX_COUNT_DISTINCT(expression)
APPROXIMATE PERCENTILE_DISC(
percentile
) WITHIN GROUP (ORDER BY expression)		 APPROX_QUANTILES(expression, 100)
[OFFSET(CAST(TRUNC(percentile * 100) as INT64))]
AVG([DISTINCT] expression) AVG([DISTINCT] expression)
COUNT(expression) COUNT(expression)
LISTAGG(
[DISTINCT] aggregate_expression
[, delimiter] )
[WITHIN GROUP (ORDER BY order_list)] 		STRING_AGG(
[DISTINCT] aggregate_expression
[, delimiter]
[ORDER BY order_list] )
MAX(expression) MAX(expression)
MEDIAN(median_expression) PERCENTILE_CONT( median_expression, 0.5 ) OVER()
MIN(expression) MIN(expression)
PERCENTILE_CONT(
percentile
) WITHIN GROUP (ORDER BY expression)		 PERCENTILE_CONT(
median_expression,
percentile
) OVER()

Nota: non riguarda i casi d'uso dell'aggregazione.
STDDEV([DISTINCT] expression) STDDEV([DISTINCT] expression)
STDDEV_SAMP([DISTINCT] expression) STDDEV_SAMP([DISTINCT] expression)
STDDEV_POP([DISTINCT] expression) STDDEV_POP([DISTINCT] expression)
SUM([DISTINCT] expression) SUM([DISTINCT] expression)
VARIANCE([DISTINCT] expression) VARIANCE([DISTINCT] expression)
VAR_SAMP([DISTINCT] expression) VAR_SAMP([DISTINCT] expression)
VAR_POP([DISTINCT] expression) VAR_POP([DISTINCT] expression)

BigQuery offre inoltre le seguenti funzioni aggregate, dati aggregati e aggregazioni approssimative che non hanno un analogo diretto in Amazon Redshift:

Funzioni di aggregazione a livello di bit

La seguente tabella mostra le mappature tra le funzioni comuni di aggregazione di Amazon Redshift bit per bit con i relativi equivalenti BigQuery.

Amazon Redshift BigQuery
BIT_AND(expression) BIT_ADD(expression)
BIT_OR(expression) BIT_OR(expression)
BOOL_AND>(expression) LOGICAL_AND(expression)
BOOL_OR(expression) LOGICAL_OR(expression)

BigQuery offre anche la seguente funzione di aggregazione bit per bit, che non ha un analogo diretto in Amazon Redshift:

Funzioni finestra

La seguente tabella mostra le mappature tra le funzioni comuni delle finestre di Amazon Redshift e gli equivalenti BigQuery. Le funzioni di windowing in BigQuery includono funzioni aggregate analitiche, funzioni aggregate, funzioni di navigazione e funzioni di numerazione.


Amazon Redshift BigQuery
AVG(expression) OVER
(
[PARTITION BY expr_list]
[ORDER BY order_list frame_clause]
)		 AVG(expression) OVER
(
[PARTITION BY expr_list]
[ORDER BY order_list]
[frame_clause]
)
COUNT(expression) OVER
(
[PARTITION BY expr_list]
[ORDER BY order_list
frame_clause]
)		 COUNT(expression) OVER
(
[PARTITION BY expr_list]
[ORDER BY order_list]
[frame_clause]
)
CUME_DIST() OVER
(
[PARTITION BY partition_expression]
[ORDER BY order_list]
) 		CUME_DIST() OVER
(
[PARTITION BY partition_expression]
ORDER BY order_list
)
DENSE_RANK() OVER
(
[PARTITION BY expr_list]
[ORDER BY order_list]
) 		DENSE_RANK() OVER
(
[PARTITION BY expr_list]
ORDER BY order_list
)
FIRST_VALUE(expression) OVER
(
[PARTITION BY expr_list]
[ORDER BY order_list
frame_clause]
)		 FIRST_VALUE(expression) OVER
(
[PARTITION BY expr_list]
[ORDER BY order_list]
[frame_clause]
)
LAST_VALUE(expression) OVER
(
[PARTITION BY expr_list]
[ORDER BY order_list
frame_clause]
)		 LAST_VALUE(expression) OVER
(
[PARTITION BY expr_list]
[ORDER BY order_list
frame_clause]
)
LAG(value_expr [, offset]) OVER
(
[PARTITION BY window_partition]
ORDER BY window_ordering
) 		LAG(value_expr [, offset]) OVER
(
[PARTITION BY window_partition]
ORDER BY window_ordering
)
LEAD(value_expr [, offset]) OVER
(
[PARTITION BY window_partition]
ORDER BY window_ordering
) 		LEAD(value_expr [, offset]) OVER
(
[PARTITION BY window_partition]
ORDER BY window_ordering
)
LISTAGG(
[DISTINCT] expression
[, delimiter]
)
[WITHIN GROUP
(ORDER BY order_list)]
OVER (
[PARTITION BY partition_expression] )		 STRING_AGG(
[DISTINCT] aggregate_expression
[, delimiter] )
OVER (
[PARTITION BY partition_list]
[ORDER BY order_list] )
MAX(expression) OVER
(
[PARTITION BY expr_list]
[ORDER BY order_list
frame_clause]
)		 MAX(expression) OVER
(
[PARTITION BY expr_list]
[ORDER BY order_list]
[frame_clause]
)
MEDIAN(median_expression) OVER
(
[PARTITION BY partition_expression] ) 		PERCENTILE_CONT(
median_expression,
0.5
)
OVER ( [PARTITION BY partition_expression] )
MIN(expression) OVER
(
[PARTITION BY expr_list]
[ORDER BY order_list
frame_clause]
)		 MIN(expression) OVER
(
[PARTITION BY expr_list]
[ORDER BY order_list]
[frame_clause]
)
NTH_VALUE(expression, offset) OVER ( [PARTITION BY window_partition] [ORDER BY window_ordering frame_clause] ) NTH_VALUE(expression, offset) OVER
(
[PARTITION BY window_partition]
ORDER BY window_ordering
[frame_clause]
)
NTILE(expr) OVER
(
[PARTITION BY expression_list]
[ORDER BY order_list]
) 		NTILE(expr) OVER
(
[PARTITION BY expression_list]
ORDER BY order_list
)
PERCENT_RANK() OVER
(
[PARTITION BY partition_expression]
[ORDER BY order_list]
) 		PERCENT_RANK() OVER
(
[PARTITION BY partition_expression]
ORDER BY order_list
)
PERCENTILE_CONT(percentile)
WITHIN GROUP (ORDER BY expr) OVER
(
[PARTITION BY expr_list] ) 		PERCENTILE_CONT(expr, percentile) OVER
(
[PARTITION BY expr_list] )
PERCENTILE_DISC(percentile) WITHIN GROUP (ORDER BY expr) OVER
(
[PARTITION BY expr_list]
) 		PERCENTILE_DISC(expr, percentile) OVER
(
[PARTITION BY expr_list] )
RANK() OVER
(
[PARTITION BY expr_list]
[ORDER BY order_list]
)		 RANK() OVER
(
[PARTITION BY expr_list]
ORDER BY order_list
)
RATIO_TO_REPORT(ratio_expression) OVER
(
[PARTITION BY partition_expression] ) 		ratio_expression SUM(ratio_expression) OVER
(
[PARTITION BY partition_expression] )
ROW_NUMBER() OVER
(
[PARTITION BY expr_list]
[ORDER BY order_list]
) 		ROW_NUMBER() OVER
(
[PARTITION BY expr_list]
[ORDER BY order_list]
)
STDDEV(expression) OVER
(
[PARTITION BY expr_list]
[ORDER BY order_list
frame_clause]
)		 STDDEV(expression) OVER
(
[PARTITION BY expr_list]
[ORDER BY order_list]
[frame_clause] )
STDDEV_SAMP(expression) OVER
(
[PARTITION BY expr_list]
[ORDER BY order_list
frame_clause]
)		 STDDEV_SAMP(expression) OVER
(
[PARTITION BY expr_list]
[ORDER BY order_list]
[frame_clause]
)
STDDEV_POP(expression) OVER
(
[PARTITION BY expr_list]
[ORDER BY order_list]
[frame_clause]
) 		STDDEV_POP(expression) OVER
(
[PARTITION BY expr_list]
[ORDER BY order_list]
[frame_clause] )
SUM(expression) OVER
(
[PARTITION BY expr_list]
[ORDER BY order_list]
[frame_clause]
) 		SUM(expression) OVER
(
[PARTITION BY expr_list]
[ORDER BY order_list]
[frame_clause]
)
VAR_POP(expression) OVER
(
[PARTITION BY expr_list]
[ORDER BY order_list]
[frame_clause]
)		 VAR_POP(expression) OVER
(
[PARTITION BY expr_list]
[ORDER BY order_list]
[frame_clause]
)
VAR_SAMP(expression) OVER
(
[PARTITION BY expr_list]
[ORDER BY order_list]
[frame_clause]
) 		VAR_SAMP(expression) OVER
(
[PARTITION BY expr_list]
[ORDER BY order_list]
[frame_clause]
)
VARIANCE(expression) OVER
(
[PARTITION BY expr_list]
[ORDER BY order_list]
[frame_clause]
)		 VARIANCE(expression) OVER
(
[PARTITION BY expr_list]
[ORDER BY order_list]
[frame_clause]
)

Espressioni condizionali

La seguente tabella mostra le mappature tra le espressioni condizionali comuni di Amazon Redshift con i relativi equivalenti BigQuery.

Amazon Redshift BigQuery
CASEexpression
WHEN value THEN result
[WHEN...]
[ELSE else_result]
END		 CASE expression
WHEN value THEN result
[WHEN...]
[ELSE else_result]
END
COALESCE(expression1[, ...]) COALESCE(expression1[, ...])
DECODE(
expression,
search1, result1
[, search2, result2...]
[, default]
) 		CASE expression
WHEN value1 THEN result1
[WHEN value2 THEN result2]
[ELSE default]
END
GREATEST(value [, ...]) GREATEST(value [, ...])
LEAST(value [, ...]) LEAST(value [, ...])
NVL(expression1[, ...]) COALESCE(expression1[, ...])
NVL2(
expression,
not_null_return_value,
null_return_value
)		 IF(
expression IS NULL,
null_return_value,
not_null_return_value
)
NULLIF(expression1, expression2) NULLIF(expression1, expression2)

BigQuery offre anche le seguenti espressioni condizionali, che non hanno un analogico diretto in Amazon Redshift:

Funzioni di data e ora

La seguente tabella mostra le mappature tra le funzioni di data e ora comuni di Amazon Redshift e i relativi equivalenti BigQuery. I dati e le funzioni temporali di BigQuery includono funzioni di data, funzioni datetime, funzioni temporali e funzioni di timestamp.

Tieni presente che funzioni che sembrano identiche in Amazon Redshift e BigQuery potrebbero restituire tipi di dati diversi.

Amazon Redshift BigQuery
ADD_MONTHS(
date,
integer
)		 CAST( DATE_ADD(
date,
INTERVAL integer MONTH
)
AS TIMESTAMP
)
timestamptz_or_timestamp AT TIME ZONE timezone PARSE_TIMESTAMP(
"%c%z",
FORMAT_TIMESTAMP(
"%c%z",
timestamptz_or_timestamp,
timezone
)
)

Nota: i fusi orari vengono utilizzati per l'analisi dei timestamp o della formattazione dei timestamp per la visualizzazione. Un timestamp nel formato stringa potrebbe includere un fuso orario, ma quando BigQuery analizza la stringa lo memorizza nell'ora UTC equivalente. Quando un fuso orario non è specificato in modo esplicito, viene utilizzato il fuso orario predefinito, UTC. I nomi dei fusi orari o l'offset rispetto al fuso orario UTC (-HH:MM) sono supportati, ma le abbreviazioni dei fusi orari (ad esempio PDT) non lo sono.
CONVERT_TIMEZONE(
[source_timezone],
target_timezone,
timestamp
)		 PARSE_TIMESTAMP(
"%c%z",
FORMAT_TIMESTAMP(
"%c%z",
timestamp,
target_timezone
)
)

Nota: il fuso orario source_timezone è UTC in BigQuery.
CURRENT_DATE

Nota: restituisce la data di inizio della transazione corrente nel fuso orario attuale della sessione (per impostazione predefinita UTC). 		CURRENT_DATE()

Nota: restituisce la data di inizio per l'istruzione corrente nel fuso orario UTC.
DATE_CMP(date1, date2) CASE
WHEN date1 = date2 THEN 0
WHEN date1 > date2 THEN 1
ELSE -1
END
DATE_CMP_TIMESTAMP(date1, date2) CASE
WHEN date1 = CAST(date2 AS DATE)
THEN 0
WHEN date1 > CAST(date2 AS DATE)
THEN 1
ELSE -1
END
DATE_CMP_TIMESTAMPTZ(date, timestamptz) CASE
WHEN date > DATE(timestamptz)
THEN 1
WHEN date < DATE(timestamptz)
THEN -1
ELSE 0
END
DATE_PART_YEAR(date) EXTRACT(YEAR FROM date)
DATEADD(date_part, interval, date) CAST(
DATE_ADD(
date,
INTERVAL interval datepart
)
AS TIMESTAMP
)
DATEDIFF(
date_part,
date_expression1,
date_expression2
) 		DATE_DIFF(
date_expression1,
date_expression2,
date_part
)
DATE_PART(date_part, date) EXTRACT(date_part FROM date)
DATE_TRUNC('date_part', timestamp) TIMESTAMP_TRUNC(timestamp, date_part)
EXTRACT(date_part FROM timestamp) EXTRACT(date_part FROM timestamp)
GETDATE() PARSE_TIMESTAMP(
"%c",
FORMAT_TIMESTAMP(
"%c",
CURRENT_TIMESTAMP()
)
)
INTERVAL_CMP(
interval_literal1,
interval_literal2
) 		Per gli intervalli in Redshift, ci sono 360 giorni in un anno. In BigQuery, puoi utilizzare la seguente funzione definita dall'utente (UDF) per analizzare un intervallo Redshift e tradurlo in secondi.

CREATE TEMP FUNCTION
parse_interval(interval_literal STRING) AS (
(select sum(case
when unit in ('minutes', 'minute', 'm' )
then num * 60
when unit in ('hours', 'hour', 'h') then num
* 60 * 60
when unit in ('days', 'day', 'd' ) then num
* 60 * 60 * 24
when unit in ('weeks', 'week', 'w') then num
* 60 * 60 * 24 * 7
when unit in ('months', 'month' ) then num *
60 * 60 * 24 * 30
when unit in ('years', 'year') then num * 60
* 60 * 24 * 360
else num
end)
from (
select
cast(regexp_extract(value,
r'^[0-9]*\.?[0-9]+') as numeric) num,
substr(value, length(regexp_extract(value,
r'^[0-9]*\.?[0-9]+')) + 1) unit
from
UNNEST(
SPLIT(
replace(
interval_literal, ' ', ''), ',')) value
)));

Per confrontare i valori letterali intervallo, esegui:

IF(
parse_interval(interval_literal1) >
parse_interval(interval_literal2),
1,
IF(
parse_interval(interval_literal1) >
parse_interval(interval_literal2),
-1,
0
)
)
LAST_DAY(date) DATE_SUB(
DATE_ADD(
date,
INTERVAL 1 MONTH
),
INTERVAL 1 DAY
)
MONTHS_BETWEEN(
date1,
date2
) 		DATE_DIFF(
date1,
date2,
MONTH
)
NEXT_DAY(date, day) DATE_ADD(
DATE_TRUNC(
date,
WEEK(day)
),
INTERVAL 1 WEEK
)
SYSDATE

Nota: restituisce il timestamp di inizio della transazione corrente nel fuso orario della sessione corrente (per impostazione predefinita UTC). 		CURRENT_TIMESTAMP()

Nota: restituisce il timestamp di inizio dell'istruzione corrente nel fuso orario UTC.
TIMEOFDAY() FORMAT_TIMESTAMP(
"%a %b %d %H:%M:%E6S %E4Y %Z",
CURRENT_TIMESTAMP())
TIMESTAMP_CMP(
timestamp1,
timestamp2
)		 CASE
WHEN timestamp1 = timestamp2
THEN 0
WHEN timestamp1 > timestamp2
THEN 1
ELSE -1
END
TIMESTAMP_CMP_DATE(
timestamp,
date
) 		CASE
WHEN
EXTRACT(
DATE FROM timestamp
) = date
THEN 0
WHEN
EXTRACT(
DATE FROM timestamp) > date
THEN 1
ELSE -1
END
TIMESTAMP_CMP_TIMESTAMPTZ(
timestamp,
timestamptz
)

Nota: Redshift confronta i timestamp nel fuso orario definito dalla sessione dell'utente. Il fuso orario predefinito della sessione utente è UTC. 		CASE
WHEN timestamp = timestamptz
THEN 0
WHEN timestamp > timestamptz
THEN 1
ELSE -1
END

Nota: BigQuery confronta i timestamp nel fuso orario UTC.
TIMESTAMPTZ_CMP(
timestamptz1,
timestamptz2
)

Nota: Redshift confronta i timestamp nel fuso orario definito dalla sessione dell'utente. Il fuso orario predefinito della sessione utente è UTC. 		CASE
WHEN timestamptz1 = timestamptz2
THEN 0
WHEN timestamptz1 > timestamptz2
THEN 1
ELSE -1
END

Nota: BigQuery confronta i timestamp nel fuso orario UTC.
TIMESTAMPTZ_CMP_DATE(
timestamptz,
date
)

Nota: Redshift confronta i timestamp nel fuso orario definito dalla sessione dell'utente. Il fuso orario predefinito della sessione utente è UTC. 		CASE
WHEN
EXTRACT(
DATE FROM timestamptz) = date
THEN 0
WHEN
EXTRACT(
DATE FROM timestamptz) > date
THEN 1
ELSE -1
END

Nota: BigQuery confronta i timestamp nel fuso orario UTC.
TIMESTAMPTZ_CMP_TIMESTAMP(
timestamptz,
Timestamp
)

Nota: Redshift confronta i timestamp nel fuso orario definito dalla sessione dell'utente. Il fuso orario predefinito della sessione utente è UTC. 		CASE
WHEN timestamp = timestamptz
THEN 0
WHEN timestamp > timestamptz
THEN 1
ELSE -1
END

Nota: BigQuery confronta i timestamp nel fuso orario UTC.
TIMEZONE(
timezone,
Timestamptz_or_timestamp
) 		PARSE_TIMESTAMP(
"%c%z", FORMAT_TIMESTAMP(
"%c%z",
timestamptz_or_timestamp,
timezone
)
)

Nota: i fusi orari vengono utilizzati per l'analisi dei timestamp o della formattazione dei timestamp per la visualizzazione. Un timestamp nel formato stringa potrebbe includere un fuso orario, ma quando BigQuery analizza la stringa lo memorizza nell'ora UTC equivalente. Quando un fuso orario non è specificato in modo esplicito, viene utilizzato il fuso orario predefinito, UTC. I nomi dei fusi orari o l'offset rispetto al fuso orario UTC (-HH:MM) sono supportati, mentre le abbreviazioni dei fusi orari (ad esempio PDT) non lo sono.
TO_TIMESTAMP(timestamp, format) PARSE_TIMESTAMP(
format,
FORMAT_TIMESTAMP(
format,
timestamp
)
)

Nota: BigQuery segue un insieme diverso di elementi di formato. I fusi orari vengono utilizzati durante l'analisi dei timestamp o la formattazione dei timestamp per la visualizzazione. Un timestamp nel formato stringa potrebbe includere un fuso orario, ma quando BigQuery analizza la stringa lo memorizza nell'ora UTC equivalente. Quando un fuso orario non è specificato in modo esplicito, viene utilizzato il fuso orario predefinito, UTC. I nomi dei fusi orari o l'offset da UTC (-HH:MM) sono supportati nella stringa di formato, ma le abbreviazioni dei fusi orari (come PDT) non sono supportate.
TRUNC(timestamp) CAST(timestamp AS DATE)

BigQuery offre anche le seguenti funzioni di data e ora, che non hanno un analogo diretto in Amazon Redshift:

Operatori matematici

La seguente tabella mostra le mappature tra gli operatori matematici più comuni di Amazon Redshift e i relativi equivalenti BigQuery.

Amazon Redshift BigQuery

X + Y

X + Y

X - Y

X - Y

X * Y

X * Y

X / Y


Nota: se l'operatore
esegue la divisione intera (in altre parole, se X e Y sono entrambi numeri interi), viene restituito un numero intero. Se l'operatore esegue una divisione non numero intero, viene restituito un numero non intero.		 Se la divisione con un numero intero:
CAST(FLOOR(X / Y) AS INT64)

Se non la divisione con un numero intero:

CAST(X / Y AS INT64)


Nota: la divisione in BigQuery restituisce un numero non intero.
Per evitare errori da un'operazione di divisione (divisione per zero errori), utilizza SAFE_DIVIDE(X, Y) oppure IEEE_DIVIDE(X, Y).

X % Y

MOD(X, Y)


Nota: per evitare errori da un'operazione di divisione (errore di divisione per zero), utilizza SAFE.MOD(X, Y). SAFE.MOD(X, 0) restituisce 0.

X ^ Y

POW(X, Y)

POWER(X, Y)


Nota: a differenza di Amazon Redshift, l'operatore ^ in BigQuery esegue Bitwise Xor.

| / X

SQRT(X)


Nota: per evitare errori da un'operazione radice quadrata (input negativo), utilizza SAFE.SQRT(X). Input negativo con SAFE.SQRT(X) restituisce NULL.

|| / X

SIGN(X) * POWER(ABS(X), 1/3)


Nota: POWER(X, Y) di BigQuery restituisce un errore se X è un valore finito inferiore a 0 e Y non è un numero intero.

@ X

ABS(X)

X << Y

X << Y


Nota: questo operatore restituisce 0 o una sequenza di byte b'\x00' se il secondo operando Y è maggiore o uguale alla lunghezza in bit del primo operando X (ad esempio, 64 se X ha il tipo INT64). Questo operatore genera un errore se Y è negativo.

X >> Y

X >> Y


Nota: sposta il primo operando X verso destra. Questo operatore non esegue la firma dell'estensione di bit con un tipo firmato (riempie i bit vacanti a sinistra con 0). Questo operatore restituisce 0 o una sequenza di byte di
b'\x00' se il secondo operando Y è maggiore o uguale alla lunghezza in bit del primo operando X (ad esempio, 64 se X ha il tipo INT64). Questo operatore genera un errore se Y è negativo.

X & Y

X & Y

X | Y

X | Y

~X

~X

BigQuery offre anche il seguente operatore matematico, che non dispone di un analogico diretto in Amazon Redshift:

Funzioni matematiche

Amazon Redshift BigQuery
ABS(number) ABS(number)
ACOS(number) ACOS(number)
ASIN(number) ASIN(number)
ATAN(number) ATAN(number)
ATAN2(number1, number2) ATAN2(number1, number2)
CBRT(number) POWER(number, 1/3)
CEIL(number) CEIL(number)
CEILING(number) CEILING(number)
CHECKSUM(expression) FARM_FINGERPRINT(expression)
COS(number) COS(number)
COT(number) 1/TAN(number)
DEGREES(number) number*180/ACOS(-1)
DEXP(number) EXP(number)
DLOG1(number) LN(number)
DLOG10(number) LOG10(number)
EXP(number) EXP(number)
FLOOR(number) FLOOR(number)
LNnumber) LN(number)
LOG(number) LOG10(number)
MOD(number1, number2) MOD(number1, number2)
PI ACOS(-1)
POWER(expression1, expression2) POWER(expression1, expression2)
RADIANS(number) ACOS(-1)*(number/180)
RANDOM() RAND()
ROUND(number [, integer]) ROUND(number [, integer])
SIN(number) SIN(number)
SIGN(number) SIGN(number)
SQRT(number) SQRT(number)
TAN(number) TAN(number)
TO_HEX(number) FORMAT('%x', number)
TRUNC(number [, integer])+-+++ TRUNC(number [, integer])

Funzioni di stringa

Amazon Redshift BigQuery
string1 || string2 CONCAT(string1, string2)
BPCHARCMP(string1, string2) CASE
WHEN string1 = string2 THEN 0
WHEN string1 > string2 THEN 1
ELSE -1
END
BTRIM(string [, matching_string]) TRIM(string [, matching_string])
BTTEXT_PATTERN_CMP(string1, string2) CASE
WHEN string1 = string2 THEN 0
WHEN string1 > string2 THEN 1
ELSE -1
END
CHAR_LENGTH(expression) CHAR_LENGTH(expression)
CHARACTER_LENGTH(expression) CHARACTER_LENGTH(expression)
CHARINDEX(substring, string) STRPOS(string, substring)
CHR(number) CODE_POINTS_TO_STRING([number])
CONCAT(string1, string2) CONCAT(string1, string2)

Nota: CONCAT(...) di BigQuery supporta
concatenare qualsiasi numero di stringhe.
CRC32 Funzione definita dall'utente dall'utente
FUNC_SHA1(string) SHA1(string)
INITCAP INITCAP
LEFT(string, integer) SUBSTR(string, 0, integer)
RIGHT(string, integer) SUBSTR(string, -integer)
LEN(expression) LENGTH(expression)
LENGTH(expression) LENGTH(expression)
LOWER(string) LOWER(string)
LPAD(string1, length[, string2]) LPAD(string1, length[, string2])
RPAD(string1, length[, string2]) RPAD(string1, length[, string2])
LTRIM(string, trim_chars) LTRIM(string, trim_chars)
MD5(string) MD5(string)
OCTET_LENGTH(expression) BYTE_LENGTH(expression)
POSITION(substring IN string) STRPOS(string, substring)
QUOTE_IDENT(string) CONCAT('"',string,'"')
QUOTE_LITERAL(string) CONCAT("'",string,"'")
REGEXP_COUNT( source_string, pattern
[,position]
) 		ARRAY_LENGTH( REGEXP_EXTRACT_ALL(
source_string,
pattern
)
)

Se position è specificato:

ARRAY_LENGTH( REGEXP_EXTRACT_ALL(
SUBSTR(source_string, IF(position <= 0, 1, position)),
pattern
)
)

Nota: BigQuery supporta le espressioni regolari utilizzando la libreria re2. Consulta la documentazione per conoscere la sintassi delle espressioni regolari.
REGEXP_INSTR(
source_string,
pattern
[,position
[,occurrence]] ) 		IFNULL( STRPOS(
source_string, REGEXP_EXTRACT(
source_string,
pattern)
),0)

Se source_string è specificato:

REGEXP_REPLACE(
source_string,

pattern,
replace_string
)

Se position è specificato:

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)

Se occurrence è specificato:

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)

Nota: BigQuery fornisce il supporto delle espressioni regolari
utilizzando la libreria re2; consulta la documentazione di
per la sintassi dell'espressione regolare
.
REGEXP_REPLACE( source_string,
pattern
[, replace_string [, position]]
) 		REGEXP_REPLACE(
source_string,
pattern,
""
)

Se source_string è specificato:

REGEXP_REPLACE(
source_string,

pattern, replace_string
)

Se position è specificato:

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
REGEXP_SUBSTR( source_string, pattern
[, position
[, occurrence]] ) 		REGEXP_EXTRACT(
source_string, pattern
)

Se position è specificato:

REGEXP_EXTRACT(
SUBSTR(source_string, IF(position <= 0, 1, position)),
pattern

)

Se occurrence è specificato:

REGEXP_EXTRACT_ALL(
SUBSTR(source_string, IF(position <= 0, 1, position)),


pattern
)[SAFE_ORDINAL(occurrence)]

Nota: BigQuery supporta le espressioni regolari utilizzando la libreria re2. Consulta la documentazione sulla sintassi delle espressioni regolari.
REPEAT(string, integer) REPEAT(string, integer)
REPLACE(string, old_chars, new_chars) REPLACE(string, old_chars, new_chars)
REPLICA(string, integer) REPEAT(string, integer)
REVERSE(expression) REVERSE(expression)
RTRIM(string, trim_chars) RTRIM(string, trim_chars)
SPLIT_PART(string, delimiter, part) SPLIT(
string
delimiter
)SAFE_ORDINAL(part)
STRPOS(string, substring) STRPOS(string, substring)
STRTOL(string, base)
SUBSTRING(
string,
start_position, number_characters ) 		SUBSTR(
string,
start_position, number_characters )
TEXTLEN(expression) LENGTH(expression)
TRANSLATE(
expression,
characters_to_replace, characters_to_substitute ) 		Può essere implementato utilizzando le funzioni definite dall'utente:

CREATE TEMP FUNCTION
translate(expression STRING,
characters_to_replace STRING, characters_to_substitute STRING) AS ( IF(LENGTH(characters_to_replace) < LENGTH(characters_to_substitute) OR LENGTH(expression) <
LENGTH(characters_to_replace), expression,
(SELECT
STRING_AGG(
IFNULL(
(SELECT ARRAY_CONCAT([c],
SPLIT(characters_to_substitute, ''))[SAFE_OFFSET((
SELECT IFNULL(MIN(o2) + 1,
0) FROM
UNNEST(SPLIT(characters_to_replace,
'')) AS k WITH OFFSET o2
WHERE k = c))]
),
''),
'' ORDER BY o1)
FROM UNNEST(SPLIT(expression, ''))
AS c WITH OFFSET o1
))
);
TRIM([BOTH] string) TRIM(string)
TRIM([BOTH] characters FROM string) TRIM(string, characters)
UPPER(string) UPPER(string)

Funzioni di formattazione dei tipi di dati

Amazon Redshift BigQuery
CAST(expression AS type) CAST(expression AS type)
expression :: type CAST(expression AS type)
CONVERT(type, expression) CAST(expression AS type)
TO_CHAR(
timestamp_expression, format
)		 FORMAT_TIMESTAMP(
format,
timestamp_expression
)

Nota: BigQuery e Amazon Redshift differiscono nel modo in cui specificare una stringa di formato per timestamp_expression.
TO_CHAR(
numeric_expression,
format
)		 FORMAT(
format,
numeric_expression
)

Nota: BigQuery e Amazon Redshift differiscono nel modo in cui specificare una stringa di formato per timestamp_expression.
TO_DATE(date_string, format) PARSE_DATE(date_string, format)

Nota: BigQuery e Amazon Redshift differiscono nel modo di specificare una stringa di formato per date_string.
TO_NUMBER(string, format) CAST(
FORMAT(
format,
numeric_expression
) TO INT64
)

Nota: BigQuery e Amazon Redshift differiscono nel modo di specificare una stringa di formato numerico.

BigQuery supporta anche SAFE_CAST(expression AS typename), che restituisce NULL se BigQuery non è in grado di eseguire una trasmissione; ad esempio, SAFE_CAST("apple" AS INT64) restituisce NULL.

Sintassi DML

Questa sezione descrive le differenze nella sintassi del linguaggio di gestione dei dati tra Amazon Redshift e BigQuery.

Istruzione INSERT

Amazon Redshift offre una parola chiave DEFAULT configurabile per le colonne. In BigQuery, il valore DEFAULT per le colonne con null è NULL e DEFAULT non è supportato per le colonne obbligatorie. La maggior parte delle istruzioni INSERT di Amazon Redshift è compatibile con BigQuery. La tabella seguente mostra le eccezioni.

Amazon Redshift BigQuery
INSERT INTO table (column1 [, ...])
DEFAULT VALUES		 INSERT [INTO] table (column1 [, ...])
VALUES (DEFAULT [, ...])
INSERT INTO table (column1, [,...]) VALUES (
SELECT ...
FROM ...
)		 INSERT [INTO] table (column1, [,...])
SELECT ...
FROM ...

BigQuery supporta anche l'inserimento di valori tramite una sottoquery (in cui uno dei valori viene calcolato utilizzando una sottoquery), che non è supportata in Amazon Redshift. Ad esempio:

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

Istruzione COPY

Il comando COPY di Amazon Redshift carica i dati in una tabella da file di dati o da una tabella Amazon DynamoDB. BigQuery non utilizza il comando SQL COPY per caricare i dati, ma puoi utilizzare diversi strumenti e opzioni non SQL per caricare i dati nelle tabelle BigQuery. Puoi anche utilizzare i sink di pipeline di dati forniti in Apache Spark o Apache Beam per scrivere dati in BigQuery.

Istruzione UPDATE

La maggior parte delle istruzioni UPDATE di Amazon Redshift è compatibile con BigQuery. La seguente tabella mostra le eccezioni.

Amazon Redshift BigQuery
UPDATE table
SET column = expression [,...] [FROM ...] 		UPDATE table
SET column = expression [,...]
[FROM ...]
WHERE TRUE

Nota: tutte le istruzioni UPDATE in BigQuery richiedono una parola chiave WHERE, seguita da una condizione.
UPDATE table
SET column = DEFAULT [,...] [FROM ...]
[WHERE ...]		 UPDATE table
SET column = NULL [, ...]
[FROM ...]
WHERE ...

Nota: il comando UPDATE di BigQuery non supporta i valori DEFAULT.

Se l'istruzione UPDATE di Amazon Redshift non include una clausola WHERE, l'istruzione UPDATE di BigQuery deve essere condizionata WHERE TRUE.

Estratti conto DELETE e TRUNCATE

Le istruzioni DELETE e TRUNCATE sono entrambi modi per rimuovere righe da una tabella senza influire sullo schema o sugli indici della tabella.

In Amazon Redshift, l'istruzione TRUNCATE è consigliata prima di un'istruzione DELETE non qualificata perché è più veloce e non richiede operazioni VACUUM e ANALYZE successive. Tuttavia, puoi utilizzare le istruzioni DELETE per ottenere lo stesso effetto.

In BigQuery, l'istruzione DELETE deve avere una clausola WHERE. Per ulteriori informazioni su DELETE in BigQuery, consulta gli esempi di DELETE di BigQuery nella documentazione di DML.

Amazon Redshift BigQuery
DELETE [FROM] table_name

TRUNCATE [TABLE] table_name		 DELETE FROM table_name
WHERE TRUE

Le istruzioni BigQuery DELETE richiedono una clausola WHERE.
DELETE FROM table_name
USING other_table
WHERE table_name.id=other_table.id		 DELETE FROM table_name
WHERE table_name.id IN (
SELECT id
FROM other_table
)

DELETE FROM table_name
WHERE EXISTS (
SELECT id
FROM other_table
WHERE table_name.id = other_table.id )

In Amazon Redshift, USING consente di fare riferimento a tabelle aggiuntive nella clausola WHERE. Può essere eseguito in BigQuery utilizzando una sottoquery nella clausola WHERE.

Istruzione MERGE

L'istruzione MERGE può combinare le operazioni INSERT, UPDATE e DELETE in una singola istruzione upsert ed eseguire le operazioni a livello atomico. L'operazione MERGE deve corrispondere al massimo a una riga di origine per ogni riga di destinazione.

Amazon Redshift non supporta un singolo comando MERGE. Tuttavia, è possibile eseguire un'operazione di unione in Amazon Redshift eseguendo operazioni INSERT, UPDATE e DELETE in una transazione.

Operazione di unione sostituendo le righe esistenti

In Amazon Redshift, è possibile eseguire una sovrascrittura di tutte le colonne nella tabella di destinazione utilizzando un'istruzione DELETE e poi un'istruzione INSERT. L'istruzione DELETE rimuove le righe che devono essere aggiornate, dopodiché l'istruzione INSERT inserisce le righe aggiornate. Le tabelle BigQuery sono limitate a 1000 istruzioni DML al giorno, quindi è necessario consolidare le istruzioni INSERT, UPDATE e DELETE in una singola istruzione MERGE, come mostrato nella seguente tabella.

Amazon Redshift BigQuery
Consulta Eseguire un'operazione di unione sostituendo le righe esistenti.

CREATE TEMP TABLE temp_table;

INSERT INTO temp_table
SELECT *
FROM source
WHERE source.filter = 'filter_exp';

BEGIN TRANSACTION;

DELETE FROM target
USING temp_table
WHERE target.key = temp_table.key;

INSERT INTO target
SELECT *
FROM temp_table;

END TRANSACTION;

DROP TABLE temp_table; 		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,
...

Nota: se aggiorni tutte le colonne, devono essere elencate tutte le colonne.
Vedi Eseguire un'operazione di unione specificando un elenco di colonne.

CREATE TEMP TABLE temp_table;

INSERT INTO temp_table
SELECT *
FROM source
WHERE source.filter = 'filter_exp';

BEGIN TRANSACTION;

UPDATE target SET
col1 = temp_table.col1,
col2 = temp_table.col2
FROM temp_table
WHERE target.key=temp_table.key;

INSERT INTO target
SELECT *
FROM 		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

Sintassi DDL

Questa sezione illustra le differenze nella sintassi del linguaggio di definizione dei dati tra Amazon Redshift e BigQuery.

Istruzione SELECT INTO

In Amazon Redshift, l'istruzione SELECT INTO può essere utilizzata per inserire i risultati di una query in una nuova tabella, combinando creazione e inserimento di tabelle.

Amazon Redshift BigQuery
SELECT expression, ... INTO table
FROM ... 		INSERT table
SELECT expression, ...
FROM ...
WITH subquery_table AS ( SELECT ...
)
SELECT expression, ... INTO table
FROM subquery_table
... 		INSERT table
WITH subquery_table AS (
SELECT ...
)
SELECT expression, ...
FROM subquery_table
...
SELECT expression
INTO TEMP table
FROM ...

SELECT expression
INTO TEMPORARY table
FROM ... 		BigQuery offre diversi modi per emulare le tabelle temporanee. Per ulteriori informazioni, consulta la sezione sulle tabelle temporanee.

Istruzione CREATE TABLE

La maggior parte delle istruzioni CREATE TABLE di Amazon Redshift è compatibile con BigQuery, ad eccezione dei seguenti elementi di sintassi, che non vengono utilizzati in BigQuery:

Amazon Redshift 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
)

Nota: i vincoli UNIQUE e PRIMARY KEY sono informativi e non sono applicati dal sistema Amazon Redshift.		 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
)
where table_constraints are:
[UNIQUE(column_name [, ... ])]
[PRIMARY KEY(column_name [, ...])]
[FOREIGN KEY(column_name [, ...])
REFERENCES reftable [(refcolumn)]

Nota: i vincoli UNIQUE e PRIMARY KEY sono informativi e non sono applicati dal sistema Amazon Redshift. 		CREATE TABLE table_name
(
col1 data_type1[,...]
)
PARTITION BY column_name
CLUSTER BY column_name [, ...]

Nota: BigQuery non utilizza i vincoli delle tabelle UNIQUE, PRIMARY KEY o FOREIGN KEY. Per ottenere un'ottimizzazione simile a quella fornita da questi vincoli durante l'esecuzione delle query, partiziona e assegna il cluster alle tabelle BigQuery. CLUSTER BY supporta fino a 4 colonne.
CREATE TABLE table_name
LIKE original_table_name 		Fai riferimento a questo esempio per scoprire come utilizzare le tabelle INFORMATION_SCHEMA per copiare nomi delle colonne, tipi di dati e vincoli NOT NULL in una nuova tabella.
CREATE TABLE table_name
(
col1 data_type1
)
BACKUP NO

Nota: in Amazon Redshift, l'impostazione BACKUP NO è specificata per risparmiare tempo di elaborazione e ridurre lo spazio di archiviazione.		 L'opzione della tabella BACKUP NO non è utilizzata o necessaria perché BigQuery conserva automaticamente fino a 7 giorni delle versioni cronologiche di tutte le tabelle, senza influire sui tempi di elaborazione o sull'archiviazione fatturata.
CREATE TABLE table_name
(
col1 data_type1
)
table_attributes
where table_attributes are:
[DISTSTYLE {AUTO|EVEN|KEY|ALL}]
[DISTKEY (column_name)]
[[COMPOUND|INTERLEAVED] SORTKEY
(column_name [, ...])] 		BigQuery supporta il clustering, che consente l'archiviazione delle chiavi in ordine.
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 supporta anche l'istruzione DDL CREATE OR REPLACE TABLE, che sovrascrive una tabella se già esistente.

L'istruzione CREATE TABLE di BigQuery supporta anche le seguenti clausole, che non hanno un equivalente di Amazon Redshift:

Per ulteriori informazioni su CREATE TABLE in BigQuery, consulta gli esempi di CREATE TABLE di BigQuery nella documentazione di DML.

Tabelle temporanee

Amazon Redshift supporta le tabelle temporanee, visibili solo all'interno della sessione corrente. Esistono diversi modi per emulare le tabelle temporanee in BigQuery:

  • TTL del set di dati: crea un set di dati con una breve durata (ad esempio, un'ora) in modo che le tabelle create nel set di dati siano effettivamente temporanee perché non durano più a lungo della durata del set di dati. Puoi anteporre il prefisso a tutti i nomi delle tabelle in questo set di dati per indicare chiaramente che le tabelle sono temporanee.

  • Tabella TTL: crea una tabella con una durata breve specifica per la tabella utilizzando istruzioni DDL simili alle seguenti:

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

Istruzione CREATE VIEW

La seguente tabella mostra gli equivalenti tra Amazon Redshift e BigQuery per l'istruzione CREATE VIEW.

Amazon Redshift BigQuery
CREATE VIEW view_name AS SELECT ...code> 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 ...
Non supportati. CREATE VIEW IF NOT EXISTS c view_name
OPTIONS(view_option_list)
AS SELECT …

Crea una nuova vista solo se non esiste nel set di dati specificato.
CREATE VIEW view_name
AS SELECT ...
WITH NO SCHEMA BINDING

In Amazon Redshift, è necessaria una vista di associazione tardiva per fare riferimento a una tabella esterna.		 In BigQuery, per creare una vista, tutti gli oggetti di riferimento devono già esistere.

BigQuery ti consente di eseguire query su origini dati esterne.

Funzioni definite dall'utente

Una funzione definita dall'utente consente di creare funzioni per operazioni personalizzate. Queste funzioni accettano colonne di input, eseguono azioni e restituiscono il relativo risultato come valore.

Sia Amazon Redshift che BigQuery supportano le funzioni definite dall'utente che utilizzano espressioni SQL. Inoltre, in Amazon Redshift puoi creare una funzione definita dall'utente basata su Python e in BigQuery una funzione definita dall'utente basata su JavaScript.

Fai riferimento al repository GitHub delle utilità di Google Cloud BigQuery per una libreria di funzioni definite dall'utente comuni di BigQuery.

Sintassi CREATE FUNCTION

La seguente tabella indica le differenze nella sintassi di creazione delle funzioni definite dall'utente SQL tra Amazon Redshift e BigQuery.

Amazon Redshift BigQuery
CREATE [OR REPLACE] FUNCTION
function_name
([sql_arg_name sql_arg_data_type[,..]]) RETURNS data_type
IMMUTABLE
AS $$
sql_function_definition
$$ LANGUAGE sql 		CREATE [OR REPLACE] FUNCTION
function_name
([sql_arg_name sql_arg_data_type[,..]]) AS
sql_function_definition

Nota: in una funzione definita dall'utente SQL di BigQuery, un tipo di dati restituito è facoltativo. BigQuery deduce il tipo di risultato della funzione dal corpo della funzione SQL quando una query chiama la funzione.
CREATE [OR REPLACE] FUNCTION
function_name
([sql_arg_name sql_arg_data_type[,..]]) RETURNS data_type
{ VOLATILE | STABLE | IMMUTABLE } AS $$
sql_function_definition
$$ LANGUAGE sql 		CREATE [OR REPLACE] FUNCTION
function_name
([sql_arg_name sql_arg_data_type[,..]]) RETURNS data_type
AS sql_function_definition

Nota: la volatilità della funzione non è un parametro configurabile in BigQuery. Tutta la volatilità della funzione definita dall'utente di BigQuery è equivalente alla volatilità IMMUTABLE di Amazon Redshift, ovvero non esegue ricerche nel database o utilizza in altro modo informazioni non presenti direttamente nell'elenco di argomenti.
CREATE [OR REPLACE] FUNCTION
function_name
([sql_arg_name sql_arg_data_type[,..]]) RETURNS data_type
IMMUTABLE
AS $$
SELECT_clause
$$ LANGUAGE sql

Nota: Amazon Redshift supporta solo una clausola SQL SELECT come definizione della funzione. Inoltre, la clausola SELECT non può includere nessuna delle clausole FROM, INTO, WHERE, GROUP BY, ORDER BY, e LIMIT. 		CREATE [OR REPLACE] FUNCTION
function_name
([sql_arg_name sql_arg_data_type[,..]]) RETURNS data_type
AS sql_expression

Nota: BigQuery supporta qualsiasi espressione SQL come definizione di funzione. Tuttavia, il riferimento a tabelle, viste o modelli non è supportato.
CREATE [OR REPLACE] FUNCTION
function_name
([sql_arg_name sql_arg_data_type[,..]]) RETURNS data_type
IMMUTABLE
AS $$
sql_function_definition
$$ LANGUAGE sql 		CREATE [OR REPLACE] FUNCTION function_name ([sql_arg_name sql_arg_data_type[,..]]) RETURNS data_type AS sql_function_definition

Nota: non è necessario specificare il valore letterale della lingua in una funzione definita dall'utente GoogleSQL. BigQuery interpreta l'espressione SQL per impostazione predefinita. Inoltre, le citazioni in dollari di Amazon Redshift ($$) non sono supportate in BigQuery.
CREATE [OR REPLACE] FUNCTION function_name (integer, integer) RETURNS integer IMMUTABLE AS $$ SELECT $1 + $2 $$ LANGUAGE sql CREATE [OR REPLACE] FUNCTION
function_name
(x INT64, y INT64)
RETURNS INT64
AS
SELECT x + y

Nota: le funzioni definite dall'utente BigQuery richiedono che tutti gli argomenti di input siano denominati. Le variabili di argomento Amazon Redshift ($1, $2, ...) non sono supportate in BigQuery.
CREATE [OR REPLACE] FUNCTION
function_name
(integer, integer)
RETURNS integer
IMMUTABLE
AS $$
SELECT $1 + $2
$$ LANGUAGE sql

Nota: Amazon Redshift non supporta ANY TYPE per le funzioni definite dall'utente SQL. Tuttavia, supporta l'utilizzo del tipo di dati ANYELEMENT nelle funzioni definite dall'utente basate su Python. 		CREATE [OR REPLACE] FUNCTION
function_name
(x ANY TYPE, y ANY TYPE)
AS
SELECT x + y

Nota: BigQuery supporta l'uso di ANY TYPE come tipo di argomento. La funzione accetta un input di qualsiasi tipo per questo argomento. Per ulteriori informazioni, consulta il parametro basato su modelli in BigQuery.

BigQuery supporta anche l'istruzione CREATE FUNCTION IF NOT EXISTS, che considera la query riuscita e non intraprende alcuna azione se esiste già una funzione con lo stesso nome.

L'istruzione CREATE FUNCTION di BigQuery supporta anche la creazione di funzioni TEMPORARY o TEMP, che non hanno un equivalente Amazon Redshift.

Per i dettagli sull'esecuzione di una funzione definita dall'utente permanente di BigQuery, consulta la pagina relativa alle chiamate di funzioni definite dall'utente.

Sintassi DROP FUNCTION

La seguente tabella risolve le differenze nella sintassi DROP FUNCTION tra Amazon Redshift e BigQuery.

Amazon Redshift BigQuery
DROP FUNCTION
function_name
( [arg_name] arg_type [, ...] ) [ CASCADE | RESTRICT ]		 DROP FUNCTION
dataset_name.function_name

Nota: BigQuery non richiede l'utilizzo della firma della funzione per eliminarla. Inoltre, la rimozione delle dipendenze delle funzioni non è supportata in BigQuery.

BigQuery supporta anche l'istruzione DROP FUNCTION IF EXISTS, che elimina la funzione solo se esiste nel set di dati specificato.

BigQuery richiede di specificare il project_name se la funzione non si trova nel progetto attuale.

Componenti della funzione definita dall'utente

Questa sezione evidenzia le analogie e le differenze nei componenti delle funzioni definite dall'utente tra Amazon Redshift e BigQuery.

Componente Amazon Redshift BigQuery
Nome Amazon Redshift consiglia di utilizzare il prefisso _f per i nomi delle funzioni al fine di evitare conflitti con i nomi delle funzioni SQL integrate esistenti o future. In BigQuery puoi utilizzare qualsiasi nome di funzione personalizzata.
Argomenti Gli argomenti sono facoltativi. Puoi utilizzare i tipi di nome e di dati per gli argomenti della funzione definita dall'utente Python e solo i tipi di dati per gli argomenti della funzione SQL. Nelle funzioni SQL SQL, devi fare riferimento agli argomenti utilizzando $1, $2 e così via. Inoltre, Amazon Redshift limita il numero di argomenti a 32. Gli argomenti sono facoltativi, ma se li specifichi devono utilizzare sia il nome che i tipi di dati per le funzioni definite dall'utente JavaScript e SQL. Il numero massimo di argomenti per una funzione definita dall'utente permanente è 256.
Tipo di dati Amazon Redshift supporta un set di tipi di dati diverso per le funzioni definite dall'utente SQL e Python.
Per una funzione definita dall'utente Python, il tipo di dati potrebbe anche essere ANYELEMENT.

Devi specificare un RETURN tipo di dati per le funzioni definite dall'utente di SQL e Python.

Consulta la sezione Tipi di dati in questo documento per conoscere gli equivalenti tra i tipi di dati in Amazon Redshift e in BigQuery.		 BigQuery supporta un set di tipi di dati diverso per le funzioni definite dall'utente SQL e JavaScript.
Per una funzione SQL definita dall'utente, il tipo di dati potrebbe anche essere ANY TYPE. Per ulteriori informazioni, consulta i parametri basati su modelli in BigQuery.

Il tipo di dati RETURN è facoltativo per le funzioni definite dall'utente SQL.

Consulta Codifiche dei tipi SQL in JavaScript per informazioni su come i tipi di dati BigQuery vengono mappati ai tipi di dati JavaScript.
Definizione Per le funzioni definite dall'utente SQL e Python, devi racchiudere la definizione della funzione utilizzando le virgolette del dollaro, come in una coppia di simboli del dollaro ($$), per indicare l'inizio e la fine delle istruzioni delle funzioni.

Per le UDF SQL,Amazon Redshift supporta solo una clausola SELECT SQL come definizione della funzione. Inoltre, la clausola SELECT non può includere le clausole FROM, INTO, WHERE, GROUP
BY, ORDER BY e LIMIT .

Per le UDF di Python, puoi scrivere un programma Python utilizzando la libreria standard di Python 2.7 o importare moduli personalizzati creandone uno con il comando CREATE LIBRARY .		 In BigQuery, devi racchiudere il codice JavaScript tra virgolette. Consulta la pagina relativa alle regole di citazione per ulteriori informazioni.

Per le UDF SQL, puoi utilizzare qualsiasi espressione SQL come definizione della funzione. Tuttavia, BigQuery non supporta i riferimenti a tabelle, viste o modelli.

Per le UDF JavaScript, puoi includere librerie di codici esterne direttamente utilizzando la OPTIONS sezione. Puoi inoltre utilizzare lo strumento di test della funzione definita dall'utente BigQuery per testare le tue funzioni.
Lingua Devi utilizzare LANGUAGE per specificare la lingua come sql per le funzioni definite dall'utente SQL o plpythonu per le funzioni definite dall'utente Python. Non è necessario specificare LANGUAGE per le funzioni definite dall'utente SQL, ma devi specificare il linguaggio js per le funzioni definite dall'utente JavaScript.
Stato Amazon Redshift non supporta la creazione di funzioni definite dall'utente temporanee.

Amazon Redshift offre un'opzione per definire la volatilità di una funzione utilizzando VOLATILE, STABLE o IMMUTABLE letterali. Viene utilizzato per l'ottimizzazione dallo strumento di ottimizzazione delle query.		 BigQuery supporta le funzioni definite dall'utente permanenti e temporanee. Puoi riutilizzare le funzioni definite dall'utente permanenti in più query, mentre puoi utilizzarle solo in una singola query.

La volatilità della funzione non è un parametro configurabile in BigQuery. L'intera volatilità delle funzioni definite dall'utente di BigQuery equivale alla IMMUTABLE volatilità di Amazon Redshift.
Sicurezza e privilegi Per creare una funzione definita dall'utente, devi disporre dell'autorizzazione per l'utilizzo nel linguaggio per SQL o plpythonu (Python). Per impostazione predefinita, l'opzione USAGE ON LANGUAGE SQL è concessa a PUBLIC, ma devi concedere esplicitamente USAGE ON LANGUAGE PLPYTHONU a utenti o gruppi specifici.
Inoltre, per sostituire una funzione definita dall'utente devi essere un super user.		 In BigQuery non è necessario concedere autorizzazioni esplicite per la creazione o l'eliminazione di qualsiasi tipo di funzione definita dall'utente. Qualsiasi utente a cui viene assegnato un ruolo di Editor dati BigQuery (che ha bigquery.routines.* come una delle autorizzazioni) può creare o eliminare funzioni per il set di dati specificato.

BigQuery supporta anche la creazione di ruoli personalizzati. Questa operazione può essere gestita utilizzando Cloud IAM.
Limiti Consulta i limiti delle funzioni definite dall'utente di Python. Consulta Limiti delle funzioni definite dall'utente.

Istruzioni SQL per metadati e transazioni

Amazon Redshift BigQuery
SELECT * FROM STL_ANALYZE WHERE name
= 'T';		 Non utilizzato in BigQuery. Non è necessario raccogliere statistiche per migliorare le prestazioni delle query. Per ottenere informazioni sulla distribuzione dei dati, puoi utilizzare le funzioni aggregate approssimative.
ANALYZE [[ table_name[(column_name
[, ...])]]		 Non utilizzato in BigQuery.
LOCK TABLE table_name; Non utilizzato in BigQuery.
BEGIN TRANSACTION; SELECT ...
END TRANSACTION;		 BigQuery utilizza l'isolamento degli snapshot. Per maggiori dettagli, consulta Garanzie di coerenza.
EXPLAIN ... Non utilizzato in BigQuery.

Funzionalità simili sono la spiegazione del piano di query nella console Google Cloud di BigQuery e l'audit logging in Cloud Monitoring.
SELECT * FROM SVV_TABLE_INFO WHERE
table = 'T';		 SELECT * EXCEPT(is_typed) FROM
mydataset.INFORMATION_SCHEMA.TABLES;

Per saperne di più, consulta Introduzione a BigQuery INFORMATION_SCHEMA.
VACUUM [table_name] Non utilizzato in BigQuery. Le tabelle in cluster BigQuery vengono ordinate automaticamente.

Istruzioni SQL a più istruzioni e multiriga

Sia Amazon Redshift che BigQuery supportano le transazioni (sessioni) e, di conseguenza, supportano istruzioni separate da punto e virgola che vengono eseguite insieme in modo coerente. Per maggiori informazioni, consulta Transazioni con più estratti conto.

Istruzioni SQL procedurali

Istruzione CREATE PROCEDURE

Amazon Redshift BigQuery
CREATE or REPLACE PROCEDURE CREATE PROCEDURE se è necessario un nome.

Altrimenti, utilizza l'opzione in linea con BEGIN o in una singola riga con CREATE TEMP FUNCTION.
CALL CALL

Dichiarazione e assegnazione delle variabili

Amazon Redshift BigQuery
DECLARE DECLARE

Dichiara una variabile del tipo specificato.
SET SET

Imposta una variabile in modo che abbia il valore dell'espressione fornita oppure imposta più variabili contemporaneamente in base al risultato di più espressioni.

Gestori delle condizioni di errore

In Amazon Redshift, un errore riscontrato durante l'esecuzione di una stored procedure termina il flusso di esecuzione, termina la transazione e ne esegue il rollback. Questi risultati si verificano perché le transazioni secondarie non sono supportate. In una procedura archiviata di Amazon Redshift, l'unico handler_statement supportato è RAISE. In BigQuery, la gestione degli errori è una funzionalità principale del flusso di controllo principale, simile a quella offerta da altre lingue con i blocchi TRY ... CATCH.

Amazon Redshift BigQuery
BEGIN ... EXCEPTION WHEN OTHERS THEN BEGIN ... EXCEPTION WHEN ERROR THEN
RAISE RAISE
[ <<label>> ] [ DECLARE declarations ]
BEGIN
statements EXCEPTION
BEGIN
statements
EXCEPTION
WHEN OTHERS THEN
Handler_statements
END;		 BEGIN
BEGIN
...
EXCEPTION WHEN ERROR THEN SELECT 1/0;
END;

EXCEPTION WHEN ERROR THEN -- The exception thrown from the inner exception handler lands here. END;

Dichiarazioni e operazioni del cursore

Poiché BigQuery non supporta i cursori o le sessioni, le seguenti istruzioni non vengono utilizzate in BigQuery:

Se utilizzi il cursore per restituire un set di risultati, puoi ottenere un comportamento simile utilizzando le tabelle temporanee in BigQuery.

Istruzioni SQL dinamiche

La funzionalità di script in BigQuery supporta le istruzioni SQL dinamiche come quelle mostrate nella seguente tabella.

Amazon Redshift BigQuery
EXECUTE EXECUTE IMMEDIATE

Istruzioni flusso di controllo

Amazon Redshift BigQuery
IF..THEN..ELSIF..THEN..ELSE..END IF IF condition
THEN stmts
ELSE stmts
END IF
name CURSOR [ ( arguments ) ] FOR query In BigQuery non vengono utilizzati i cursori o le sessioni.
[< LOOP
sql_statement_list END LOOP;
WHILE condition LOOP stmts END LOOP WHILE condition
DO stmts
END WHILE
EXIT BREAK

Garanzie di coerenza e isolamento delle transazioni

Sia Amazon Redshift che BigQuery sono atomici, ovvero conformi agli ACID a livello di singola mutazione su molte righe.

Transazioni

Per impostazione predefinita, Amazon Redshift supporta l'isolamento seriale per le transazioni. Amazon Redshift ti consente di specificare uno dei quattro livelli di isolamento delle transazioni standard SQL, ma elabora tutti i livelli di isolamento come serializzabili.

BigQuery inoltre supporta le transazioni. BigQuery aiuta a garantire il controllo ottimistico della contemporaneità (il primo a eseguire il commit ha la priorità) mediante l'isolamento snapshot, in cui una query legge gli ultimi dati di cui è stato eseguito il commit prima dell'avvio. Questo approccio garantisce lo stesso livello di coerenza su base per riga, per mutazione e tra le righe all'interno della stessa istruzione DML, evitando però i deadlock. In caso di più aggiornamenti DML sulla stessa tabella, BigQuery passa al controllo della contemporaneità pessimistica. I job di caricamento possono essere eseguiti in modo completamente indipendente e aggiunti alle tabelle.

Esegui il rollback

Se Amazon Redshift riscontra un errore durante l'esecuzione di una stored procedure, esegue il rollback di tutte le modifiche apportate in una transazione. Inoltre, puoi utilizzare l'istruzione di controllo delle transazioni ROLLBACK in una stored procedure per ignorare tutte le modifiche.

In BigQuery, puoi utilizzare l'istruzione ROLLBACK TRANSACTION.

Limiti per i database

Consulta la documentazione pubblica di BigQuery per conoscere le quote e i limiti più recenti. Contattando il team di assistenza Cloud per aumentare le quote per utenti con volumi elevati, La seguente tabella mostra un confronto dei limiti dei database di Amazon Redshift e BigQuery.

Limite Amazon Redshift BigQuery
Tabelle in ogni database per i tipi di nodi cluster di grandi dimensioni e xlarge 9900 Senza restrizioni
Tabelle in ogni database per tipi di nodi cluster di dimensioni 8xlarge 20.000 Senza restrizioni
Database definiti dall'utente che puoi creare per ogni cluster 60 Senza restrizioni
Dimensione massima della riga 4 MB 100 MB