Guida alla traduzione SQL di Teradata

Questo documento descrive le somiglianze e le differenze nella sintassi SQL tra Teradata e BigQuery per aiutarti a pianificare la migrazione. Utilizza la traduzione SQL batch per eseguire la migrazione in blocco degli script SQL o la 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 scala è > 9.

Utilizza i tipi di dati decimali con parametri di BigQuery se devi applicare limiti di cifre o di scalabilità personalizzati (vincoli).

Teradata consente di inserire valori con una precisione maggiore arrotondando il valore archiviato. Tuttavia, mantiene un'elevata precisione nei calcoli. Ciò può causare un 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 scala è > 9.

Utilizza i tipi di dati decimali con parametri di BigQuery se devi applicare limiti di cifre o di scalabilità personalizzati (vincoli).

Teradata consente di inserire valori con una precisione maggiore arrotondando il valore archiviato. Tuttavia, mantiene un'elevata precisione nei calcoli. Ciò può causare un 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 scala è > 9.

Utilizza i tipi di dati decimali con parametri di BigQuery se devi applicare limiti di cifre o di scalabilità personalizzati (vincoli).

Teradata consente di inserire valori con una precisione maggiore arrotondando il valore archiviato. Tuttavia, mantiene un'elevata precisione nei calcoli. Ciò può causare un comportamento di arrotondamento imprevisto rispetto allo standard ANSI.

REAL FLOAT64
CHAR/CHARACTER STRING

Utilizza il tipo di dati STRING con parametri di BigQuery se devi applicare una lunghezza massima di caratteri.

VARCHAR STRING

Utilizza il tipo di dati STRING con parametri di BigQuery se devi applicare 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 supportata da Teradata con DataForm nei file SDF.
TIME TIME
TIME WITH TIME ZONE TIME Teradata archivia il tipo di dati TIME nel fuso orario UTC e consente di passare un offset da UTC utilizzando la sintassi WITH TIME ZONE. Il tipo di dati TIME in BigQuery rappresenta un'ora indipendente da qualsiasi data o fuso orario.
TIMESTAMP TIMESTAMP Entrambi i tipi di dati Teradata e BigQuery TIMESTAMP hanno una precisione in microsecondi (ma Teradata supporta i secondi intercalari, contrariamente a BigQuery).

Entrambi i tipi di dati Teradata e BigQuery sono generalmente associati al fuso orario UTC (dettagli).
TIMESTAMP WITH TIME ZONE TIMESTAMP Il campo Teradata TIMESTAMP 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 l'UTC se non specifichi esplicitamente un fuso orario. Assicurati di esportare correttamente le informazioni sul fuso orario (non concatenare un valore DATE e TIME senza informazioni sul fuso orario) in modo che BigQuery possa convertirle al momento dell'importazione. In alternativa, assicurati di convertire le informazioni sul fuso orario in UTC prima di esportarle.

BigQuery ha DATETIME per un'astrazione tra l'ora civile, che non mostra un fuso orario quando viene generata, e TIMESTAMP, che è un momento preciso che mostra sempre il fuso orario UTC.
ARRAY ARRAY
MULTI-DIMENSIONAL ARRAY ARRAY In BigQuery, utilizza un array di struct, dove ogni struct contiene un campo di tipo ARRAY (per maggiori dettagli, consulta la documentazione di BigQuery).
INTERVAL HOUR INT64
INTERVAL MINUTE INT64
INTERVAL SECOND INT64
INTERVAL DAY INT64
INTERVAL MONTH INT64
INTERVAL YEAR INT64
PERIOD(DATE) DATE e DATE PERIOD(DATE) deve essere convertito in due colonne DATE contenenti la data di inizio e la data di fine in modo da poter essere utilizzate con le funzioni finestra.
PERIOD(TIMESTAMP WITH TIME ZONE) TIMESTAMP e TIMESTAMP
PERIOD(TIMESTAMP) TIMESTAMP e TIMESTAMP
PERIOD(TIME) TIME e TIME
PERIOD(TIME WITH TIME ZONE) TIME e 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 la visualizzazione di espressioni e dati delle colonne e per le conversioni tra tipi di dati. Ad esempio, un tipo di dati PERIOD(DATE) in modalità INTEGERDATE è formattato come YY/MM/DD per impostazione predefinita. Ti consigliamo di utilizzare la modalità ANSIDATE, quando possibile, per garantire la conformità ad ANSI SQL e di sfruttare questa occasione per eliminare i formati precedenti.

Teradata consente l'applicazione automatica di formati personalizzati utilizzando la clausola FORMAT, senza modificare l'archiviazione sottostante, come attributo del tipo di dati quando crei una tabella utilizzando DDL o in un'espressione derivata. Ad esempio, la specifica FORMAT 9.99 arrotonda qualsiasi valore FLOAT a due cifre. In BigQuery, questa funzionalità deve essere convertita usando la 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 conto delle regole di arrotondamento e formattazione speciali dell'account. Puoi usare una clausola FORMAT per trasmettere in modo implicito un valore dell'epoca INTEGER in un formato DATE. Oppure una specifica FORMATX(6) su una colonna VARCHAR tronca il valore della colonna e pertanto devi convertirlo in una funzione SUBSTR(). Questo comportamento non è conforme ad ANSI SQL. Consigliamo quindi di non eseguire la migrazione dei formati colonna 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 tipo di dati, consulta la documentazione sulla formattazione predefinita di Teradata.

Formattazione di timestamp e tipo di data

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

Formato Teradata Descrizione Teradata BigQuery
CURRENT_TIMESTAMP
CURRENT_TIME 		Le informazioni relative a TIME e TIMESTAMP in Teradata possono avere informazioni sul 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.

Prendi nota dei seguenti dettagli sulle differenze nel formato ISO.

Il formato DATETIME è formattato in base alle convenzioni del canale di output. Nello strumento a riga di comando di BigQuery e nella console BigQuery, questo 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(), che determina la trasmissione di una stringa in modo esplicito. Ad esempio, la seguente espressione restituisce sempre un separatore di spazi:

CAST(CURRENT_DATETIME() AS STRING)

Teradata supporta una parola chiave DEFAULT nelle colonne TIME per impostare l'ora attuale (timestamp); non viene utilizzata in BigQuery.
CURRENT_DATE Le date vengono archiviate in Teradata come valori INT64 utilizzando la seguente formula:

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

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

DATE_FROM_UNIX_DATE non può essere utilizzato perché è basato sul 1970.

Per impostare la data corrente, Teradata supporta una parola chiave DEFAULT nelle colonne DATE; non viene utilizzata in BigQuery.
CURRENT_DATE-3 I valori delle date sono rappresentati come numeri interi. Teradata supporta operatori aritmetici per i tipi di date. Per i tipi di data, utilizza 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 le operazioni con numeri interi. 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 BigQuery.

Istruzione SELECT

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

Teradata BigQuery
SEL Converti in SELECT. BigQuery non utilizza l'abbreviazione SEL.
SELECT
  (subquery) AS flag,
  CASE WHEN flag = 1 THEN ...
 		In BigQuery, le colonne non possono fare riferimento all'output di altre colonne definite nello 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 il predicato logico ANY.

La stessa funzionalità può essere ottenuta utilizzando più operatori OR:

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

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

Operatori di confronto

La tabella seguente mostra gli operatori di confronto di Teradata specifici per Teradata e che devono essere convertiti negli operatori conformi ad ANSI SQL:2011 utilizzati in BigQuery.

Per informazioni sugli operatori in BigQuery, consulta la sezione 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 gli spazi vuoti finali, mentre BigQuery li considera parte della stringa. Ad esempio, 'xyz'=' xyz' è TRUE in Teradata, ma FALSE in BigQuery.

Teradata fornisce anche un attributo di colonna NOT CASESPECIFIC che indica a Teradata di ignorare maiuscole e minuscole quando confronta due stringhe. BigQuery è sempre specifico per le maiuscole e le minuscole quando confronti 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 le stesse condizioni JOIN, ON e USING. La seguente tabella contiene un elenco di differenze di minore entità.

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 inner o se viene assegnata almeno una condizione di uguaglianza (=). Non è solo una condizione di disuguaglianza (= e <) in un elemento 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 di grandi dimensioni.
FROM A, B ON A.id = B.id FROM A JOIN B ON A.id = B.id La virgola tra le tabelle in Teradata equivale a INNER JOIN, mentre in BigQuery equivale a CROSS JOIN (prodotto cartesiano). Poiché la virgola in BigQuery SQL precedente viene considerata 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, sottoquery correlate o aggregazioni nei predicati di join. Ciò consente a BigQuery di caricare in contemporanea le query.

Tipo di conversione e trasmissione

BigQuery ha tipi di dati meno numerosi, ma più ampi di Teradata, per cui la trasmissione deve essere più restrittiva.

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 gli spazi vuoti finali, mentre BigQuery li considera parte della stringa. Ad esempio, 'xyz'=' xyz' è TRUE in Teradata, ma FALSE in BigQuery.

Teradata fornisce anche un attributo di colonna NOT CASESPECIFIC che indica a Teradata di ignorare maiuscole e minuscole quando confronta due stringhe. BigQuery è sempre specifico per le maiuscole e le minuscole quando confronti 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 viene a volte utilizzata come modo non standard 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 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 consente di filtrare i risultati per le funzioni finestra. In alternativa, per la stessa attività è possibile utilizzare una frase ROWS. Funzionano in modo simile a una condizione HAVING per una clausola GROUP, limitando l'output delle funzioni finestra in BigQuery.

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 funzione finestra come ROW_NUMBER(), SUM(), COUNT() e con OVER PARTITION BY è espressa in BigQuery come clausola WHERE in una sottoquery che contiene un valore di analisi.

Utilizzo di ROW_NUMBER():

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

Utilizzo di 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, nella clausola relativa al frame della finestra possono essere utilizzati sia RANGE sia ROWS. Tuttavia, le clausole finestra possono essere utilizzate solo con funzioni finestra come AVG(), non con funzioni di numerazione come ROW_NUMBER().

NORMALIZE parola chiave

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

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

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

Funzioni di aggregazione

La seguente tabella mappa le funzioni aggregate comuni di Teradata, di aggregazione statistica e di aggregazione approssimata agli equivalenti BigQuery. BigQuery offre le seguenti funzioni di aggregazione aggiuntive:

Teradata BigQuery
AVG AVG
BITAND BIT_AND
BITNOT Operatore Bitwise 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 definita dall'utente 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 le funzioni analitiche e di analisi aggregate comuni di Teradata agli equivalenti delle funzione finestra BigQuery. BigQuery offre le seguenti funzioni aggiuntive:

Teradata BigQuery
ARRAY_AGG ARRAY_AGG
ARRAY_CONCAT, (|| operator) ARRAY_CONCAT_AGG, (|| operator)
BITAND BIT_AND
BITNOT Operatore Bitwise 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 seguente tabella mappa le funzioni data/ora comuni di Teradata ai rispettivi 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 seguente tabella mappa le funzioni stringa Teradata agli 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 definita dall'utente dall'utente.
CSVLD Funzione definita dall'utente dall'utente.
FORMAT FORMAT
INDEX STRPOS(string, substring)
INITCAP INITCAP
INSTR Funzione definita dall'utente dall'utente.
LEFT SUBSTR(source_string, 1, length)
LENGTH LENGTH
LOWER LOWER
LPAD LPAD
LTRIM LTRIM
NGRAM Funzione definita dall'utente dall'utente.
NVP Funzione definita dall'utente dall'utente.
OREPLACE REPLACE
OTRANSLATE Funzione definita dall'utente 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 definita dall'utente dall'utente.
REVERSE REVERSE
RIGHT SUBSTR(source_string, -1, length)
RPAD RPAD
RTRIM RTRIM
STRTOK

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

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

Funzioni matematiche

La seguente tabella mappa le funzioni matematiche di Teradata agli 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 di sintassi del linguaggio di gestione dei dati tra 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 una semantica di coerenza leggermente diversa rispetto alle istruzioni equivalenti in Teradata. Per una panoramica dell'isolamento dello snapshot e della gestione di sessioni e transazioni, consulta la sezione CREATE INDEX in un altro punto di questo documento.

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

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

Nota: in BigQuery, l'omissione dei nomi delle colonne nell'istruzione INSERT funziona solo se i valori di tutte le colonne nella tabella di destinazione sono inclusi in ordine crescente in base alla loro posizione ordinale.
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 utilizza il concetto di richiesta multi-statement (MSR), che invia più istruzioni INSERT contemporaneamente. In BigQuery, questa operazione non è consigliata a causa del confine implicito delle transazioni tra le istruzioni. Utilizza invece INSERT a più valori.

BigQuery consente istruzioni INSERT simultanee, ma potrebbe inserire in coda UPDATE. Per migliorare le prestazioni, considera i seguenti approcci:
  • Combina più righe in una singola istruzione INSERT, anziché una riga per ogni operazione INSERT.
  • Combina più istruzioni DML (incluse INSERT) utilizzando un'istruzione MERGE.
  • Usa CREATE TABLE ... AS SELECT per creare e compilare nuove tabelle anziché UPDATE o DELETE, in particolare quando esegui query sui campi partizionati o rollback o ripristino.

Istruzione UPDATE

La maggior parte delle istruzioni UPDATE di Teradata è compatibile con BigQuery, ad eccezione dei seguenti elementi:

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

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

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

Per ulteriori informazioni su UPDATE in BigQuery, consulta gli 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 consentono di rimuovere le righe da una tabella senza influire sullo schema o sugli indici della tabella. TRUNCATE non è utilizzato né in Teradata né in BigQuery. Tuttavia, puoi utilizzare le istruzioni DELETE 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. Per velocizzare le operazioni di troncamento per tabelle molto grandi, consigliamo di utilizzare l'istruzione CREATE OR REPLACE TABLE ... AS SELECT, utilizzando un LIMIT 0 nella stessa tabella per sostituirsi. 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 sono inizialmente più veloci rispetto a BigQuery, ma richiedono risorse in un secondo momento, in particolare operazioni DELETE su larga scala che interessano la maggior parte di una tabella. Per utilizzare un approccio simile in BigQuery, suggeriamo di ridurre il numero di operazioni DELETE, ad esempio copiando le 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 gli esempi di DELETE 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 di copia.

Utilizzo di 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, in modo più rapido:
CREATE OR REPLACE table AS SELECT * FROM table LIMIT 0;

Istruzione MERGE

L'istruzione MERGE può combinare le operazioni INSERT, UPDATE e DELETE in una singola istruzione "upsert" ed eseguire le operazioni in modo atomico. L'operazione MERGE deve corrispondere al massimo a una riga di origine per ogni riga di destinazione. Sia BigQuery che Teradata seguono la sintassi ANSI.

L'operazione MERGE di Teradata è limitata alla corrispondenza delle chiavi primarie all'interno di un processore di moduli di accesso (AMP). Al contrario, BigQuery non ha limiti di dimensioni o colonne per le operazioni di MERGE, pertanto l'utilizzo di MERGE è un'ottimizzazione utile. Tuttavia, se l'elemento MERGE è principalmente un'eliminazione di grandi dimensioni, puoi vedere le ottimizzazioni per DELETE altro in questo documento.

Gli script DML in BigQuery hanno una semantica di coerenza leggermente diversa rispetto alle istruzioni equivalenti in Teradata. Ad esempio, le tabelle SET di Teradata in modalità sessione potrebbero ignorare i duplicati durante un'operazione MERGE. Per una panoramica della gestione delle tabelle MULTISET e SET, dell'isolamento degli snapshot e della gestione di sessioni e transazioni, consulta la sezione CREATE INDEX in un altro punto di questo documento.

Variabili interessate da righe

In Teradata, la variabile ACTIVITY_COUNT è un'estensione SQL ANSI di Teradata completata con il numero di righe interessate da un'istruzione DML.

La variabile di sistema @@row_count nella funzionalità di scripting ha funzionalità simili. In BigQuery sarebbe più comune controllare il valore restituito numDmlAffectedRows 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 delle istruzioni Teradata CREATE TABLE è compatibile con BigQuery, ad eccezione dei seguenti elementi di sintassi, che non vengono utilizzati in BigQuery:

Per ulteriori informazioni su CREATE TABLE in BigQuery, consulta gli 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 vengono utilizzate in BigQuery:

Teradata estende lo standard ANSI con un'opzione 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 tabelle volatili, che vengono spesso utilizzate per archiviare i risultati intermedi negli script. Esistono diversi modi per ottenere qualcosa di simile alle tabelle volatili in BigQuery:

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

  • 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 temporaneamente temporanee poiché non si mantengono più a lungo della durata del set di dati. Puoi anteporre temp a tutti i nomi delle tabelle in questo set di dati per indicare chiaramente che le tabelle sono temporanee.

  • TTL tabella: crea una tabella con una breve durata specifica della tabella utilizzando istruzioni DDL simili alla seguente:

    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 dello stesso blocco, utilizza un risultato temporaneo con un'istruzione o una sottoquery WITH. Questa è l'opzione più efficiente.

Un pattern molto utilizzato negli script Teradata (BTEQ) è la creazione di una tabella permanente, l'inserimento di un valore al suo interno, l'utilizzo come una tabella temporanea nelle istruzioni in corso, per poi eliminare o troncare la tabella in un secondo momento. In questo modo viene utilizzata la tabella come variabile costante (un semaforo). Questo approccio non è efficiente in BigQuery e ti consigliamo di utilizzare invece variabili reali nello scripting o di utilizzare CREATE OR REPLACE con la sintassi di query AS SELECT per creare una tabella che contiene già valori.

Istruzione CREATE VIEW

La seguente tabella mostra gli equivalenti tra Teradata e BigQuery per l'istruzione CREATE VIEW. Le clausole per il blocco delle tabelle 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 ...
Funzionalità non supportata CREATE VIEW IF NOT EXISTS
OPTIONS(view_option_list)
AS SELECT ... 		Crea una nuova vista solo se al momento non esiste nel set di dati specificato.

Istruzione CREATE [UNIQUE] INDEX

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

BigQuery non richiede indici. Questa sezione descrive gli approcci in 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 e campi nidificati, che possono aumentare l'efficienza e le prestazioni delle query ottimizzando la modalità di archiviazione dei dati.

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

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

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 nell'indice, l'operazione non riesce con una violazione dell'indice (tabelle MULTISET) o la ignora automaticamente (tabelle SET).

Poiché BigQuery non fornisce indici espliciti, è possibile utilizzare un'istruzione MERGE per inserire solo i record univoci in una tabella di destinazione da una tabella temporanea, eliminando i record duplicati. Tuttavia, non c'è modo di 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 utilizzare un'istruzione MERGE da una tabella temporanea, come mostrato nell'esempio seguente.

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 le colonne DEFAULT e IDENTITY (sequenze).

Indicizzazione per ottenere il blocco

Teradata fornisce risorse nel processore del modulo di accesso (AMP); le query possono utilizzare risorse completamente AMP, AMP singole o AMP di gruppo. Le istruzioni DDL sono tutte AMP e pertanto sono simili a un blocco DDL globale. BigQuery non ha un meccanismo di blocco come questo e può eseguire query e istruzioni INSERT in contemporanea fino alla tua quota; solo le istruzioni DML UPDATE simultanee hanno determinate implicazioni in termini di contemporaneità: le operazioni UPDATE sulla stessa partizione vengono messe in coda per garantire l'isolamento degli snapshot, quindi non è necessario bloccarli per evitare letture fantasma o aggiornamenti persi.

A causa di queste differenze, i seguenti elementi di Teradata non vengono utilizzati in 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 (UDF). Tutti questi elementi possono essere controllati dagli amministratori di sistema tramite le viste INFORMATION_SCHEMA.

Istruzione CREATE PROCEDURE

Le stored procedure sono supportate come parte dello scripting di BigQuery.

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 chiamati 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 obbligatorio un nome, altrimenti utilizzalo in linea con BEGIN o in una singola riga con CREATE TEMP FUNCTION.
REPLACE PROCEDURE CREATE OR REPLACE PROCEDURE
CALL CALL

Le sezioni che seguono descrivono i modi per convertire le istruzioni procedurali Teradata esistenti in istruzioni BigQuery Scripting con funzionalità simili.

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. In BigQuery, la gestione degli errori è una funzionalità principale del flusso di controllo principale, simile a quella offerta da altri linguaggi 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.

Consigliamo di utilizzare le istruzioni ASSERT dove vengono utilizzate le condizioni di uscita per i precontrolli o il debug, in quanto sono conformi ad ANSI SQL:2011.

La variabile SQLSTATE in Teradata è simile alla variabile di sistema @@error in BigQuery. In BigQuery, è più comune analizzare gli errori utilizzando l'audit logging o le viste INFORMATION_SCHEMA.

Dichiarazioni e operazioni del cursore

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

Istruzioni SQL dinamiche

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

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 scripting in BigQuery supporta le 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 riscriverle come funzioni definite dall'utente (UDF) o di utilizzare istruzioni ASSERT dove 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 in stile GOTO; è utilizzato come sinonimo di BREAK per lasciare un loop WHILE.
LEAVE label; LEAVE non viene utilizzato per i blocchi in stile GOTO; è 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 di flusso di controllo non vengono utilizzate in BigQuery perché 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 viste.
Per ulteriori informazioni, consulta la Visualizzazione a colonne in BigQuery INFORMATION_SCHEMA.
SELECT * FROM dbc.tables WHERE tablekind = 'T';

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

Per saperne di più, consulta Introduzione a 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 la sezione Garanzie di coerenza in un altro punto di questo documento.
SET SESSION CHARACTERISTICS AS TRANSACTION ISOLATION LEVEL ... BigQuery utilizza sempre l'isolamento degli snapshot. Per i dettagli, consulta la sezione Garanzie di coerenza in un'altra sezione di questo documento.
BEGIN TRANSACTION;
SELECT ...
END TRANSACTION; 		BigQuery utilizza sempre l'isolamento degli snapshot. Per i dettagli, consulta la sezione Garanzie di coerenza in un'altra sezione di questo documento.
EXPLAIN ... Non utilizzato in BigQuery.

Funzionalità simili sono la spiegazione del piano di query nella UI web di BigQuery e l'allocazione degli slot visibile nelle viste INFORMATION_SCHEMA e nell'audit logging in 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 vengono eseguite in modo coerente insieme. Per maggiori informazioni, consulta Transazioni multi-statement.

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 su codici di stato HTTP e su messaggi di errore dettagliati.

Se la logica dell'applicazione attualmente rileva gli errori seguenti, prova a eliminare l'origine dell'errore, poiché BigQuery non restituirà 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, a livello di singola mutazione in molte righe. Ad esempio, un'operazione MERGE è completamente atomica, anche con più valori inseriti e aggiornati.

Transazioni

Teradata fornisce un livello di isolamento di lettura senza impegno (che consente letture dirty) o serializzabile quando viene eseguito in modalità sessione (anziché in modalità di commit automatico). Nella migliore delle ipotesi, Teradata ottiene un isolamento strettamente serializzabile mediante blocchi pessimistici su un hash di riga in tutte le colonne delle righe in tutte le partizioni. Sono possibili i deadlock. Il DDL forza sempre un limite di transazione. I job Teradata Fastload vengono eseguiti in modo indipendente, ma solo su tabelle vuote.

BigQuery supporta anche le transazioni. BigQuery aiuta a garantire un controllo ottimistico della contemporaneità (prima che si verifichi il commit delle vittorie) con l'isolamento degli snapshot, in cui una query legge gli ultimi dati di cui è stato eseguito il commit prima dell'avvio della query. Questo approccio garantisce lo stesso livello di coerenza su base per riga, per mutazione e tra righe all'interno della stessa istruzione DML, evitando al tempo stesso i deadlock. Nel caso di più istruzioni UPDATE sulla stessa tabella, BigQuery passa al controllo della contemporaneità pessimistico e alle coda più istruzioni UPDATE, riprovando automaticamente in caso di conflitti. INSERT Le 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, la modalità di sessione ANSI e quella di sessione Teradata (SET SESSION CHARACTERISTICS e SET SESSION TRANSACTION), a seconda della modalità di rollback desiderata. Nei casi di errore, potrebbe non essere possibile eseguire il rollback della transazione.

BigQuery supporta l'istruzione ROLLBACK TRANSACTION. In BigQuery non è presente un'istruzione ABORT.

Limiti per i database

Consulta sempre la documentazione pubblica di BigQuery per conoscere le quote e i limiti più recenti. Per aumentare le quote per gli utenti con volumi elevati, rivolgiti al team di assistenza Cloud. La tabella seguente mostra un confronto dei limiti di 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)

Flusso 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 la paginazione o l'API Cloud Storage.
Numero massimo di sessioni simultanee 120 per motore di analisi (PE) 100 query in parallelo (possono essere generate con una prenotazione di slot), 300 richieste API in parallelo per utente.
Numero massimo di caricamenti simultanei (rapidi) 30 (valore predefinito 5) Nessun limite di contemporaneità; i job sono in coda. 100.000 job di caricamento per progetto al giorno.