Cómo crear y administrar columnas generadas

Una columna generada es una columna que siempre se calcula a partir de otras columnas de una fila. Estas columnas pueden simplificar una consulta, ahorrar el costo de evaluar una expresión en el momento de la consulta y se pueden indexar o usar como clave externa. En este artículo, describiremos cómo administrar este tipo de columna en tu base de datos.

Agrega una columna generada a una tabla nueva

En el siguiente fragmento CREATE TABLE, creamos una tabla para almacenar información sobre los usuarios. Tenemos columnas para FirstName y LastName, y definimos una columna generada para FullName, que es la concatenación de FirstName y LastName. El SQL entre paréntesis se denomina expresión de generación.

Una columna generada se puede marcar como STORED para ahorrar el costo de evaluar la expresión en el momento de la consulta. Como resultado, el valor de FullName solo se calcula cuando se inserta una fila nueva o cuando se actualiza FirstName o LastName para una fila existente. El valor calculado se almacena junto con otras columnas en la tabla.

GoogleSQL 

CREATE TABLE Users (
Id STRING(20) NOT NULL,
FirstName STRING(50),
LastName STRING(50),
Age INT64 NOT NULL,
FullName STRING(100) AS (FirstName || ' ' || LastName) STORED
) PRIMARY KEY (Id);

PostgreSQL 

CREATE TABLE users (
id VARCHAR(20) NOT NULL,
firstname VARCHAR(50),
lastname VARCHAR(50),
age BIGINT NOT NULL,
fullname VARCHAR(100) GENERATED ALWAYS AS (firstname || ' ' || lastname) STORED,
PRIMARY KEY(id)
);

Para crear una columna generada no almacenada, omíte el atributo STORED en el DDL. Este tipo de columna generada se evalúa en el momento de la consulta y puede simplificar una consulta. En PostgreSQL, puedes crear una columna generada que no se almacene con el atributo VIRTUAL.

GoogleSQL 

FullName STRING(MAX) AS (CONCAT(FirstName, " ", LastName))

PostgreSQL 

fullname text GENERATED ALWAYS AS (firstname || ' ' || lastname) VIRTUAL

  • expression puede ser cualquier expresión de SQL válida que se pueda asignar al tipo de datos con columnas mediante las siguientes restricciones.

    • La expresión solo puede hacer referencia a columnas en la misma tabla.

    • La expresión no puede contener subconsultas.

    • Las expresiones con funciones no deterministas, como PENDING_COMMIT_TIMESTAMP(), CURRENT_DATE() y CURRENT_TIMESTAMP(), no se pueden convertir en una columna generada STORED ni en una columna generada que esté indexada.

    • No puedes modificar la expresión de una columna generada STORED o indexada.

  • El atributo STORED que sigue a la expresión almacena el resultado de la expresión junto con otras columnas de la tabla. Las actualizaciones posteriores en cualquiera de las columnas referenciadas hacen que Spanner vuelva a evaluar y almacenar la expresión.

  • Las columnas generadas que no son STORED no se pueden marcar como NOT NULL.

  • No se permite la escritura directa en columnas generadas.

  • La opción de la columna allow_commit_timestamp no está permitida en las columnas generadas ni en ninguna columna a la que se haga referencia en las columnas generadas.

  • En el caso de las columnas STORED o generadas que están indexadas, no puedes cambiar el tipo de datos de la columna ni de ninguna columna a la que haga referencia la columna generada.

  • No puedes descartar una columna a la que hace referencia una columna generada.

  • Puedes usar una columna generada como clave primaria con las siguientes restricciones adicionales:

    • La clave primaria generada no puede hacer referencia a otras columnas generadas.

    • La clave primaria generada puede hacer referencia, como máximo, a una columna sin clave.

    • La clave primaria generada no puede depender de una columna sin clave con una cláusula DEFAULT.

  • Se aplican las siguientes reglas cuando se usan columnas de claves generadas:

    • APIs de lectura: Debes especificar por completo las columnas de clave, incluidas las columnas de clave generadas.
    • APIs de mutación: En el caso de INSERT, INSERT_OR_UPDATE y REPLACE, Spanner no te permite especificar columnas de claves generadas. Para UPDATE, puedes especificar columnas de claves generadas de forma opcional. Para DELETE, debes especificar por completo las columnas de clave, incluidas las claves generadas.
    • DML: No puedes escribir de forma explícita en las claves generadas en las sentencias INSERT o UPDATE.
    • Consulta: En general, te recomendamos que uses la columna de clave generada como un filtro en tu consulta. De forma opcional, si la expresión de la columna de clave generada solo usa una columna como referencia, la consulta puede aplicar una condición de igualdad (=) o IN a la columna a la que se hace referencia. Para obtener más información y un ejemplo, consulta Cómo crear una clave única derivada de una columna de valores.

La columna generada se puede consultar como cualquier otra, como se muestra en el siguiente ejemplo.

GoogleSQL 

SELECT Id, FullName
FROM Users;

PostgreSQL 

SELECT id, fullname
FROM users;

La consulta que usa Fullname es equivalente a la consulta con la expresión generada. Por lo tanto, una columna generada puede simplificar la consulta.

GoogleSQL 

SELECT Id, ARRAY_TO_STRING([FirstName, LastName], " ") as FullName
FROM Users;

PostgreSQL 

SELECT id, firstname || ' ' || lastname as fullname
FROM users;

Crea un índice en una columna generada

También puedes indexar una columna generada o usarla como clave externa.

Para ayudar con las búsquedas en nuestra columna generada FullName, podemos crear un índice secundario, como se muestra en el siguiente fragmento.

GoogleSQL 

CREATE INDEX UsersByFullName ON Users (FullName);

PostgreSQL 

CREATE INDEX UserByFullName ON users (fullname);

Agrega una columna generada a una tabla existente

Con la siguiente sentencia ALTER TABLE, podemos agregar una columna generada a la tabla Users para generar y almacenar las iniciales del usuario.

GoogleSQL 

ALTER TABLE Users ADD COLUMN Initials STRING(2)
AS (ARRAY_TO_STRING([SUBSTR(FirstName, 0, 1), SUBSTR(LastName, 0, 1)], "")) STORED;

PostgreSQL 

ALTER TABLE users ADD COLUMN initials VARCHAR(2)
GENERATED ALWAYS AS (SUBSTR(firstname, 0, 1) || SUBSTR(lastname, 0, 1)) STORED;

Si agregas una columna generada almacenada a una tabla existente, se inicia una operación de larga duración para reabastecer los valores de la columna. Durante el reabastecimiento, no se pueden leer ni consultar las columnas generadas almacenadas. El estado de reabastecimiento se refleja en la tabla INFORMATION_SCHEMA.

Crea un índice parcial con una columna generada

¿Qué sucede si solo queremos consultar a los usuarios mayores de 18 años? Un análisis completo de la tabla sería ineficiente, por lo que usamos un índice parcial.

  1. Usa la siguiente sentencia para agregar otra columna generada que devuelva la edad del usuario si es mayor de 18 años y devuelva NULL de lo contrario.

    GoogleSQL 

    ALTER TABLE Users ADD COLUMN AgeAbove18 INT64
AS (IF(Age > 18, Age, NULL));

    PostgreSQL 

    ALTER TABLE Users ADD COLUMN AgeAbove18 BIGINT
GENERATED ALWAYS AS (nullif( Age , least( 18, Age) )) VIRTUAL;

  2. Crea un índice en esta columna nueva y, luego, inhabilita el indexado de los valores NULL con la palabra clave NULL_FILTERED en GoogleSQL o el predicado IS NOT NULL en PostgreSQL. Este índice parcial es más pequeño y más eficiente que un índice normal porque excluye a todas las personas que tengan 18 años o menos.

    GoogleSQL 

    CREATE NULL_FILTERED INDEX UsersAbove18ByAge
ON Users (AgeAbove18);

    PostgreSQL 

    CREATE INDEX UsersAbove18ByAge ON users (AgeAbove18)
WHERE AgeAbove18 IS NOT NULL;

  3. Para recuperar los Id y Age de todos los usuarios mayores de 18 años, ejecuta la siguiente consulta.

    GoogleSQL 

    SELECT Id, Age
FROM Users@{FORCE_INDEX=UsersAbove18ByAge}
WHERE AgeAbove18 IS NOT NULL;

    PostgreSQL 

    SELECT Id, Age
FROM users /*@ FORCE_INDEX = UsersAbove18ByAge */
WHERE AgeAbove18 IS NOT NULL;

  4. Para filtrar por una edad diferente, por ejemplo, para recuperar todos los usuarios que sean mayores de 21 años, usa el mismo índice y filtra la columna generada de la siguiente manera:

    GoogleSQL 

    SELECT Id, Age
FROM Users@{FORCE_INDEX=UsersAbove18ByAge}
WHERE AgeAbove18 > 21;

    PostgreSQL 

    SELECT Id, Age
FROM users /*@ FORCE_INDEX = UsersAbove18ByAge */
WHERE AgeAbove18 > 21;

    Una columna generada indexada puede ahorrar el costo de evaluar una expresión en el momento de la consulta y evitar almacenar los valores dos veces (en la tabla base y el índice) en comparación con una columna generada STORED.

Cómo quitar una columna generada

La siguiente sentencia DDL descarta una columna generada de la tabla Users:

GoogleSQL 

  ALTER TABLE Users DROP COLUMN Initials;

PostgreSQL 

  ALTER TABLE users DROP COLUMN initials;

Modifica una expresión de columna generada

GoogleSQL 

ALTER TABLE Users ALTER COLUMN FullName STRING(100)
AS (ARRAY_TO_STRING(ARRAY_TO_STRING([LastName, FirstName ], " ")));

PostgreSQL 

ALTER TABLE users ADD COLUMN Initials VARCHAR(2)
GENERATED ALWAYS AS (lastname || ' ' || firstname) VIRTUAL;

No se permite actualizar la expresión de una columna generada STORED ni una columna generada indexada que no se almacene.

Crea una clave primaria en una columna generada

En Spanner, puedes usar una columna generada por STORED en la clave primaria.

En el siguiente ejemplo, se muestra una sentencia DDL que crea la tabla UserInfoLog con una columna generada ShardId. El valor de la columna ShardId depende de otra columna. Se obtiene con una función MOD en la columna UserId. ShardId se declara como parte de la clave primaria.

GoogleSQL 

CREATE TABLE UserInfoLog (
  ShardId INT64 NOT NULL
  AS (MOD(UserId, 2048)) STORED,
  UserId INT64 NOT NULL,
  FullName STRING(1024) NOT NULL,
) PRIMARY KEY (ShardId, UserId);

PostgreSQL 

CREATE TABLE UserInfoLog (
  ShardId BIGINT GENERATED ALWAYS
  AS (MOD(UserId, '2048'::BIGINT)) STORED NOT NULL,
  UserId BIGINT NOT NULL,
  FullName VARCHAR(1024) NOT NULL,
  PRIMARY KEY(ShardId, UserId));

Por lo general, para acceder de manera eficiente a una fila específica, debes especificar todas las columnas clave. En el ejemplo anterior, esto implicaría proporcionar un ShardId y un UserId. Sin embargo, a veces, Spanner puede inferir el valor de la columna de clave primaria generada si depende de una sola columna y si el valor de la columna de la que depende está completamente determinado. Esto es verdadero si la columna a la que hace referencia la columna de clave primaria generada cumple una de las siguientes condiciones:

  • Es igual a un valor constante o un parámetro vinculado en la cláusula WHERE.
  • Su valor se establece con un operador IN en la cláusula WHERE.
  • Obtiene su valor de una condición de unión equiprobable.

Por ejemplo, en la siguiente consulta:

GoogleSQL 

SELECT * FROM UserInfoLog
AS T WHERE T.UserId=1;

PostgreSQL 

SELECT * FROM UserInfoLog
AS T WHERE T.UserId=1;

Spanner puede inferir el valor de ShardId a partir del UserId proporcionado. La consulta anterior es equivalente a la siguiente consulta después de la optimización de consultas:

GoogleSQL 

SELECT * FROM UserInfoLog
AS T WHERE T.ShardId = MOD(1, 2048)
AND T.UserId=1;

PostgreSQL 

SELECT * FROM UserInfoLog
AS T WHERE T.ShardId = MOD(1, 2048)
AND T.UserId=1;

En el siguiente ejemplo, se muestra cómo crear la tabla Students y usar una expresión que recupera el campo id de la columna JSON StudentInfo y la usa como clave primaria:

GoogleSQL 

CREATE TABLE Students (
  StudentId INT64 NOT NULL
  AS (CAST(JSON_VALUE(StudentInfo, "$.id") AS INT64)) STORED,
  StudentInfo JSON NOT NULL,
) PRIMARY KEY (StudentId);

PostgreSQL 

CREATE TABLE Students (
  StudentId BIGINT GENERATED ALWAYS
  AS (((StudentInfo ->> 'id'::TEXT))::BIGINT) STORED NOT NULL,
  StudentInfo JSONB NOT NULL,
  PRIMARY KEY(StudentId));

Cómo ver las propiedades de una columna generada

INFORMATION_SCHEMA de Spanner contiene información sobre las columnas generadas en tu base de datos. Estos son algunos ejemplos de las preguntas que puedes responder cuando consultas el esquema de información.

¿Qué columnas generadas se definen en mi base de datos?

GoogleSQL 

SELECT c.TABLE_NAME, c.COLUMN_NAME, C.IS_STORED
FROM INFORMATION_SCHEMA.COLUMNS as c
WHERE c.GENERATION_EXPRESSION IS NOT NULL;

PostgreSQL 

SELECT c.TABLE_NAME, c.COLUMN_NAME, C.IS_STORED
FROM INFORMATION_SCHEMA.COLUMNS as c
WHERE c.GENERATION_EXPRESSION IS NOT NULL;

IS_STORED es YES para las columnas generadas almacenadas, NO para las columnas generadas no almacenadas o NULL para las columnas no generadas.

¿Cuál es el estado actual de las columnas generadas en la tabla Users?

Si agregaste una columna generada a una tabla existente, te recomendamos pasar SPANNER_STATE en una consulta para conocer el estado actual de la columna. SPANNER_STATE muestra los siguientes valores:

  • COMMITTED: la columna es completamente utilizable.
  • WRITE_ONLY: La columna se está reabasteciendo. No se permite la lectura.

Usa la siguiente consulta para encontrar el estado de una columna:

GoogleSQL 

SELECT c.TABLE_NAME, c.COLUMN_NAME, c.SPANNER_STATE
FROM INFORMATION_SCHEMA.COLUMNS AS c
WHERE c.TABLE_NAME="Users" AND c.GENERATION_EXPRESSION IS NOT NULL;

PostgreSQL 

SELECT c.TABLE_NAME, c.COLUMN_NAME, c.SPANNER_STATE
FROM INFORMATION_SCHEMA.COLUMNS AS c
WHERE c.TABLE_NAME='users' AND c.GENERATION_EXPRESSION IS NOT NULL;

Nota: Solo se puede acceder a una columna generada que no está almacenada con la consulta en SQL. Sin embargo, si está indexado, puedes usar la API de lectura para acceder al valor desde el índice.

Rendimiento

Una columna generada por STORED no afecta el rendimiento de una operación de lectura o consulta. Sin embargo, las columnas generadas no almacenadas que se usan en una consulta pueden afectar su rendimiento debido a la sobrecarga de evaluar la expresión de la columna generada.

El rendimiento de las operaciones de escritura (declaraciones DML y mutaciones) se ve afectado cuando se usa una columna generada por STORED o una columna generada que está indexada. La sobrecarga se debe a la evaluación de la expresión de columna generada cuando la operación de escritura inserta o modifica cualquiera de las columnas a las que se hace referencia en la expresión de columna generada. Dado que la sobrecarga varía según la carga de trabajo de escritura de la aplicación, el diseño del esquema y las características del conjunto de datos, te recomendamos que compares tus aplicaciones antes de usar una columna generada.

¿Qué sigue?