Guida alla traduzione SQL di Teradata

Questo documento descrive le analogie e le differenze nella sintassi SQL tra Teradata e BigQuery per aiutarti a pianificare la migrazione. Utilizza le funzionalità di traduzione SQL batch in eseguire la migrazione collettiva degli script SQL traduzione SQL interattiva per tradurre query ad hoc.

Tipi di dati

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

Teradata BigQuery Note
INTEGER INT64
SMALLINT INT64
BYTEINT INT64
BIGINT INT64
DECIMAL

NUMERIC, DECIMAL

BIGNUMERIC, BIGDECIMAL

Utilizza NUMERIC (alias DECIMAL) di BigQuery quando la scala (cifre dopo il separatore decimale) è <= 9.
Utilizza BIGNUMERIC (alias BIGDECIMAL) di BigQuery quando la bilancia > 9,

Utilizza la classe di archiviazione con parametri tipi di dati decimali se devi applicare limiti di cifre o di scala personalizzati (vincoli).

Teradata consente di inserire valori di precisione maggiore mediante l'arrotondamento il valore memorizzato; ma mantiene l'elevata precisione nei calcoli. Questo può determinare comportamento di arrotondamento imprevisto rispetto allo standard ANSI.

FLOAT FLOAT64
NUMERIC

NUMERIC, DECIMAL

BIGNUMERIC, BIGDECIMAL

Utilizza NUMERIC (alias DECIMAL) di BigQuery quando la scala (cifre dopo il separatore decimale) è <= 9.
Utilizza BIGNUMERIC (alias BIGDECIMAL) di BigQuery quando la bilancia > 9,

Utilizza la classe di archiviazione con parametri tipi di dati decimali se devi applicare limiti di cifre o di scala personalizzati (vincoli).

Teradata consente di inserire valori di precisione maggiore mediante l'arrotondamento il valore memorizzato; ma mantiene l'elevata precisione nei calcoli. Questo può determinare comportamento di arrotondamento imprevisto rispetto allo standard ANSI.

NUMBER

NUMERIC, DECIMAL

BIGNUMERIC, BIGDECIMAL

Utilizza NUMERIC (alias DECIMAL) di BigQuery quando la scala (cifre dopo il separatore decimale) è <= 9.
Utilizza BIGNUMERIC (alias BIGDECIMAL) di BigQuery quando la bilancia > 9,

Utilizza la classe di archiviazione con parametri tipi di dati decimali se devi applicare limiti di cifre o di scala personalizzati (vincoli).

Teradata consente di inserire valori di precisione maggiore mediante l'arrotondamento il valore memorizzato; ma mantiene l'elevata precisione nei calcoli. Questo può determinare comportamento di arrotondamento imprevisto rispetto allo standard ANSI.

REAL FLOAT64
CHAR/CHARACTER STRING

Utilizza la classe di archiviazione con parametri STRING se devi applicare in modo forzato una lunghezza massima di caratteri.

VARCHAR STRING

Utilizza la classe di archiviazione con parametri STRING se devi applicare in modo forzato una lunghezza massima di caratteri.

CLOB STRING
JSON JSON
BLOB BYTES
BYTE BYTES
VARBYTE BYTES
DATE DATE BigQuery non supporta una formattazione personalizzata simile a quella Supporta Teradata con DataForm nei file SDF.
TIME TIME
TIME WITH TIME ZONE TIME Teradata archivia il tipo di dati TIME in UTC e ti consente di: passare un offset rispetto al fuso orario UTC utilizzando la sintassi WITH TIME ZONE. Il tipo di dati TIME in BigQuery rappresenta un orario indipendente da data o fuso orario.
TIMESTAMP TIMESTAMP Sia Teradata che BigQuery TIMESTAMP i tipi di dati hanno una precisione in microsecondi (ma Teradata supporta i secondi intercalari, mentre al contrario di BigQuery).

In genere sono associati i tipi di dati Teradata e BigQuery con un fuso orario UTC (dettagli).
TIMESTAMP WITH TIME ZONE TIMESTAMP Il TIMESTAMP di Teradata può essere impostato su un fuso orario diverso a livello di sistema, per utente o per colonna (utilizzando WITH TIME ZONE).

Il tipo TIMESTAMP di BigQuery presuppone il fuso UTC se non specifichino esplicitamente un fuso orario. Assicurati di esportare il fuso orario le informazioni correttamente (non concatenare DATE e TIME senza informazioni sul fuso orario) in modo che BigQuery può convertirlo al momento dell'importazione. Oppure assicurati di convertire le informazioni sul fuso orario in UTC prima dell'esportazione.

BigQuery ha DATETIME per un'astrazione tra l'ora civile, che non mostra il fuso orario in fase di output, e TIMESTAMP, un momento preciso che viene sempre visualizzato il fuso orario UTC.
ARRAY ARRAY
MULTI-DIMENSIONAL ARRAY ARRAY In BigQuery, utilizza un array di struct, con ogni struct contenente un campo di tipo ARRAY (per maggiori dettagli, consulta BigQuery documentazione).
INTERVAL HOUR INT64
INTERVAL MINUTE INT64
INTERVAL SECOND INT64
INTERVAL DAY INT64
INTERVAL MONTH INT64
INTERVAL YEAR INT64
PERIOD(DATE) DATE, DATE PERIOD(DATE) deve essere convertito in due DATE colonne contenenti le date di inizio e di fine in modo da poterle utilizzare con funzioni finestra.
PERIOD(TIMESTAMP WITH TIME ZONE) TIMESTAMP, TIMESTAMP
PERIOD(TIMESTAMP) TIMESTAMP, TIMESTAMP
PERIOD(TIME) TIME, TIME
PERIOD(TIME WITH TIME ZONE) TIME, TIME
UDT STRING
XML STRING
TD_ANYTYPE STRING

Per ulteriori informazioni sulla trasmissione del tipo, consulta la sezione successiva.

Formattazione del tipo Teradata

Teradata SQL utilizza un insieme di formati predefiniti per visualizzare espressioni e e per le conversioni tra tipi di dati diversi. Ad esempio, un Il tipo di dati PERIOD(DATE) in modalità INTEGERDATE è formattato come YY/MM/DD per impostazione predefinita. Ti consigliamo di utilizzare la modalità ANSIDATE, ove possibile, per assicurarti conforme ad ANSI SQL e sfrutta questa opportunità per eliminare i formati precedenti.

Teradata consente l'applicazione automatica di formati personalizzati utilizzando FORMAT senza modificare lo spazio di archiviazione sottostante, sia come attributo del tipo di dati quando crei una tabella utilizzando DDL o in un'espressione derivata. Per Ad esempio, la specifica FORMAT 9.99 arrotonda qualsiasi valore FLOAT a due cifre. In BigQuery, questa funzionalità deve essere convertita utilizzando il metodo Funzione ROUND().

Questa funzionalità richiede la gestione di complessi casi limite. Ad esempio, quando la clausola FORMAT viene applicata a una colonna NUMERIC, devi tenere in considerazione regole di formattazione e arrotondamento speciali dell'account. È possibile usare una clausola FORMAT per trasmettere in modo implicito un valore dell'epoca INTEGER a un DATE. Oppure una specifica FORMAT X(6) su una colonna VARCHAR tronca il valore della colonna e devi quindi convertirlo in un SUBSTR() personalizzata. Questo comportamento non è conforme ad ANSI SQL. Pertanto, ti suggeriamo di non migrazione dei formati delle colonne a BigQuery.

Se i formati colonna sono assolutamente necessari, utilizza gli elementi View. o funzioni definite dall'utente.

Per informazioni sui formati predefiniti utilizzati da Teradata SQL per ogni dato tipo, consulta le Formattazione predefinita di Teradata documentazione.

Formattazione di timestamp e tipo di data

La tabella seguente riassume le differenze di timestamp e data degli elementi di formattazione tra SQL Teradata e GoogleSQL.

Formato Teradata Descrizione Teradata BigQuery
CURRENT_TIMESTAMP
CURRENT_TIME 		Le informazioni su TIME e TIMESTAMP in Teradata possono hanno informazioni di fuso orario diverse, definite utilizzando WITH TIME ZONE. Se possibile, utilizza CURRENT_TIMESTAMP(), che è formattato in formato ISO. Tuttavia, il formato di output mostra sempre il fuso orario UTC. Internamente, BigQuery non ha un fuso orario.

Di seguito sono riportati i dettagli sulle differenze nel formato ISO.

Il formato DATETIME è basato sulle convenzioni del canale di output. Nel lo strumento a riga di comando BigQuery e BigQuery viene formattato utilizzando un separatore T secondo RFC 3339. Tuttavia, in JDBC per Python e Java, uno spazio viene utilizzato come separatore.

Se vuoi usare un formato esplicito, usa FORMAT_DATETIME(), il che rende esplicita la trasmissione di una stringa. Ad esempio, l'espressione restituisce sempre un separatore di spazi:

CAST(CURRENT_DATETIME() AS STRING)

Teradata supporta un DEFAULT parola chiave in TIME colonne per impostare l'ora corrente (timestamp); e non viene usato in BigQuery.
CURRENT_DATE Le date vengono archiviate in Teradata come valori INT64 utilizzando seguente formula:

(YEAR - 1900) * 10000 + (MONTH * 100) + DAY

Le date possono essere formattate come numeri interi. 		BigQuery ha un formato DATE separato che fa sempre restituisce una data in formato ISO 8601.

Non puoi utilizzare DATE_FROM_UNIX_DATE perché è basata sul 1970.

Teradata supporta una DEFAULT parola chiave in DATE colonne per impostare la data corrente; questo non è utilizzata in BigQuery.
CURRENT_DATE-3 I valori delle date sono rappresentati come numeri interi. Teradata supporta l'aritmetica per i tipi di date. Per i tipi di date, usa DATE_ADD() o DATE_SUB().

BigQuery utilizza operatori aritmetici per i tipi di dati: INT64, NUMERIC e FLOAT64.
SYS_CALENDAR.CALENDAR Teradata offre una visualizzazione per consentire alle operazioni di calendario di andare oltre il numero intero operations. Non utilizzato in BigQuery.
SET SESSION DATEFORM=ANSIDATE Imposta il formato della data della sessione o del sistema su ANSI (ISO 8601). BigQuery utilizza sempre ISO 8601, quindi assicurati di convertire Date e ore di Teradata.

Sintassi delle query

Questa sezione illustra le differenze nella sintassi delle query tra Teradata e in BigQuery.

Istruzione SELECT

La maggior parte dei Teradata Estratti conto SELECT sono compatibili con BigQuery. La tabella seguente contiene un elenco di piccole differenze.

Teradata BigQuery
SEL Converti in SELECT. BigQuery non utilizza Abbreviazione SEL.
SELECT
  (subquery) AS flag,
  CASE WHEN flag = 1 THEN ...
 		In BigQuery, le colonne non possono fare riferimento all'output di altri colonne definite all'interno dello stesso elenco di selezione. Preferisci spostare una sottoquery in una clausola WITH.

WITH flags AS (
  subquery
),
SELECT
  CASE WHEN flags.flag = 1 THEN ...
SELECT * FROM table
WHERE A LIKE ANY ('string1', 'string2')
 		BigQuery non utilizza la logica ANY predicato.

La stessa funzionalità può essere ottenuta usando più OR operatori:

SELECT * FROM table
WHERE col LIKE 'string1' OR
      col LIKE 'string2'

In questo caso, anche il confronto tra stringhe differisce. Consulta la sezione Operatori di confronto.
SELECT TOP 10 * FROM table BigQuery utilizza LIMIT alla fine di una query anziché TOP n seguendo il SELECT parola chiave.

Operatori di confronto

La tabella seguente mostra gli operatori di confronto di Teradata specifici per Teradata e deve essere convertito in operatori conformi ad ANSI SQL:2011 utilizzati in in BigQuery.

Per informazioni sugli operatori in BigQuery, consulta Operatori della documentazione di BigQuery.

Teradata BigQuery Note
exp EQ exp2
exp IN (exp2, exp3) 		exp = exp2
exp IN (exp2, exp3)

Per mantenere una semantica non ANSI per NOT CASESPECIFIC, puoi utilizzare
RTRIM(UPPER(exp)) = RTRIM(UPPER(exp2)) 		Quando confronti le stringhe per stabilire l'uguaglianza, Teradata potrebbe ignorare la parte finale gli spazi vuoti, mentre BigQuery li considera parte stringa. Ad esempio, 'xyz'=' xyz' è TRUE in Teradata ma FALSE in BigQuery.

Teradata offre inoltre una NOT CASESPECIFIC attributo di colonna che indica a Teradata di ignorare quando si confrontano due stringhe. BigQuery è sempre scritto in maiuscole e minuscole quando si confrontano le stringhe. Ad esempio, 'xYz' = 'xyz' è TRUE in Teradata ma FALSE in BigQuery.
exp LE exp2 exp <= exp2
exp LT exp2 exp < exp2
exp NE exp2 exp <> exp2
exp != exp2
exp GE exp2 exp >= exp2
exp GT exp2 exp > exp2

JOIN condizioni

BigQuery e Teradata supportano lo stesso JOIN, Condizioni ON e USING. La tabella seguente contiene un elenco di differenze minime.

Teradata BigQuery Note
FROM A LEFT OUTER JOIN B ON A.date > B.start_date AND A.date < B.end_date FROM A LEFT OUTER JOIN (SELECT d FROM B JOIN UNNEST(GENERATE_DATE_ARRAY(B.start_date, B.end_date)) d) B ON A.date = B.date BigQuery supporta le clausole di disuguaglianza JOIN per tutti i join interni o se è stata assegnata almeno una condizione di uguaglianza (=). ma non solo una condizione di disuguaglianza (= e <) in un OUTER JOIN. Questi costrutti vengono talvolta utilizzati per eseguire query su intervalli di date o interi. BigQuery impedisce agli utenti di creare inavvertitamente cross join.
FROM A, B ON A.id = B.id FROM A JOIN B ON A.id = B.id Utilizzare una virgola tra le tabelle in Teradata è uguale a INNER JOIN, mentre in BigQuery equivale a CROSS JOIN (prodotto cartesiano). Poiché la virgola in BigQuery SQL precedente viene considerato come UNION, ti consigliamo di rendere esplicita l'operazione per evitare confusione.
FROM A JOIN B ON (COALESCE(A.id , 0) = COALESCE(B.id, 0)) FROM A JOIN B ON (COALESCE(A.id , 0) = COALESCE(B.id, 0)) Nessuna differenza per le funzioni scalari (costanti).
FROM A JOIN B ON A.id = (SELECT MAX(B.id) FROM B) FROM A JOIN (SELECT MAX(B.id) FROM B) B1 ON A.id = B1.id BigQuery impedisce agli utenti di utilizzare sottoquery correlate o aggregazioni nei predicati di join. Ciò consente BigQuery mette in parallelo le query.

Tipo di conversione e trasmissione

BigQuery ha tipi di dati meno numerosi, ma più ampi rispetto a Teradata, il che richiede che BigQuery sia più restrittivo nella trasmissione.

Teradata BigQuery Note
exp EQ exp2
exp IN (exp2, exp3) 		exp = exp2
exp IN (exp2, exp3)

Per mantenere una semantica non ANSI per NOT CASESPECIFIC, puoi utilizzare
RTRIM(UPPER(exp)) = RTRIM(UPPER(exp2)) 		Quando confronti le stringhe per stabilire l'uguaglianza, Teradata potrebbe ignorare la parte finale gli spazi vuoti, mentre BigQuery li considera parte stringa. Ad esempio, 'xyz'=' xyz' è TRUE in Teradata ma FALSE in BigQuery.

Teradata offre inoltre una NOT CASESPECIFIC attributo di colonna che indica a Teradata di ignorare quando si confrontano due stringhe. BigQuery è sempre scritto in maiuscole e minuscole quando si confrontano le stringhe. Ad esempio, 'xYz' = 'xyz' è TRUE in Teradata ma FALSE in BigQuery.
CAST(long_varchar_column AS CHAR(6)) LPAD(long_varchar_column, 6) La trasmissione di una colonna di caratteri in Teradata a volte viene utilizzata come e non ottimale per creare una sottostringa riempita.
CAST(92617 AS TIME) 92617 (FORMAT '99:99:99') PARSE_TIME("%k%M%S", CAST(92617 AS STRING))
 Teradata esegue molti conversioni di tipo implicite e arrotondamenti rispetto a BigQuery, che in genere è più restrittivo e applica gli standard ANSI.
(Questo esempio restituisce 09:26:17).
CAST(48.5 (FORMAT 'zz') AS FLOAT) CAST(SUBSTR(CAST(48.5 AS STRING), 0, 2) AS FLOAT64)
 I tipi di dati con virgola mobile e numerici possono richiedere regole di arrotondamento speciali se applicati con formati come le valute.
(questo esempio restituisce 48)

Vedi anche Operatori di confronto e i formati colonna. Sia i confronti che la formattazione delle colonne possono comportarsi come le trasmissioni del tipo.

QUALIFY, ROWS clausole

La clausola QUALIFY in Teradata ti consente di: filtrare i risultati per le funzioni finestra. In alternativa, ROWS frase può essere utilizzato per la stessa attività. Funzionano in modo simile a una condizione HAVING per una Clausola GROUP, che limita l'output dei valori in BigQuery chiamata funzioni finestra.

Teradata BigQuery
SELECT col1, col2
FROM table
QUALIFY ROW_NUMBER() OVER (PARTITION BY col1 ORDER BY col2) = 1; 		La clausola QUALIFY di Teradata con una finestra come ROW_NUMBER(), SUM(), COUNT() e con OVER PARTITION BY è espresso in BigQuery come una clausola WHERE su una sottoquery che contiene un valore di analisi.

ROW_NUMBER() in uso:

SELECT col1, col2
FROM (
  SELECT col1, col2,
  ROW_NUMBER() OVER (PARTITION BY col1 ORDER BY col2) RN
  FROM table
) WHERE RN = 1;

Viene utilizzato ARRAY_AGG, che supporta partizioni più grandi:

SELECT
  result.*
FROM (
  SELECT
    ARRAY_AGG(table ORDER BY table.col2
      DESC LIMIT 1)[OFFSET(0)]
  FROM table
  GROUP BY col1
) AS result;
SELECT col1, col2
FROM table
AVG(col1) OVER (PARTITION BY col1 ORDER BY col2 ROWS BETWEEN 2 PRECEDING AND CURRENT ROW); 		SELECT col1, col2
FROM table
AVG(col1) OVER (PARTITION BY col1 ORDER BY col2 RANGE BETWEEN 2 PRECEDING AND CURRENT ROW);

In BigQuery, sia RANGE sia ROWS può essere utilizzato nella clausola relativa al frame della finestra. Tuttavia, le clausole finestra possono essere utilizzata con funzioni finestra come AVG(), non con la numerazione come ROW_NUMBER().

NORMALIZE parola chiave

Teradata fornisce NORMALIZE parola chiave per le clausole SELECT per unire periodi o intervalli che si sovrappongono in un singolo periodo o intervallo che comprende tutti i valori dei singoli periodi.

BigQuery non supporta il tipo PERIOD, quindi qualsiasi PERIOD di testo in Teradata deve essere inserita in BigQuery come due campi DATE o DATETIME separati che corrispondono all'inizio e alla fine del punto.

Teradata BigQuery
SELECT NORMALIZE
    client_id,
    item_sid,
    BEGIN(period) AS min_date,
    END(period) AS max_date,
  FROM
    table;
 		SELECT
  t.client_id,
  t.item_sid,
  t.min_date,
  MAX(t.dwh_valid_to) AS max_date
FROM (
  SELECT
    d1.client_id,
    d1.item_sid,
    d1.dwh_valid_to AS dwh_valid_to,
    MIN(d2.dwh_valid_from) AS min_date
  FROM
    table d1
  LEFT JOIN
    table d2
  ON
    d1.client_id = d2.client_id
    AND d1.item_sid = d2.item_sid
    AND d1.dwh_valid_to >= d2.dwh_valid_from
    AND d1.dwh_valid_from < = d2.dwh_valid_to
  GROUP BY
    d1.client_id,
    d1.item_sid,
    d1.dwh_valid_to ) t
GROUP BY
  t.client_id,
  t.item_sid,
  t.min_date;

Funzioni

Le sezioni seguenti elencano le mappature tra le funzioni Teradata e equivalenti BigQuery.

Funzioni di aggregazione

La tabella seguente mappa i dati aggregati di Teradata, le funzioni di aggregazione statistica e di aggregazione approssimata alle loro equivalenti BigQuery. BigQuery offre le seguenti funzioni di aggregazione aggiuntive:

Teradata BigQuery
AVG AVG
BITAND BIT_AND
BITNOT A bit Operatore not (~)
BITOR BIT_OR
BITXOR BIT_XOR
CORR CORR
COUNT COUNT
COVAR_POP COVAR_POP
COVAR_SAMP COVAR_SAMP
MAX MAX
MIN MIN
REGR_AVGX AVG(
  IF(dep_var_expression is NULL
     OR ind_var_expression is NULL,
     NULL, ind_var_expression)
)
REGR_AVGY AVG(
  IF(dep_var_expression is NULL
     OR ind_var_expression is NULL,
     NULL, dep_var_expression)
)
REGR_COUNT SUM(
  IF(dep_var_expression is NULL
     OR ind_var_expression is NULL,
     NULL, 1)
)
REGR_INTERCEPT AVG(dep_var_expression) - AVG(ind_var_expression) * (COVAR_SAMP(ind_var_expression,
              dep_var_expression)
   / VARIANCE(ind_var_expression))
REGR_R2 (COUNT(dep_var_expression)*
 SUM(ind_var_expression * dep_var_expression) -
 SUM(dep_var_expression) * SUM(ind_var_expression))
/ SQRT(
     (COUNT(ind_var_expression)*
      SUM(POWER(ind_var_expression, 2))*
      POWER(SUM(ind_var_expression),2))*
     (COUNT(dep_var_expression)*
      SUM(POWER(dep_var_expression, 2))*
      POWER(SUM(dep_var_expression), 2)))
REGR_SLOPE - COVAR_SAMP(ind_var_expression,
            dep_var_expression)
/ VARIANCE(ind_var_expression)
REGR_SXX SUM(POWER(ind_var_expression, 2)) - COUNT(ind_var_expression) *
  POWER(AVG(ind_var_expression),2)
REGR_SXY SUM(ind_var_expression * dep_var_expression) - COUNT(ind_var_expression)
  * AVG(ind_var_expression) * AVG(dep_var_expression)
REGR_SYY SUM(POWER(dep_var_expression, 2)) - COUNT(dep_var_expression)
  * POWER(AVG(dep_var_expression),2)
SKEW Funzione personalizzata definita dall'utente.
STDDEV_POP STDDEV_POP
STDDEV_SAMP STDDEV_SAMP, STDDEV
SUM SUM
VAR_POP VAR_POP
VAR_SAMP VAR_SAMP, VARIANCE

Funzioni analitiche e funzioni finestra

La seguente tabella mappa i dati di analisi e di aggregare le funzioni di analisi equivalenti funzione finestra. BigQuery offre le seguenti opzioni funzioni aggiuntive:

Teradata BigQuery
ARRAY_AGG ARRAY_AGG
ARRAY_CONCAT, (|| operator) ARRAY_CONCAT_AGG, (|| operator)
BITAND BIT_AND
BITNOT A bit Operatore not (~)
BITOR BIT_OR
BITXOR BIT_XOR
CORR CORR
COUNT COUNT
COVAR_POP COVAR_POP
COVAR_SAMP COVAR_SAMP
CUME_DIST CUME_DIST
DENSE_RANK (ANSI) DENSE_RANK
FIRST_VALUE FIRST_VALUE
LAST_VALUE LAST_VALUE
MAX MAX
MIN MIN
PERCENT_RANK PERCENT_RANK
PERCENTILE_CONT, PERCENTILE_DISC PERCENTILE_CONT, PERCENTILE_DISC
RANK (ANSI) RANK
ROW_NUMBER ROW_NUMBER
STDDEV_POP STDDEV_POP
STDDEV_SAMP STDDEV_SAMP, STDDEV
SUM SUM
VAR_POP VAR_POP
VAR_SAMP VAR_SAMP, VARIANCE

Funzioni di data/ora

La tabella seguente mappa le funzioni di data/ora comuni di Teradata agli equivalenti BigQuery. BigQuery offre le seguenti funzioni aggiuntive di data/ora:

Teradata BigQuery
ADD_MONTHS DATE_ADD, TIMESTAMP_ADD
CURRENT_DATE CURRENT_DATE
CURRENT_TIME CURRENT_TIME
CURRENT_TIMESTAMP CURRENT_TIMESTAMP
DATE + k DATE_ADD(date_expression, INTERVAL k DAY)
DATE - k DATE_SUB(date_expression, INTERVAL k DAY)
EXTRACT EXTRACT(DATE), EXTRACT(TIMESTAMP)
FORMAT_DATE
FORMAT_DATETIME
FORMAT_TIME
FORMAT_TIMESTAMP
LAST_DAY LAST_DAY Nota: questa funzione supporta le espressioni di input sia DATE che DATETIME.
MONTHS_BETWEEN DATE_DIFF(date_expression, date_expression, MONTH)
NEXT_DAY DATE_ADD(
  DATE_TRUNC(
    date_expression,
    WEEK(day_value)
  ),
  INTERVAL 1 WEEK
)
OADD_MONTHS DATE_SUB(
  DATE_TRUNC(
    DATE_ADD(
      date_expression,
      INTERVAL num_months MONTH
    ),
    MONTH
  ),
  INTERVAL 1 DAY
)
td_day_of_month EXTRACT(DAY FROM date_expression)
EXTRACT(DAY FROM timestamp_expression)
td_day_of_week EXTRACT(DAYOFWEEK FROM date_expression)
EXTRACT(DAYOFWEEK FROM timestamp_expression)
td_day_of_year EXTRACT(DAYOFYEAR FROM date_expression)
EXTRACT(DAYOFYEAR FROM timestamp_expression)
td_friday DATE_TRUNC(
  date_expression,
  WEEK(FRIDAY)
)
td_monday DATE_TRUNC(
  date_expression,
  WEEK(MONDAY)
)
td_month_begin DATE_TRUNC(date_expression, MONTH)
td_month_end DATE_SUB(
  DATE_TRUNC(
    DATE_ADD(
      date_expression,
      INTERVAL 1 MONTH
    ),
    MONTH
  ),
  INTERVAL 1 DAY
)
td_month_of_calendar (EXTRACT(YEAR FROM date_expression) - 1900) * 12 + EXTRACT(MONTH FROM date_expression)
td_month_of_quarter EXTRACT(MONTH FROM date_expression)
- ((EXTRACT(QUARTER FROM date_expression) - 1) * 3)
td_month_of_year EXTRACT(MONTH FROM date_expression)
EXTRACT(MONTH FROM timestamp_expression)
td_quarter_begin DATE_TRUNC(date_expression, QUARTER)
td_quarter_end DATE_SUB(
  DATE_TRUNC(
    DATE_ADD(
      date_expression,
      INTERVAL 1 QUARTER
    ),
    QUARTER
  ),
  INTERVAL 1 DAY
)
td_quarter_of_calendar (EXTRACT(YEAR FROM date_expression)
- 1900) * 4
+ EXTRACT(QUARTER FROM date_expression)
td_quarter_of_year EXTRACT(QUARTER FROM date_expression)
EXTRACT(QUARTER FROM timestamp_expression)
td_saturday DATE_TRUNC(
  date_expression,
  WEEK(SATURDAY)
)
td_sunday DATE_TRUNC(
  date_expression,
  WEEK(SUNDAY)
)
td_thursday DATE_TRUNC(
  date_expression,
  WEEK(THURSDAY)
)
td_tuesday DATE_TRUNC(
  date_expression,
  WEEK(TUESDAY)
)
td_wednesday DATE_TRUNC(
  date_expression,
  WEEK(WEDNESDAY)
)
td_week_begin DATE_TRUNC(date_expression, WEEK)
td_week_end DATE_SUB(
  DATE_TRUNC(
    DATE_ADD(
      date_expression,
      INTERVAL 1 WEEK
    ),
    WEEK
  ),
  INTERVAL 1 DAY
)
td_week_of_calendar (EXTRACT(YEAR FROM date_expression) - 1900) * 52 + EXTRACT(WEEK FROM date_expression)
td_week_of_month EXTRACT(WEEK FROM date_expression)
- EXTRACT(WEEK FROM DATE_TRUNC(date_expression, MONTH))
td_week_of_year EXTRACT(WEEK FROM date_expression)
EXTRACT(WEEK FROM timestamp_expression)
td_weekday_of_month CAST(
  CEIL(
    EXTRACT(DAY FROM date_expression)
    / 7
  ) AS INT64
)
td_year_begin DATE_TRUNC(date_expression, YEAR)
td_year_end DATE_SUB(
  DATE_TRUNC(
    DATE_ADD(
      date_expression,
      INTERVAL 1 YEAR
    ),
    YEAR
  ),
  INTERVAL 1 DAY
)
td_year_of_calendar EXTRACT(YEAR FROM date_expression)
TO_DATE PARSE_DATE
TO_TIMESTAMP PARSE_TIMESTAMP
TO_TIMESTAMP_TZ PARSE_TIMESTAMP

Funzioni di stringa

La tabella seguente mappa le funzioni stringa di Teradata alle relative equivalenti BigQuery. BigQuery offre le seguenti funzioni stringa aggiuntive:

Teradata BigQuery
ASCII TO_CODE_POINTS(string_expression)[OFFSET(0)]
CHAR2HEXINT TO_HEX
CHARACTER LENGTH CHAR_LENGTH
CHARACTER LENGTH CHARACTER_LENGTH
CHR CODE_POINTS_TO_STRING(
  [mod(numeric_expression, 256)]
)
CONCAT, (|| operator) CONCAT, (|| operator)
CSV Funzione personalizzata definita dall'utente.
CSVLD Funzione personalizzata definita dall'utente.
FORMAT FORMAT
INDEX STRPOS(string, substring)
INITCAP INITCAP
INSTR Funzione personalizzata definita dall'utente.
LEFT SUBSTR(source_string, 1, length)
LENGTH LENGTH
LOWER LOWER
LPAD LPAD
LTRIM LTRIM
NGRAM Funzione personalizzata definita dall'utente.
NVP Funzione personalizzata definita dall'utente.
OREPLACE REPLACE
OTRANSLATE Funzione personalizzata definita dall'utente.
POSITION STRPOS(string, substring)
REGEXP_INSTR STRPOS(source_string,
REGEXP_EXTRACT(source_string, regexp_string))

Nota: restituisce la prima occorrenza.
REGEXP_REPLACE REGEXP_REPLACE
REGEXP_SIMILAR IF(REGEXP_CONTAINS,1,0)
REGEXP_SUBSTR REGEXP_EXTRACT,
REGEXP_EXTRACT_ALL
REGEXP_SPLIT_TO_TABLE Funzione personalizzata definita dall'utente.
REVERSE REVERSE
RIGHT SUBSTR(source_string, -1, length)
RPAD RPAD
RTRIM RTRIM
STRTOK

Nota: ogni carattere nell'argomento stringa del delimitatore è considerato un carattere di delimitatore separato. Il delimitatore predefinito è uno spazio .		 SPLIT(instring, delimiter)[ORDINAL(tokennum)]

Nota: l'intero argomento della stringa delimitatore è utilizzato come singolo delimitatore. Il delimitatore predefinito è una virgola.
STRTOK_SPLIT_TO_TABLE Funzione personalizzata definita dall'utente
SUBSTRING, SUBSTR SUBSTR
TRIM TRIM
UPPER UPPER

Funzioni matematiche

La tabella seguente mappa le funzioni matematiche di Teradata alle relative equivalenti BigQuery. BigQuery offre le seguenti funzioni matematiche aggiuntive:

Teradata BigQuery
ABS ABS
ACOS ACOS
ACOSH ACOSH
ASIN ASIN
ASINH ASINH
ATAN ATAN
ATAN2 ATAN2
ATANH ATANH
CEILING CEIL
CEILING CEILING
COS COS
COSH COSH
EXP EXP
FLOOR FLOOR
GREATEST GREATEST
LEAST LEAST
LN LN
LOG LOG
MOD (operatore %) MOD
NULLIFZERO NULLIF(expression, 0)
POWER (operatore **) POWER, POW
RANDOM RAND
ROUND ROUND
SIGN SIGN
SIN SIN
SINH SINH
SQRT SQRT
TAN TAN
TANH TANH
TRUNC TRUNC
ZEROIFNULL IFNULL(expression, 0), COALESCE(expression, 0)

Sintassi DML

Questa sezione illustra le differenze nella sintassi del linguaggio di gestione dei dati Teradata e BigQuery.

Istruzione INSERT

La maggior parte delle istruzioni INSERT di Teradata è compatibile con BigQuery. La tabella seguente mostra le eccezioni.

Gli script DML in BigQuery hanno coerenza leggermente diversa rispetto alle istruzioni equivalenti in Teradata. Per una panoramica per l'isolamento degli snapshot e la gestione di sessioni e transazioni, CREATE INDEX sezione in un altro punto del documento.

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

Teradata offre una parola chiave DEFAULT per le colonne con valori non null.

Nota: in BigQuery, l'omissione dei nomi delle colonne nelle l'istruzione INSERT funziona solo se i valori per tutte le colonne in le tabelle target vengono incluse in ordine crescente in base al loro posizioni.
INSERT INTO table VALUES (1,2,3);
INSERT INTO table VALUES (4,5,6);
INSERT INTO table VALUES (7,8,9); 		INSERT INTO table VALUES (1,2,3),
                         (4,5,6),
                         (7,8,9);
Teradata ha un concetto di multi-statement richiesta (MSR), che invia più istruzioni INSERT alla volta. In BigQuery, questa operazione non è consigliata a causa del confine tra transazioni implicite tra le istruzioni. Utilizza più valori. INSERT in alternativa.

BigQuery consente istruzioni INSERT simultanee, ma potrebbe accodare UPDATE. Per migliorare le prestazioni, considera questi approcci:
  • Combina più righe in una singola istruzione INSERT, anziché una riga per INSERT operazione.
  • Combina più istruzioni DML (tra cui INSERT) utilizzando un Informativa MERGE.
  • Usa CREATE TABLE ... AS SELECT per creare e compilare nuovi anziché UPDATE o DELETE, in particolare quando si eseguono query sui campi partizionati oppure con il rollback o il ripristino.

Istruzione UPDATE

La maggior parte degli estratto conto Teradata UPDATE sono compatibili con BigQuery, ad eccezione dei seguenti elementi:

  • Quando utilizzi una clausola FROM, l'ordine di FROM e SET viene invertito in Teradata e BigQuery.
  • In GoogleSQL, ogni istruzione UPDATE deve includere la parola chiave WHERE, seguito da una condizione. Per aggiornare tutte le righe della tabella, utilizza WHERE true.

Come best practice, dovresti raggruppare più mutazioni DML anziché singole Estratti conto UPDATE e INSERT. Gli script DML in BigQuery hanno una semantica a coerenza leggermente diversa rispetto alle istruzioni equivalenti in Teradata. Per una panoramica dell'isolamento degli snapshot e della gestione di sessioni e transazioni, consulta il CREATE INDEX sezione in un altro punto del documento.

La tabella seguente mostra le istruzioni UPDATE di Teradata e Istruzioni BigQuery che svolgono le stesse attività.

Per saperne di più su UPDATE in BigQuery, consulta Esempi di UPDATE di BigQuery nella documentazione di DML.

Teradata BigQuery
UPDATE table_A
FROM table_A, table_B
SET
  y = table_B.y,
  z = table_B.z + 1
WHERE table_A.x = table_B.x
  AND table_A.y IS NULL; 		UPDATE table_A
SET
  y = table_B.y,
  z = table_B.z + 1
FROM table_B
WHERE table_A.x = table_B.x
  AND table_A.y IS NULL;
UPDATE table alias
SET x = x + 1
WHERE f(x) IN (0, 1); 		UPDATE table
SET x = x + 1
WHERE f(x) IN (0, 1);
UPDATE table_A
FROM table_A, table_B, B
SET z = table_B.z
WHERE table_A.x = table_B.x
  AND table_A.y = table_B.y;
 		UPDATE table_A
SET z = table_B.z
FROM table_B
WHERE table_A.x = table_B.x
  AND table_A.y = table_B.y;

Estratti conto DELETE e TRUNCATE

Entrambe le istruzioni DELETE e TRUNCATE sono modi per rimuovere righe da un senza influire sullo schema o sugli indici della tabella. TRUNCATE non è utilizzato in da Teradata o BigQuery. Tuttavia, puoi utilizzare DELETE istruzioni per ottenere lo stesso effetto.

In BigQuery, l'istruzione DELETE deve avere una clausola WHERE. Per eliminare tutte le righe della tabella (troncare), utilizza WHERE true. Troncamento rapido operazioni per tabelle molto grandi, consigliamo di utilizzare CREATE OR REPLACE TABLE ... AS SELECT utilizzando un'istruzione LIMIT 0 nella stessa tabella. Tuttavia, assicurati di aggiungere manualmente le informazioni di partizionamento e clustering quando le utilizzi.

Teradata vacuum ha eliminato le righe in un secondo momento. Ciò significa che le operazioni DELETE vengono inizialmente più veloce rispetto a BigQuery, ma richiedono risorse in un secondo momento, in particolare per operazioni DELETE su larga scala che interessano la maggior parte . Per utilizzare un approccio simile in BigQuery, suggeriamo di ridurre il numero di operazioni DELETE, ad esempio la copia delle righe da non eliminare in una nuova tabella. In alternativa, puoi rimuovere intere partizioni. Entrambe queste opzioni sono progettate per essere operazioni più veloci delle mutazioni DML atomiche.

Per saperne di più su DELETE in BigQuery, consulta DELETE esempi nella documentazione di DML.

Teradata BigQuery
BEGIN TRANSACTION;
LOCKING TABLE table_A FOR EXCLUSIVE;
DELETE FROM table_A;
INSERT INTO table_A SELECT * FROM table_B;
END TRANSACTION; 		La sostituzione dei contenuti di una tabella con l'output della query è l'equivalente di una transazione. Puoi farlo con un'operazione query o una copia operativa.

Con un'operazione di query:

bq query --replace --destination_table table_A 'SELECT * FROM table_B';

Utilizzo di un'operazione di copia:

bq cp -f table_A table_B
DELETE database.table ALL; DELETE FROM table WHERE TRUE;

In alternativa, per tabelle molto grandi, puoi procedere più rapidamente:
CREATE OR REPLACE table AS SELECT * FROM table LIMIT 0;

Istruzione MERGE

L'istruzione MERGE può combinare le operazioni INSERT, UPDATE e DELETE in un unico "superiore" ed eseguire le operazioni a livello atomico. La L'operazione MERGE deve corrispondere al massimo a una riga di origine per ogni riga target. Sia BigQuery che Teradata seguono la sintassi ANSI.

L'operazione MERGE di Teradata è limitata alla corrispondenza delle chiavi primarie in una processore modulo di accesso (AMP). Al contrario, BigQuery non ha limiti di dimensioni o colonne per MERGE, pertanto l'utilizzo di MERGE è un'ottimizzazione utile. Tuttavia, se MERGE è principalmente un'eliminazione di grandi dimensioni, consulta le ottimizzazioni per DELETE in altre sezioni del documento.

Gli script DML in BigQuery hanno lievi differenze e coerenza più elevata rispetto alle istruzioni equivalenti in Teradata. Ad esempio: Le tabelle SET di Teradata in modalità sessione potrebbero ignora duplicati durante un'operazione MERGE. Per una panoramica della gestione di MULTISET e IMPOSTARE tabelle, isolamento degli snapshot e gestione di sessioni e transazioni vedi il CREATE INDEX sezione in un altro punto del documento.

Variabili interessate da righe

In Teradata, il ACTIVITY_COUNT è un'estensione SQL ANSI di Teradata compilata con il numero di righe interessati da un'istruzione DML.

La variabile di sistema @@row_count nella funzionalità di script ha una funzionalità simile. In BigQuery sarebbe più comune controllare la numDmlAffectedRows restituiscono il valore negli audit log o nelle viste INFORMATION_SCHEMA.

Sintassi DDL

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

Istruzione CREATE TABLE

La maggior parte dei Teradata CREATE TABLE sono compatibili con BigQuery, ad eccezione delle seguenti di sintassi non utilizzati in BigQuery:

Per saperne di più su CREATE TABLE in BigQuery, consulta Esempi di CREATE di BigQuery nella documentazione di DML.

Opzioni e attributi delle colonne

Le seguenti specifiche di colonna per l'istruzione CREATE TABLE non sono utilizzata in BigQuery:

Teradata estende lo standard ANSI con una colonna TITLE . Questa funzionalità può essere implementata in modo simile in BigQuery utilizzando la descrizione della colonna come mostrato nella tabella seguente. Tieni presente che questa opzione non è disponibile per le viste.

Teradata BigQuery
CREATE TABLE table (
col1 VARCHAR(30) TITLE 'column desc'
); 		CREATE TABLE dataset.table (
  col1 STRING
OPTIONS(description="column desc")
);

Tabelle temporanee

Teradata supporta volatile che sono spesso utilizzate per archiviare risultati intermedi negli script. Esistono diversi modi per ottenere qualcosa di simile alle tabelle volatili in BigQuery:

  • CREATE TEMPORARY TABLE può essere utilizzato nello scripting, ed è valido per tutta la durata dello script. Se la tabella deve esistere oltre allo script, puoi utilizzare le altre opzioni in questo elenco.

  • TTL del set di dati: crea un set di dati di breve durata (ad esempio, 1 ora) in modo che tutte le tabelle create nel set di dati siano temporaneamente poiché non durano più a lungo della durata del set di dati. Puoi anteporre temp a tutti i nomi delle tabelle in questo set di dati in modo indica che le tabelle sono temporanee.

  • TTL tabella: crea una tabella con un breve periodo di tempo specifico per utilizzando istruzioni DDL simili alle seguenti:

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

  • Clausola WITH: se è necessaria una tabella temporanea solo all'interno della stessa blocca, utilizza un risultato temporaneo WITH un'istruzione o una sottoquery. Questa è l'opzione più efficiente.

Un pattern utilizzato spesso negli script Teradata (BTEQ) consiste nel creare una tabella permanente, inserire un valore al suo interno, utilizzare questo come nelle istruzioni in corso, per poi eliminarla o troncarla in seguito. In questo modo viene utilizzata la tabella come variabile costante (un semaforo). Questo non è efficiente in BigQuery e consigliamo di usare variabili reali in Scripting oppure usare CREATE OR REPLACE con AS SELECT la sintassi della query per creare una tabella che contiene già dei valori.

Istruzione CREATE VIEW

La tabella seguente mostra gli equivalenti tra Teradata e BigQuery per l'istruzione CREATE VIEW. Le clausole della tabella del blocco come LOCKING ROW FOR ACCESS non sono necessarie in BigQuery.

Teradata BigQuery Note
CREATE VIEW view_name AS SELECT ... CREATE VIEW view_name AS SELECT ...
REPLACE VIEW view_name AS SELECT ... CREATE OR REPLACE VIEW
view_name AS
SELECT ...
Non supportata CREATE VIEW IF NOT EXISTS
OPTIONS(view_option_list)
AS SELECT ... 		Crea una nuova vista solo se la vista non esiste al momento nel del set di dati specificato.

Istruzione CREATE [UNIQUE] INDEX

Teradata richiede indici per tutte le tabelle e richiede soluzioni alternative speciali come MULTISET e Tabelle NoPI lavorare con dati non univoci o non indicizzati.

BigQuery non richiede indici. Questa sezione descrive di BigQuery su come creare funzionalità simili a come vengono utilizzati gli indici in Teradata quando esiste un'effettiva esigenza di logica di business.

Indicizzazione per il rendimento

Poiché è un database orientato a colonne con ottimizzazione di query e archiviazione, BigQuery non ha bisogno di indici espliciti. BigQuery offre funzionalità come partizionamento e clustering così come campi nidificati, che può aumentare l'efficienza e le prestazioni delle query ottimizzando il modo in cui i dati vengono archiviati.

Teradata non supporta le viste materializzate. Tuttavia, offre indici di join utilizzando l'istruzione CREATE JOIN INDEX, che essenzialmente materializza i dati necessario per un join. BigQuery non ha bisogno di modelli per velocizzare le prestazioni, così come non ha bisogno di uno spool dedicato spazio per i join.

Per altri casi di ottimizzazione, le viste materializzate è possibile utilizzare.

Indicizzazione per coerenza (UNIQUE, PRIMARY INDEX)

In Teradata, è possibile utilizzare un indice univoco per impedire le righe con chiavi non univoche in una tabella. Se un processo tenta di inserire o aggiornare dati con un valore già presenti nell'indice, l'operazione non va a buon fine e causa una violazione dell'indice (tabelle MULTISET) o la ignora automaticamente (tabelle SET).

Poiché BigQuery non fornisce indici espliciti, un MERGE è possibile utilizzare l'istruzione per inserire solo record univoci in una tabella di destinazione da una tabella temporanea mentre vengono eliminati i record duplicati. Tuttavia, non c'è un modo per impedire a un utente con autorizzazioni di modifica di inserire un record duplicato, perché BigQuery non si blocca mai durante le operazioni di INSERT. Per generare un errore per i record duplicati in BigQuery, puoi: utilizza un'istruzione MERGE di una tabella temporanea, come mostrato di seguito esempio.

Teradata BigQuery
CREATE [UNIQUE] INDEX name; MERGE `prototype.FIN_MERGE` t
USING `prototype.FIN_TEMP_IMPORT` m
ON t.col1 = m.col1
  AND t.col2 = m.col2
WHEN MATCHED THEN
  UPDATE SET t.col1 = ERROR(CONCAT('Encountered error for ', m.col1, ' ', m.col2))
WHEN NOT MATCHED THEN
  INSERT (col1,col2,col3,col4,col5,col6,col7,col8) VALUES(col1,col2,col3,col4,col5,col6,CURRENT_TIMESTAMP(),CURRENT_TIMESTAMP());

Più spesso, gli utenti preferiscono rimuovere i duplicati in modo indipendente per trovare errori nei sistemi downstream.
BigQuery non supporta DEFAULT e IDENTITY (sequenze) colonne.

Indicizzazione per ottenere il blocco

Teradata fornisce risorse processore modulo di accesso (AMP); le query possono utilizzare risorse tutte AMP, AMP singole o AMP di gruppo. DDL sono completamente AMP e pertanto sono simili a un blocco DDL globale. BigQuery non dispone di un meccanismo di blocco come questo e può eseguire query simultanee e istruzioni INSERT fino alla tua quota; solo le istruzioni DML UPDATE simultanee hanno determinate implicazioni della contemporaneità: UPDATE operazioni sulla stessa partizione sono in coda per garantire lo snapshot l'isolamento, così non dovrai bloccarlo per evitare letture fantasma o la perdita degli aggiornamenti.

A causa di queste differenze, i seguenti elementi Teradata non vengono utilizzati BigQuery:

  • ON COMMIT DELETE ROWS;
  • ON COMMIT PRESERVE ROWS;

Istruzioni SQL procedurali

Questa sezione descrive come convertire le istruzioni SQL procedurali utilizzate in stored procedure, funzioni e trigger da Teradata a BigQuery Scripting, procedure o funzioni definite dall'utente. Tutti questi elementi possono essere controllati dagli amministratori di sistema utilizzando INFORMATION_SCHEMA visualizzazioni.

Istruzione CREATE PROCEDURE

Le stored procedure sono supportate in BigQuery Esecuzione di script.

In BigQuery, per scripting si intende qualsiasi utilizzo di istruzioni di controllo, mentre le procedure sono script denominati (con argomenti, se necessario) che possono essere richiamati da altri script e archiviati in modo permanente, se necessario. Una funzione definita dall'utente può essere scritta anche in JavaScript.

Teradata BigQuery
CREATE PROCEDURE CREATE PROCEDURE se è richiesto un nome, altrimenti usa l'incorporamento di BEGIN o su una sola riga con CREATE TEMP FUNCTION.
REPLACE PROCEDURE CREATE OR REPLACE PROCEDURE
CALL CALL

Le sezioni che seguono descrivono i modi per convertire i dati procedurali Teradata esistenti alle istruzioni di scripting BigQuery che hanno funzionalità.

Dichiarazione di variabili e assegnazione

Le variabili BigQuery sono valide per tutta la durata dello script.

Teradata BigQuery
DECLARE DECLARE
SET SET

Gestori delle condizioni degli errori

Teradata utilizza gestori sui codici di stato nelle procedure per il controllo degli errori. Nel BigQuery, la gestione degli errori è una funzionalità principale del controllo simile a quello fornito da altre lingue con i blocchi TRY ... CATCH.

Teradata BigQuery
DECLARE EXIT HANDLER FOR SQLEXCEPTION BEGIN ... EXCEPTION WHEN ERROR THEN
SIGNAL sqlstate RAISE message
DECLARE CONTINUE HANDLER FOR SQLSTATE VALUE 23505; I gestori di eccezioni che si attivano per determinate condizioni di errore non vengono utilizzati da BigQuery.

Ti consigliamo di utilizzare ASSERT in cui vengono utilizzate condizioni di uscita per i precontrolli o il debug, in quanto sono conformi ad ANSI SQL:2011.

La SQLSTATE in Teradata è simile alla variabile di sistema @@error in BigQuery. In BigQuery, è più comune esamina gli errori utilizzando il log di controllo o INFORMATION_SCHEMA visualizzazioni.

Dichiarazioni e operazioni del cursore

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

Istruzioni SQL dinamiche

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

Teradata BigQuery
EXECUTE IMMEDIATE sql_str; EXECUTE IMMEDIATE sql_str;
EXECUTE stmt_id [USING var,...]; EXECUTE IMMEDIATE stmt_id USING var;

Le seguenti istruzioni SQL dinamiche non vengono utilizzate in BigQuery:

Istruzioni Flow-of-control

La funzionalità di script in BigQuery supporta istruzioni flow-of-control come quelle mostrate nella tabella seguente.

Teradata BigQuery
IF condition THEN stmts ELSE stmts END IF IF condition THEN stmts ELSE stmts END IF
label_name: LOOP stmts END LOOP label_name; I costrutti a blocchi in stile GOTO non vengono utilizzati in BigQuery.

Ti consigliamo di riscriverli come funzioni definite dall'utente oppure utilizza le istruzioni ASSERT quando vengono utilizzate per la gestione degli errori.
REPEAT stmts UNTIL condition END REPEAT; WHILE condition DO stmts END WHILE
LEAVE outer_proc_label; LEAVE non viene utilizzato per i blocchi di tipo GOTO. viene utilizzato come sinonimo di BREAK per lasciare un loop WHILE.
LEAVE label; LEAVE non viene utilizzato per i blocchi di tipo GOTO. viene utilizzato come sinonimo di BREAK per lasciare un loop WHILE.
WITH RECURSIVE temp_table AS ( ... ); Le query ricorsive (note anche come espressioni di tabella ricorrenti comuni (CTE)) non vengono utilizzate in BigQuery. Possono essere riscritti utilizzando array di UNION ALL.

Le seguenti istruzioni flow-of-control non vengono utilizzate in BigQuery poiché BigQuery non utilizza cursori o sessioni:

Istruzioni SQL per metadati e transazioni

Teradata BigQuery
HELP TABLE table_name;
HELP VIEW view_name; 		SELECT
 * EXCEPT(is_generated, generation_expression, is_stored, is_updatable)
FROM
 mydataset.INFORMATION_SCHEMA.COLUMNS;
WHERE
 table_name=table_name

La stessa query è valida per ottenere informazioni sulle colonne per le visualizzazioni.
Per ulteriori informazioni, consulta la colonna in BigQuery INFORMATION_SCHEMA.
SELECT * FROM dbc.tables WHERE tablekind = 'T';

(vista Teradata DBC)		 SELECT
 * EXCEPT(is_typed)
FROM
mydataset.INFORMATION_SCHEMA.TABLES;

Per ulteriori informazioni, consulta Introduzione in BigQuery INFORMATION_SCHEMA.
HELP STATISTICS table_name; APPROX_COUNT_DISTINCT(col)
COLLECT STATS USING SAMPLE ON table_name column (...); Non utilizzato in BigQuery.
LOCKING TABLE table_name FOR EXCLUSIVE; BigQuery utilizza sempre l'isolamento degli snapshot. Per maggiori dettagli, consulta Garanzie di coerenza in altre sezioni del documento.
SET SESSION CHARACTERISTICS AS TRANSACTION ISOLATION LEVEL ... BigQuery utilizza sempre l'isolamento degli snapshot. Per maggiori dettagli, vedi Garanzie di coerenza in altre sezioni del documento.
BEGIN TRANSACTION;
SELECT ...
END TRANSACTION; 		BigQuery utilizza sempre l'isolamento degli snapshot. Per maggiori dettagli, vedi Garanzie di coerenza in altre sezioni del documento.
EXPLAIN ... Non utilizzato in BigQuery.

Funzionalità simili sono il piano di query spiegazione nella UI web di BigQuery e lo slot allocazione visibile in INFORMATION_SCHEMA di visualizzazioni e nell'audit logging con Cloud Monitoring.

Istruzioni SQL a più istruzioni e multiriga

Sia Teradata che BigQuery supportano le transazioni (sessioni) e, di conseguenza, supportano istruzioni separate da punti e virgola che sono in modo coerente eseguite insieme. Per ulteriori informazioni, vedi Transazioni multi-istruzione.

Codici e messaggi di errore

I codici di errore Teradata e quelli di BigQuery sono diversi. Poiché fornisce un'API REST, BigQuery si basa principalmente sui codici di stato HTTP oltre a messaggi di errore dettagliati.

Se la logica dell'applicazione sta rilevando i seguenti errori, prova a elimina l'origine dell'errore, perché BigQuery non restituiscono gli stessi codici di errore.

  • SQLSTATE = '02000' - "Riga non trovata"
  • SQLSTATE = '21000' - "Violazione della cardinalità (indice univoco)"
  • SQLSTATE = '22000' - "Violazione dei dati (tipo di dati)"
  • SQLSTATE = '23000' - "Violazione del vincolo"

In BigQuery, sarebbe più comune utilizzare le viste INFORMATION_SCHEMA o l'audit logging per visualizzare in dettaglio gli errori.

Per informazioni su come gestire gli errori nello script, vedi le sezioni seguenti.

Garanzie di coerenza e isolamento delle transazioni

Sia Teradata che BigQuery sono atomici, ovvero compatibili con ACID un livello per mutazione su molte righe. Ad esempio, un'operazione MERGE completamente atomico, anche con più valori inseriti e aggiornati.

Transazioni

Teradata fornisce Lettura senza impegno (consente letture dirty) o Transazione serializzabile livello di isolamento in modalità sessione (anziché in modalità di commit automatico). Nella migliore delle ipotesi, Teradata raggiunge un isolamento strettamente serializzabile grazie al blocco pessimistico rispetto a un hash di riga in tutte le colonne delle righe di tutte le partizioni. Deadlock sono possibili. Il DDL forza sempre un limite di transazione. Job Teradata Fastload vengono eseguite in modo indipendente, ma solo su tabelle vuote.

BigQuery inoltre supporta le transazioni. BigQuery aiuta a garantire controllo ottimistico della contemporaneità (vittorie che eseguono prima il commit) con isolamento dello snapshot, in cui una query legge gli ultimi dati di cui è stato eseguito il commit prima dell'inizio della query. Questo garantisce lo stesso livello di coerenza su riga e per mutazione e tra righe all'interno della stessa istruzione DML, evitando comunque i deadlock. Nel nel caso di più istruzioni UPDATE nella stessa tabella, BigQuery passa a controllo pessimistico della contemporaneità e code più istruzioni UPDATE, riprovando automaticamente in caso di conflitti. INSERT istruzioni DML e i job di caricamento possono essere eseguiti contemporaneamente e in modo indipendente da aggiungere alle tabelle.

Esegui il rollback

Teradata supporta due modalità di rollback della sessione, Modalità sessione ANSI e modalità sessione Teradata (SET SESSION CHARACTERISTICS e SET SESSION TRANSACTION), a seconda della modalità di rollback che vuoi. Nel in casi di errore, la transazione potrebbe non essere sottoposta a rollback.

BigQuery supporta ROLLBACK TRANSACTION. Non è presente una dichiarazione ABORT in BigQuery.

Limiti per i database

Controlla sempre la documentazione pubblica di BigQuery per le quote e i limiti più recenti. Molte quote per gli utenti con volumi elevati possono essere aumentate contattando il team di assistenza Cloud. La tabella seguente mostra un confronto delle i limiti dei database Teradata e BigQuery.

Limite Teradata BigQuery
Tabelle per database Senza restrizioni Senza restrizioni
Colonne per tabella 2048 10.000
Dimensione massima della riga 1 MB 100 MB
Lunghezza del nome della colonna e della tabella 128 caratteri Unicode 16.384 caratteri Unicode
Righe per tabella Illimitato Illimitato
Lunghezza massima della richiesta SQL 1 MB 1 MB (lunghezza massima delle query GoogleSQL non risolte)
12 MB (lunghezza massima delle query precedenti e GoogleSQL risolte)

Flussi di dati:
  • 10 MB (limite delle dimensioni della richiesta HTTP)
  • 10.000 (numero massimo di righe per richiesta)
Dimensioni massime di richiesta e risposta 7 MB (richiesta), 16 MB (risposta) 10 MB (richiesta) e 10 GB (risposta) o praticamente illimitati se utilizzi l'impaginazione o l'API Cloud Storage.
Numero massimo di sessioni simultanee 120 per motore di analisi (PE) 100 query in parallelo (può essere generato con un prenotazione slot), 300 richieste API simultanee per utente.
Numero massimo di caricamenti simultanei (rapidi) 30 (valore predefinito 5) Nessun limite di contemporaneità; di job vengono messi in coda. 100.000 job di caricamento per progetto per giorno.