Guida alla traduzione SQL di Snowflake
Questo documento descrive in dettaglio le somiglianze e le differenze nella sintassi SQL tra Snowflake e BigQuery per contribuire ad accelerare la pianificazione e l'esecuzione del trasferimento dell'EDW (Enterprise Data Warehouse) a BigQuery. Il data warehousing Snowflake è progettato per funzionare con la sintassi SQL specifica di Snowflake. Gli script scritti per Snowflake potrebbero dover essere modificati prima di poter essere utilizzati in BigQuery, perché i dialetti SQL variano tra i servizi. Utilizza la traduzione SQL batch per eseguire la migrazione degli script SQL in blocco oppure la traduzione SQL interattiva per tradurre query ad hoc. Snowflake SQL è supportato da entrambi gli strumenti in anteprima.
Tipi di dati
Questa sezione mostra gli equivalenti tra i tipi di dati in Snowflake e in BigQuery.
Snowflake | BigQuery | Note |
---|---|---|
NUMBER/
DECIMAL/NUMERIC |
NUMERIC/BIGNUMERIC |
Può essere mappato su NUMERIC o BIGNUMERIC , a seconda della precisione e della scala.Il tipo di dati NUMBER in Snowflake supporta 38 cifre di precisione e 37 cifre di scalabilità. La precisione e la scala possono essere specificate in base all'utente.BigQuery supporta NUMERIC e BIGNUMERIC con precisione e scala specificate facoltativamente entro determinati limiti. |
INT/INTEGER |
BIGNUMERIC |
INT/INTEGER e tutti gli altri tipi di dati simili a INT , come BIGINT, TINYINT, SMALLINT, BYTEINT , rappresentano un alias per il tipo di dati NUMBER in cui la precisione e la scala non possono essere specificate ed è sempre NUMBER(38, 0) L'opzione di configurazione REWRITE_ZERO_SCALE_NUMERIC_AS_INTEGER può essere utilizzata per convertire INTEGER e i tipi correlati in INT64 . |
BIGINT |
BIGNUMERIC |
|
SMALLINT |
BIGNUMERIC |
|
TINYINT |
BIGNUMERIC |
|
BYTEINT |
BIGNUMERIC |
|
FLOAT/ |
FLOAT64 |
Il tipo di dati FLOAT in Snowflake stabilisce che "NaN" è > X, dove X è qualsiasi valore FLOAT (diverso da "NaN").Il tipo di dati FLOAT in BigQuery stabilisce che "NaN" è < X, dove X è qualsiasi valore FLOAT (diverso da "NaN"). |
DOUBLE/ REAL |
FLOAT64 |
Il tipo di dati DOUBLE in Snowflake è sinonimo del tipo di dati FLOAT in Snowflake, ma viene spesso visualizzato in modo errato come FLOAT . Viene archiviato correttamente come DOUBLE . |
VARCHAR |
STRING |
Il tipo di dati VARCHAR in Snowflake ha una lunghezza massima di 16 MB (non compressi). Se la lunghezza non è specificata, il valore predefinito è la lunghezza massima.Il tipo di dati STRING in BigQuery viene archiviato come Unicode con codifica UTF-8 a lunghezza variabile. La lunghezza massima è di 16.000 caratteri. |
CHAR/CHARACTER |
STRING |
Il tipo di dati CHAR in Snowflake ha una lunghezza massima di 1. |
STRING/TEXT |
STRING |
Il tipo di dati STRING in Snowflake è sinonimo di VARCHAR di Snowflake. |
BINARY |
BYTES |
|
VARBINARY |
BYTES |
|
BOOLEAN |
BOOL |
Il tipo di dati BOOL in BigQuery può accettare solo TRUE/FALSE , a differenza del tipo di dati BOOL in Snowflake, che può accettare TRUE/FALSE/NULL. |
DATE |
DATE |
Il tipo DATE in Snowflake accetta i formati di data più comuni, a differenza del tipo DATE in BigQuery, che accetta solo date nel formato "AAAA-[M]M-[G]G". |
TIME |
TIME |
Il tipo TIME in Snowflake supporta da 0 a 9 nanosecondi di precisione, mentre il tipo TIME in BigQuery supporta da 0 a 6 nanosecondi di precisione. |
TIMESTAMP |
DATETIME |
TIMESTAMP è un alias configurabile dall'utente che per impostazione predefinita è TIMESTAMP_NTZ , che corrisponde a DATETIME in BigQuery. |
TIMESTAMP_LTZ |
TIMESTAMP |
|
TIMESTAMP_NTZ/DATETIME |
DATETIME |
|
TIMESTAMP_TZ |
TIMESTAMP |
|
OBJECT |
JSON |
Il tipo OBJECT in Snowflake non supporta i valori con tipo esplicito. I valori sono di tipo VARIANT . |
VARIANT |
JSON |
Il tipo OBJECT in Snowflake non supporta i valori con tipo esplicito. I valori sono di tipo VARIANT . |
ARRAY |
ARRAY<JSON> |
Il tipo ARRAY in Snowflake può supportare solo i tipi VARIANT , mentre il tipo ARRAY in BigQuery può supportare tutti i tipi di dati, ad eccezione di un array stesso. |
BigQuery dispone anche dei seguenti tipi di dati che non hanno un analogo Snowflake diretto:
Sintassi delle query e operatori di query
Questa sezione illustra le differenze nella sintassi delle query tra Snowflake e BigQuery.
SELECT
estratto conto
La maggior parte delle istruzioni Snowflake SELECT
è compatibile con BigQuery. La tabella seguente contiene un elenco di
differenze minori.
Snowflake | BigQuery | |
---|---|---|
|
|
|
Nota: Snowflake supporta la creazione e il riferimento di un alias nella stessa istruzione SELECT . |
|
|
|
|
Per impostazione predefinita, gli alias e gli identificatori Snowflake non fanno distinzione tra maiuscole e minuscole. Per preservare la distinzione tra maiuscole e minuscole, racchiudi gli alias e gli identificatori tra virgolette doppie (").
FROM
clausola
Una
clausola FROM
in una query specifica le possibili tabelle, viste, sottoquery o funzioni di tabella da
utilizzare in un'istruzione SELECT. Tutti questi riferimenti alle tabelle sono supportati in
BigQuery.
La tabella seguente contiene un elenco di differenze minori.
Snowflake | BigQuery | |
---|---|---|
|
WITH table1 AS |
|
|
|
|
|
Nota: BigQuery non ha un'alternativa diretta a BEFORE di Snowflake che utilizza un ID istruzione. Il valore di timestamp non può essere precedente di più di 7 giorni rispetto al timestamp attuale. |
|
|
BigQuery non supporta il concetto di file di staging. |
|
|
BigQuery non offre un'alternativa diretta a |
È possibile fare riferimento alle tabelle BigQuery nella clausola FROM
utilizzando:
[project_id].[dataset_id].[table_name]
[dataset_id].[table_name]
[table_name]
BigQuery supporta anche riferimenti aggiuntivi alle tabelle:
- Versioni precedenti della definizione e delle righe della tabella utilizzando
FOR SYSTEM_TIME AS OF
- Percorsi dei campi o qualsiasi percorso che si risolve in un campo all'interno di un tipo di dati (ovvero un
STRUCT
) - Array appiattiti
WHERE
clausola
La clausola Snowflake
WHERE
e la clausola BigQuery
WHERE
sono identiche, tranne per quanto segue:
Snowflake | BigQuery | |
---|---|---|
|
SELECT col1, col2 Nota: BigQuery non supporta la sintassi (+) per JOIN |
Tipi di JOIN
Sia Snowflake che BigQuery supportano i seguenti tipi di join:
[INNER] JOIN
LEFT [OUTER] JOIN
RIGHT [OUTER] JOIN
FULL [OUTER] JOIN
CROSS JOIN
e l'equivalente "cross join con virgola" implicito
Sia Snowflake che BigQuery supportano le clausoleON
eUSING
.
La tabella seguente contiene un elenco di differenze minori.
Snowflake | BigQuery | |
---|---|---|
|
Nota: in BigQuery, le clausole JOIN richiedono una condizione JOIN, a meno che non si tratti di un CROSS JOIN o una delle tabelle unite sia un campo all'interno di un tipo di dati o di un array. |
|
Nota: a differenza dell'output di un join non laterale, l'output di un join laterale include solo le righe generate dalla visualizzazione in linea. Non è necessario unire le righe sul lato sinistro a quelle sul lato destro perché le righe sul lato sinistro sono già state prese in considerazione passando alla visualizzazione in linea. |
LATERAL JOIN . |
WITH
clausola
Una clausola
BigQuery WITH
contiene una o più sottoquery denominate che vengono eseguite ogni volta che un'istruzione
SELECT
successiva fa riferimento a queste sottoquery.
Le clausole WITH
di Snowflake si comportano allo stesso modo di BigQuery, con l'eccezione che
BigQuery non supporta WITH RECURSIVE
.
GROUP BY
clausola
Supporto delle clausole GROUP BY
di Snowflake
GROUP BY
,
GROUP BY ROLLUP
,
GROUP BY GROUPING SETS
,
e
GROUP BY CUBE
,
mentre le clausole GROUP BY
di BigQuery supportano
GROUP BY
,
GROUP BY ALL
,
GROUP BY ROLLUP
,
GROUP BY GROUPING SETS
,
e
GROUP BY CUBE
.
Snowflake
HAVING
e BigQuery
HAVING
sono
sinonimi. Tieni presente che HAVING
si verifica dopo GROUP BY
e l'aggregazione e
prima di ORDER BY
.
Snowflake | BigQuery | |
---|---|---|
|
|
|
|
|
|
Nota: Snowflake consente fino a 128 set di raggruppamento nello stesso blocco di query |
|
|
Nota: Snowflake consente fino a 7 elementi (128 set di raggruppamento) in ogni cubo |
|
ORDER BY
clausola
Esistono alcune piccole differenze tra le clausole
Snowflake ORDER BY
e
BigQuery ORDER BY
.
Snowflake | BigQuery | |
---|---|---|
In Snowflake, i NULL vengono classificati per ultimi per impostazione predefinita (ordine crescente). |
In BigQuery, i NULLS vengono classificati per primi per impostazione predefinita (ordine crescente). |
|
Puoi specificare se i valori NULL devono essere ordinati per primi o per ultimi utilizzando rispettivamente NULLS FIRST o NULLS LAST . |
Non esiste un equivalente per specificare se i valori NULL devono essere i primi o gli ultimi in BigQuery. |
LIMIT/FETCH
clausola
La clausola
LIMIT/FETCH
in Snowflake limita il numero massimo di righe restituite da un'istruzione o una sottoquery.
LIMIT
(sintassi Postgres) e
FETCH
(sintassi ANSI) producono lo stesso risultato.
In Snowflake e BigQuery, l'applicazione di una clausola LIMIT
a una query non influisce sulla quantità di dati letti.
Snowflake | BigQuery | |
---|---|---|
Nota: i valori NULL , la stringa vuota ("") e $$$$ sono accettati e vengono trattati come "illimitati". L'utilizzo principale è per connettori e driver. |
Nota: BigQuery non supporta FETCH . LIMIT sostituisce FETCH .Nota: in BigQuery, OFFSET deve essere utilizzato insieme a un LIMIT count . Assicurati di impostare il valore count INT64 sul numero minimo necessario di righe ordinate per ottenere il massimo rendimento. L'ordinamento non necessario di tutte le righe dei risultati comporterà prestazioni di esecuzione delle query peggiori. |
QUALIFY
clausola
La clausola
QUALIFY
in Snowflake consente di filtrare i risultati per le funzioni finestra in modo simile a
quanto fa HAVING
con le funzioni aggregate e le clausole GROUP BY
.
Snowflake | BigQuery | |
---|---|---|
|
La clausola QUALIFY di Snowflake con una funzione di analisi come ROW_NUMBER() , COUNT() e con OVER PARTITION BY viene espressa in BigQuery come clausola WHERE in una sottoquery che contiene il valore di analisi.Utilizzo di ROW_NUMBER() :SELECT col1, col2
Utilizzando ARRAY_AGG() , che supporta partizioni più grandi:
|
Funzioni
Le sezioni seguenti elencano le funzioni Snowflake e i relativi equivalenti BigQuery.
Funzioni di aggregazione
La tabella seguente mostra i mapping tra le funzioni aggregate, analitiche aggregate e aggregate approssimative comuni di Snowflake e i relativi equivalenti BigQuery.
Snowflake | BigQuery |
---|---|
Nota: DISTINCT non ha alcun effetto |
|
Nota: DISTINCT non ha alcun effetto |
Nota: BigQuery non supporta APPROX_COUNT_DISTINCT con le funzioni finestra |
Nota: Snowflake non ha l'opzione per RESPECT NULLS |
Nota: BigQuery non supporta APPROX_QUANTILES con le funzioni finestra |
|
BigQuery non supporta la possibilità di memorizzare lo stato intermedio durante la previsione di valori approssimativi. |
|
BigQuery non supporta la possibilità di memorizzare lo stato intermedio durante la previsione di valori approssimativi. |
|
BigQuery non supporta la possibilità di memorizzare lo stato intermedio durante la previsione di valori approssimativi. |
Nota: se non viene specificato alcun parametro numerico, il valore predefinito è 1. I contatori devono essere significativamente maggiori del numero. |
Nota: BigQuery non supporta APPROX_TOP_COUNT con le funzioni finestra. |
|
BigQuery non supporta la possibilità di memorizzare lo stato intermedio durante la previsione di valori approssimativi. |
|
BigQuery non supporta la possibilità di memorizzare lo stato intermedio durante la previsione di valori approssimativi. |
|
BigQuery non supporta la possibilità di memorizzare lo stato intermedio durante la previsione di valori approssimativi. |
|
Puoi utilizzare una funzione definita dall'utente personalizzata per implementare MINHASH con k funzioni hash distinte. Un altro approccio per ridurre la varianza in MINHASH consiste nel mantenerek dei valori minimi di una funzione hash. In questo caso, l'indice di Jaccard può essere approssimato come segue:
|
|
È un sinonimo di APPROXIMATE_JACCARD_INDEX e può essere implementato nello stesso modo. |
|
|
|
Nota: AVG di BigQuery non esegue il casting automatico su STRING . |
|
INTEGER più vicino. |
|
Nota: BigQuery non esegue il cast implicito delle colonne di caratteri/testo al valore INTEGER più vicino. |
|
Nota: BigQuery non esegue il cast implicito delle colonne di caratteri/testo al valore INTEGER più vicino. |
Nota: Snowflake consente di trattare i valori numerici, decimali e in virgola mobile come TRUE se non sono pari a zero. |
|
Nota: Snowflake consente di trattare i valori numerici, decimali e in virgola mobile come TRUE se non sono pari a zero. |
|
Nota: Snowflake consente di trattare i valori numerici, decimali e in virgola mobile come TRUE se non sono pari a zero. |
Per l'espressione numerica:
Per utilizzare OVER , puoi eseguire il seguente comando (è fornito un esempio booleano):
|
|
|
|
|
|
|
|
|
|
BigQuery non supporta un'alternativa diretta a GROUPING di Snowflake. Disponibile tramite una funzione definita dall'utente. |
|
BigQuery non supporta un'alternativa diretta a GROUPING_ID di Snowflake. Disponibile tramite una funzione definita dall'utente. |
|
SELECT BIT_XOR( FARM_FINGERPRINT( TO_JSON_STRING(t))) [OVER] FROM t |
Nota: Snowflake non consente di specificare la precisione. |
Nota: BigQuery non supporta HLL_COUNT… con le funzioni finestra. Un utente non può includere più espressioni in una singola funzione HLL_COUNT... . |
Nota: Snowflake non consente di specificare la precisione. |
HLL_COUNT.INIT (expression [, precision]) |
|
HLL_COUNT.MERGE_PARTIAL (schizzo) |
|
|
|
BigQuery non supporta un'alternativa diretta a HLL_EXPORT di Snowflake. |
|
BigQuery non supporta un'alternativa diretta a HLL_IMPORT di Snowflake. |
|
BigQuery non supporta un'alternativa diretta a KURTOSIS di Snowflake. |
|
|
Nota: Snowflake non supporta la possibilità di IGNORE|RESPECT NULLS e di LIMIT direttamente in ARRAY_AGG. |
|
|
|
|
Puoi utilizzare una UDF personalizzata per implementare MINHASH con k funzioni hash distinte. Un altro approccio per ridurre la varianza in MINHASH consiste nel conservare k dei valori minimi di una funzione hash: SELECT DISTINCT FARM_FINGERPRINT( TO_JSON_STRING(t)) AS MINHASH
|
|
<code<select FROM ( SELECT DISTINCT FARM_FINGERPRINT( TO_JSON_STRING(t)) AS h FROM TA AS t ORDER BY h LIMIT k UNION SELECT DISTINCT FARM_FINGERPRINT( TO_JSON_STRING(t)) AS h FROM TB AS t ORDER BY h LIMIT k ) ORDER BY h LIMIT k |
|
|
|
Potresti valutare l'utilizzo di TO_JSON_STRING per convertire un valore in una stringa formattata in JSON. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
BigQuery non supporta un'alternativa diretta a SKEW di Snowflake. |
|
|
|
|
|
|
|
|
Nota: Snowflake supporta la possibilità di eseguire il cast di VARCHAR in valori in virgola mobile. |
|
Nota: Snowflake supporta la possibilità di eseguire il cast di VARCHAR in valori in virgola mobile. |
|
Nota: Snowflake supporta la possibilità di eseguire il cast di VARCHAR in valori in virgola mobile. |
|
Nota: Snowflake supporta la possibilità di eseguire il cast di VARCHAR in valori in virgola mobile. |
|
BigQuery offre anche le seguenti funzioni aggregate, aggregate analytic, e approximate aggregate, che non hanno un analogo diretto in Snowflake:
Funzioni di espressione bitwise
La tabella seguente mostra i mapping tra le funzioni di espressione bitwise comuni di Snowflake e i relativi equivalenti BigQuery.
Se il tipo di dati di un'espressione non è INTEGER
, Snowflake tenta di eseguire il cast
a INTEGER
. Tuttavia, BigQuery non tenta di eseguire il cast a INTEGER
.
Snowflake | BigQuery |
---|---|
|
|
|
|
|
|
|
|
BITSHIFTRIGHT
|
|
Nota: Snowflake non supporta DISTINCT. |
|
Funzioni di espressione condizionale
La tabella seguente mostra i mapping tra le espressioni condizionali Snowflake comuni e i relativi equivalenti BigQuery.
Snowflake | BigQuery |
---|---|
|
|
Nota: Snowflake consente di trattare i valori numerici, decimali e in virgola mobile come TRUE se non sono pari a zero. |
|
Nota: Snowflake consente di trattare i valori numerici, decimali e in virgola mobile come TRUE se non sono pari a zero. |
|
BOOLOR Nota: Snowflake consente di trattare i valori numerici, decimali e in virgola mobile come TRUE se non sono pari a zero. |
|
BOOLXOR Nota: Snowflake consente di trattare i valori numerici, decimali e in virgola mobile come TRUE se non sono pari a zero. |
BigQuery non supporta un'alternativa diretta a BOOLXOR. di Snowflake |
|
|
Nota: Snowflake richiede almeno due espressioni. BigQuery ne richiede solo uno. |
|
|
DECODE di Snowflake. L'utente deve utilizzare IS NULL anziché = NULL per trovare corrispondenze tra le espressioni di selezione NULL e le espressioni di ricerca NULL . |
|
BigQuery non supporta un'alternativa diretta a EQUAL_NULL. di Snowflake |
|
|
|
|
|
|
|
|
|
BigQuery non supporta un'alternativa diretta a IS [ NOT ] DISTINCT FROM. di Snowflake |
|
|
|
BigQuery non supporta i tipi di dati VARIANT . |
|
|
|
|
|
|
|
|
|
REGR... di Snowflake. |
|
Nota: BigQuery non supporta un'alternativa diretta alle funzioni REGR... di Snowflake. |
|
|
Funzioni di contesto
La tabella seguente mostra i mapping tra le funzioni di contesto Snowflake comuni e i relativi equivalenti BigQuery.
Snowflake | BigQuery |
---|---|
Nota: non è un confronto diretto. Snowflake restituisce l'ID account, BigQuery restituisce l'indirizzo email dell'utente. |
|
Concetto non utilizzato in BigQuery |
|
Viene restituita una tabella dei nomi dei progetti. Non è un confronto diretto. |
|
Nota: Snowflake non applica "()" dopo il comando CURRENT_DATE per rispettare gli standard ANSI. |
Nota: CURRENT_DATE di BigQuery supporta la specifica facoltativa del fuso orario. |
Nota: INFORMATION_SCHEMA.SCHEMATA di BigQuery restituisce riferimenti di località più generalizzati rispetto a CURRENT_REGION() di Snowflake. Non è un confronto diretto. |
|
Concetto non utilizzato in BigQuery |
|
Viene restituita una tabella di tutti i set di dati (chiamati anche schemi) disponibili nel progetto o nella regione. Non è un confronto diretto. |
|
Concetto non utilizzato in BigQuery |
|
Concetto non utilizzato in BigQuery |
|
Nota: INFORMATION_SCHEMA.JOBS_BY_* di BigQuery consente di cercare query per tipo di job, tipo di inizio/fine e così via. |
|
Nota: Snowflake consente una precisione facoltativa dei secondi frazionari. I valori validi sono compresi tra 0 e 9 nanosecondi. Il valore predefinito è 9. Per rispettare lo standard ANSI, può essere chiamato senza "()". |
|
Nota: Snowflake consente una precisione facoltativa dei secondi frazionari. I valori validi sono compresi tra 0 e 9 nanosecondi. Il valore predefinito è 9. Per rispettare lo standard ANSI, questa funzione può essere chiamata senza "()". Imposta TIMEZONE come parametro di sessione. |
Nota:
CURRENT_DATETIME restituisce il tipo di dati DATETIME (non supportato in Snowflake). CURRENT_TIMESTAMP restituisce il tipo di dati TIMESTAMP . |
INFORMATION_SCHEMA.JOBS_BY_* di BigQuery consente di cercare gli ID job per tipo di job, tipo di inizio/fine e così via. |
|
Nota: Snowflake non applica "()" dopo il comando CURRENT_USER per rispettare gli standard ANSI. |
|
Concetto non utilizzato in BigQuery |
|
|
|
|
Nota: INFORMATION_SCHEMA.JOBS_BY_* di BigQuery consente di cercare gli ID job per tipo di job, tipo di inizio/fine e così via. |
Nota: INFORMATION_SCHEMA.JOBS_BY_* di BigQuery consente di cercare gli ID job per tipo di job, tipo di inizio/fine e così via. |
|
Nota: Snowflake non applica "()" dopo il comando LOCALTIME per rispettare gli standard ANSI. |
|
Nota:
CURRENT_DATETIME restituisce il tipo di dati DATETIME (non supportato in Snowflake). CURRENT_TIMESTAMP restituisce il tipo di dati TIMESTAMP . |
Funzioni di conversione
La tabella seguente mostra i mapping tra le funzioni di conversione Snowflake comuni e i relativi equivalenti BigQuery.
Tieni presente che le funzioni che sembrano identiche in Snowflake e BigQuery potrebbero restituire tipi di dati diversi.
Snowflake | BigQuery |
---|---|
|
|
|
|
Nota: Snowflake supporta la conversione HEX , BASE64 e UTF-8 . Snowflake supporta anche TO_BINARY utilizzando il tipo di dati VARIANT . BigQuery non ha un'alternativa al tipo di dati VARIANT . |
Nota: il casting STRING predefinito di BigQuery utilizza la codifica UTF-8 . Snowflake non offre un'opzione per supportare la codifica BASE32 . |
Nota:
|
Nota:
|
Nota: i modelli di formato di Snowflake sono disponibili qui. BigQuery non ha un'alternativa al tipo di dati VARIANT . |
Nota: l'espressione di input di BigQuery può essere formattata utilizzando FORMAT_DATE , FORMAT_DATETIME , FORMAT_TIME o FORMAT_TIMESTAMP . |
Nota: Snowflake supporta la possibilità di convertire direttamente i tipi INTEGER in tipi DATE . I modelli di formato di Snowflake sono disponibili qui. BigQuery non ha un'alternativa al tipo di dati VARIANT . |
Nota: l'espressione di input di BigQuery può essere formattata utilizzando FORMAT , FORMAT_DATETIME o FORMAT_TIMESTAMP . |
Nota: i modelli di formato di Snowflake per i tipi di dati DECIMAL , NUMBER e NUMERIC sono disponibili qui. BigQuery non ha un'alternativa al tipo di dati VARIANT . |
Nota: l'espressione di input di BigQuery può essere formattata utilizzando FORMAT. |
Nota: i modelli di formato di Snowflake per i tipi di dati DOUBLE sono disponibili qui. BigQuery non ha un'alternativa al tipo di dati VARIANT . |
Nota: l'espressione di input di BigQuery può essere formattata utilizzando FORMAT. |
|
BigQuery non ha un'alternativa al tipo di dati VARIANT di Snowflake. |
|
BigQuery non ha un'alternativa al tipo di dati VARIANT di Snowflake. |
Nota: i modelli di formato di Snowflake per i tipi di dati STRING sono disponibili qui. BigQuery non ha un'alternativa al tipo di dati VARIANT . |
Nota: BigQuery non ha un'alternativa al tipo di dati VARIANT di Snowflake. L'espressione di input di BigQuery può essere formattata utilizzando FORMAT , FORMAT_DATETIME , FORMAT_TIMESTAMP o FORMAT_TIME . |
Nota: BigQuery non ha un'alternativa al tipo di dati VARIANT . |
Nota: l'espressione di input di BigQuery può essere formattata utilizzando FORMAT , FORMAT_DATE , FORMAT_DATETIME , FORMAT_TIME . Il fuso orario può essere incluso/non incluso tramite i parametri FORMAT_TIMESTAMP . |
|
BigQuery non ha un'alternativa al tipo di dati VARIANT di Snowflake. |
|
BigQuery non ha un'alternativa al tipo di dati VARIANT di Snowflake. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
BigQuery offre anche le seguenti funzioni di conversione, che non hanno un analogo diretto in Snowflake:
CODE_POINTS_TO_BYTES
CODE_POINTS_TO_STRING
FORMAT
FROM_BASE32
FROM_BASE64
FROM_HEX
SAFE_CONVERT_BYTES_TO_STRING
TO_BASE32
TO_CODE_POINTS
Funzioni di generazione dei dati
La tabella seguente mostra i mapping tra le funzioni comuni di generazione dei dati di Snowflake e le relative funzioni equivalenti di BigQuery.
Snowflake | BigQuery |
---|---|
|
BigQuery non supporta un confronto diretto con NORMAL. di Snowflake |
|
Nota: BigQuery non supporta la generazione di seed |
|
BigQuery non supporta un confronto diretto con RANDSTR. di Snowflake |
SEQ1 / SEQ2 / SEQ4 / SEQ8 |
BigQuery non supporta un confronto diretto con SEQ_. di Snowflake |
|
Nota:utilizza le UDF permanenti per creare un equivalente di UNIFORM di Snowflake. Esempio qui. |
UUID_STRING([uuid, name]) Nota: Snowflake restituisce 128 bit casuali. Snowflake supporta gli UUID versione 4 (casuali) e versione 5 (denominati). |
Nota: BigQuery restituisce 122 bit casuali. BigQuery supporta solo gli UUID di versione 4. |
|
BigQuery non supporta un confronto diretto con ZIPF. di Snowflake |
Funzioni di data e ora
La tabella seguente mostra i mapping tra le funzioni di data e ora di Snowflake più comuni e i relativi equivalenti BigQuery. Le funzioni di data e ora di BigQuery includono funzioni di data, funzioni di data e ora, funzioni di ora e funzioni di timestamp.
Snowflake | BigQuery |
---|---|
|
|
|
Nota: source_timezone è sempre UTC in BigQuery |
Nota: Snowflake supporta l'overflow e le date negative. Ad esempio, DATE_FROM_PARTS(2000, 1 + 24, 1) restituisce 1° gennaio 2002. Questa operazione non è supportata in BigQuery. |
|
Nota: Snowflake supporta i tipi di parte giorno della settimana ISO, nanosecondo e secondo/millisecondo/microsecondo/nanosecondo dell'epoca. BigQuery no. Consulta l'elenco completo dei tipi di parti di Snowflake qui
. . |
Nota: BigQuery supporta i tipi di parte settimana(<weekday>), microsecondo e millisecondo. Snowflake no. Consulta l'elenco completo dei tipi di parti BigQuery qui e qui. |
Nota: Snowflake supporta il tipo di parte nanosecondo. BigQuery no. Consulta l'elenco completo dei tipi di parti di Snowflake qui
. . |
Nota: BigQuery supporta i tipi di parte settimana(<weekday>), settimana ISO e anno ISO. Snowflake no. |
|
|
Nota: Snowflake supporta il calcolo della differenza tra due tipi di data, ora e timestamp in questa funzione. |
Nota: BigQuery supporta i tipi di parte settimana(<weekday>) e anno ISO. |
|
|
Nota: Snowflake supporta i tipi di parte giorno della settimana ISO, nanosecondo e secondo/millisecondo/microsecondo/nanosecondo dell'epoca. BigQuery no. Consulta l'elenco completo dei tipi di parti di Snowflake qui
. . |
Nota: BigQuery supporta i tipi di parte settimana(<weekday>), microsecondo e millisecondo. Snowflake no. Consulta l'elenco completo dei tipi di parti BigQuery qui e qui. |
|
|
|
|
|
|
|
Nota: potrebbe essere necessario riformattare dowString. Ad esempio, "su" di Snowflake diventerà "SUNDAY" di BigQuery. |
|
Nota: potrebbe essere necessario riformattare dowString. Ad esempio, "su" di Snowflake diventerà "SUNDAY" di BigQuery. |
Nota: Snowflake supporta i tempi di overflow. Ad esempio, TIME_FROM_PARTS(0, 100, 0) restituisce 01:40:00… Questa operazione non è supportata in BigQuery. BigQuery non supporta i nanosecondi. |
|
|
Nota: BigQuery non supporta un confronto diretto ed esatto con TIME_SLICE di Snowflake. Utilizza DATETINE_TRUNC , TIME_TRUNC , TIMESTAMP_TRUNC per il tipo di dati appropriato. |
|
|
Nota: Snowflake supporta il calcolo della differenza tra due tipi di data, ora e timestamp in questa funzione. |
Nota: BigQuery supporta i tipi di parte settimana(<weekday>) e anno ISO. |
|
Nota: BigQuery richiede che i timestamp vengano inseriti come tipi STRING . Esempio: "2008-12-25 15:30:00" |
|
|
Nota: Snowflake supporta il calcolo della differenza tra due tipi di data, ora e timestamp in questa funzione. |
Nota: BigQuery supporta i tipi di parte settimana(<weekday>) e anno ISO. |
Nota: Snowflake supporta il tipo di parte nanosecondo. BigQuery no. Consulta l'elenco completo dei tipi di parti di Snowflake qui
. . |
Nota: BigQuery supporta i tipi di parte settimana(<weekday>), settimana ISO e anno ISO. Snowflake no. |
|
|
BigQuery offre anche le seguenti funzioni di data e ora, che non hanno un analogo diretto in Snowflake:
Funzioni di schema e tabella delle informazioni
BigQuery non supporta concettualmente molte delle funzioni di schema e tabella delle informazioni di Snowflake. Snowflake offre le seguenti funzioni di schema informativo e tabella, che non hanno un analogo diretto in BigQuery:
AUTOMATIC_CLUSTERING_HISTORY
COPY_HISTORY
DATA_TRANSFER_HISTORY
DATABASE_REFRESH_HISTORY
DATABASE_REFRESH_PROGRESS, DATABASE_REFRESH_PROGRESS_BY_JOB
DATABASE_STORAGE_USAGE_HISTORY
EXTERNAL_TABLE_FILES
EXTERNAL_TABLE_FILE_REGISTRATION_HISTORY
LOGIN_HISTORY
,LOGIN_HISTORY_BY_USER
MATERIALIZED_VIEW_REFRESH_HISTORY
PIPE_USAGE_HISTORY
REPLICATION_USAGE_HISTORY
STAGE_STORAGE_USAGE_HISTORY
TASK_DEPENDENTS
VALIDATE_PIPE_LOAD
WAREHOUSE_LOAD_HISTORY
WAREHOUSE_METERING_HISTORY
Di seguito è riportato un elenco di funzioni di sistema e tabelle di informazioni di BigQuery e Snowflake associate.
Snowflake | BigQuery |
---|---|
QUERY_HISTORY QUERY_HISTORY_BY_* |
INFORMATION_SCHEMA.JOBS_BY_* Nota: non è un'alternativa diretta. |
TASK_HISTORY |
INFORMATION_SCHEMA.JOBS_BY_* Nota: non è un'alternativa diretta. |
BigQuery offre le seguenti funzioni di schema informativo e tabella, che non hanno un analogo diretto in Snowflake:
INFORMATION_SCHEMA.SCHEMATA
INFORMATION_SCHEMA.ROUTINES
INFORMATION_SCHEMA.TABLES
INFORMATION_SCHEMA.VIEWS
Funzioni numeriche
La tabella seguente mostra i mapping tra le funzioni numeriche comuni di Snowflake e i relativi equivalenti BigQuery.
Snowflake | BigQuery |
---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Nota: CEIL di BigQuery non supporta la possibilità di indicare la precisione o la scala. ROUND non consente di specificare l'arrotondamento per eccesso. |
|
|
|
|
|
|
|
|
|
|
|
BigQuery non ha un'alternativa diretta a FACTORIAL di Snowflake. Utilizza una funzione definita dall'utente. |
|
Nota: FLOOR di BigQuery non supporta la possibilità di indicare la precisione o la scala. ROUND non consente di specificare l'arrotondamento per eccesso. TRUNC funziona in modo sinonimo per i numeri positivi, ma non per i numeri negativi, in quanto valuta il valore assoluto. |
|
Nota: non è una corrispondenza esatta, ma è abbastanza simile. |
|
|
|
Nota:la base predefinita per LOG è 10. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Nota: il valore restituito di BigQuery deve essere inferiore all'espressione; non supporta l'uguaglianza. |
BigQuery offre anche le seguenti funzioni matematiche, che non hanno un analogo diretto in Snowflake:
IS_INF
IS_NAN
IEEE_DIVIDE
DIV
SAFE_DIVIDE
SAFE_MULTIPLY
SAFE_NEGATE
SAFE_ADD
SAFE_SUBTRACT
RANGE_BUCKET
Funzioni per i dati semistrutturati
Snowflake | BigQuery |
---|---|
ARRAY_APPEND |
Funzione definita dall'utente personalizzata |
ARRAY_CAT |
ARRAY_CONCAT |
ARRAY_COMPACT |
Funzione definita dall'utente personalizzata |
ARRAY_CONSTRUCT |
[ ] |
ARRAY_CONSTRUCT_COMPACT |
Funzione definita dall'utente personalizzata |
ARRAY_CONTAINS |
Funzione definita dall'utente personalizzata |
ARRAY_INSERT |
Funzione definita dall'utente personalizzata |
ARRAY_INTERSECTION |
Funzione definita dall'utente personalizzata |
ARRAY_POSITION |
Funzione definita dall'utente personalizzata |
ARRAY_PREPEND |
Funzione definita dall'utente personalizzata |
ARRAY_SIZE |
ARRAY_LENGTH |
ARRAY_SLICE |
Funzione definita dall'utente personalizzata |
ARRAY_TO_STRING |
ARRAY_TO_STRING |
ARRAYS_OVERLAP |
Funzione definita dall'utente personalizzata |
AS_<object_type> |
CAST |
AS_ARRAY |
CAST |
AS_BINARY |
CAST |
AS_BOOLEAN |
CAST |
AS_CHAR , AS_VARCHAR |
CAST |
AS_DATE |
CAST |
AS_DECIMAL , AS_NUMBER |
CAST |
AS_DOUBLE , AS_REAL |
CAST |
AS_INTEGER |
CAST |
AS_OBJECT |
CAST |
AS_TIME |
CAST |
AS_TIMESTAMP_* |
CAST |
CHECK_JSON |
Funzione definita dall'utente personalizzata |
CHECK_XML |
Funzione definita dall'utente personalizzata |
FLATTEN |
UNNEST |
GET |
Funzione definita dall'utente personalizzata |
GET_IGNORE_CASE |
Funzione definita dall'utente personalizzata |
|
Funzione definita dall'utente personalizzata |
IS_<object_type> |
Funzione definita dall'utente personalizzata |
IS_ARRAY |
Funzione definita dall'utente personalizzata |
IS_BINARY |
Funzione definita dall'utente personalizzata |
IS_BOOLEAN |
Funzione definita dall'utente personalizzata |
IS_CHAR , IS_VARCHAR |
Funzione definita dall'utente personalizzata |
IS_DATE , IS_DATE_VALUE |
Funzione definita dall'utente personalizzata |
IS_DECIMAL |
Funzione definita dall'utente personalizzata |
IS_DOUBLE , IS_REAL |
Funzione definita dall'utente personalizzata |
IS_INTEGER |
Funzione definita dall'utente personalizzata |
IS_OBJECT |
Funzione definita dall'utente personalizzata |
IS_TIME |
Funzione definita dall'utente personalizzata |
IS_TIMESTAMP_* |
Funzione definita dall'utente personalizzata |
OBJECT_CONSTRUCT |
Funzione definita dall'utente personalizzata |
OBJECT_DELETE |
Funzione definita dall'utente personalizzata |
OBJECT_INSERT |
Funzione definita dall'utente personalizzata |
PARSE_JSON |
JSON_EXTRACT |
PARSE_XML |
Funzione definita dall'utente personalizzata |
STRIP_NULL_VALUE |
Funzione definita dall'utente personalizzata |
STRTOK_TO_ARRAY |
SPLIT |
TRY_PARSE_JSON |
Funzione definita dall'utente personalizzata |
TYPEOF |
Funzione definita dall'utente personalizzata |
XMLGET |
Funzione definita dall'utente personalizzata |
Funzioni di stringa e binarie
Snowflake | BigQuery |
---|---|
|
|
ASCII |
|
BASE64_DECODE_BINARY |
|
BASE64_DECODE_STRING |
|
BASE64_ENCODE |
|
BIT_LENGTH |
CHARACTER_LENGTH |
|
|
CHR,CHAR |
|
COLLATE |
Funzione definita dall'utente personalizzata |
COLLATION |
Funzione definita dall'utente personalizzata |
COMPRESS |
Funzione definita dall'utente personalizzata |
|
CONCAT (...) di BigQuery supporta la concatenazione di un numero qualsiasi di stringhe. |
CONTAINS |
Funzione definita dall'utente personalizzata |
DECOMPRESS_BINARY |
Funzione definita dall'utente personalizzata |
DECOMPRESS_STRING |
Funzione definita dall'utente personalizzata |
EDITDISTANCE |
EDIT_DISTANCE |
ENDSWITH |
Funzione definita dall'utente personalizzata |
HEX_DECODE_BINARY |
|
HEX_DECODE_STRING |
|
HEX_ENCODE |
|
ILIKE |
Funzione definita dall'utente personalizzata |
ILIKE ANY |
Funzione definita dall'utente personalizzata |
INITCAP |
INITCAP |
INSERT |
Funzione definita dall'utente personalizzata |
LEFT |
Funzione definita dall'utente |
LENGTH |
|
LIKE |
LIKE |
LIKE ALL |
Funzione definita dall'utente personalizzata |
LIKE ANY |
Funzione definita dall'utente personalizzata |
LOWER |
|
LPAD |
|
LTRIM |
|
|
|
MD5_BINARY |
Funzione definita dall'utente personalizzata |
OCTET_LENGTH |
Funzione definita dall'utente personalizzata |
PARSE_IP |
Funzione definita dall'utente personalizzata |
PARSE_URL |
Funzione definita dall'utente personalizzata |
POSITION |
|
REPEAT |
|
REPLACE |
|
REVERSE
|
|
RIGHT |
Funzione definita dall'utente |
RPAD |
RPAD |
RTRIM |
|
RTRIMMED_LENGTH |
Funzione definita dall'utente personalizzata |
SHA1,SHA1_HEX |
|
SHA1_BINARY |
Funzione definita dall'utente personalizzata |
SHA2,SHA2_HEX |
Funzione definita dall'utente personalizzata |
SHA2_BINARY |
Funzione definita dall'utente personalizzata |
SOUNDEX |
Funzione definita dall'utente personalizzata |
SPACE |
Funzione definita dall'utente personalizzata |
SPLIT |
SPLIT |
SPLIT_PART |
Funzione definita dall'utente personalizzata |
SPLIT_TO_TABLE |
Funzione definita dall'utente personalizzata |
STARTSWITH |
Funzione definita dall'utente personalizzata |
STRTOK |
Nota: l'intero argomento della stringa del delimitatore viene utilizzato come singolo delimitatore. Il delimitatore predefinito è una virgola. |
STRTOK_SPLIT_TO_TABLE |
Funzione definita dall'utente personalizzata |
SUBSTR,SUBSTRING |
SUBSTR |
TRANSLATE |
Funzione definita dall'utente personalizzata |
TRIM |
TRIM |
TRY_BASE64_DECODE_BINARY |
Funzione definita dall'utente personalizzata |
TRY_BASE64_DECODE_STRING |
|
TRY_HEX_DECODE_BINARY |
|
TRY_HEX_DECODE_STRING |
|
UNICODE |
Funzione definita dall'utente personalizzata |
|
UPPER |
Funzioni di stringa (espressioni regolari)
Snowflake | BigQuery |
---|---|
REGEXP |
|
REGEXP_COUNT |
Se position è specificato:
Nota: BigQuery fornisce il supporto delle espressioni regolari utilizzando la libreria re2. Consulta la documentazione per la sintassi delle espressioni regolari. |
REGEXP_INSTR |
Se position è specificato:
Se occurrence è specificato:
Nota: BigQuery fornisce il supporto delle espressioni regolari utilizzando la libreria re2. Consulta la documentazione per la sintassi delle espressioni regolari. |
|
|
REGEXP_REPLACE |
Se replace_string è specificato:
Se position è specificato:
Nota: BigQuery fornisce il supporto delle espressioni regolari utilizzando la libreria re2. Consulta la documentazione per la sintassi delle espressioni regolari. |
REGEXP_SUBSTR |
Se position è specificato:
Se occurrence è specificato:
Nota: BigQuery fornisce il supporto delle espressioni regolari utilizzando la libreria re2. Consulta la documentazione per la sintassi delle espressioni regolari. |
RLIKE |
|
Funzioni di sistema
Snowflake | BigQuery |
---|---|
SYSTEM$ABORT_SESSION |
Funzione definita dall'utente personalizzata |
SYSTEM$ABORT_TRANSACTION |
Funzione definita dall'utente personalizzata |
SYSTEM$CANCEL_ALL_QUERIES |
Funzione definita dall'utente personalizzata |
SYSTEM$CANCEL_QUERY |
Funzione definita dall'utente personalizzata |
SYSTEM$CLUSTERING_DEPTH |
Funzione definita dall'utente personalizzata |
SYSTEM$CLUSTERING_INFORMATION |
Funzione definita dall'utente personalizzata |
SYSTEM$CLUSTERING_RATIO — Deprecated |
Funzione definita dall'utente personalizzata |
SYSTEM$CURRENT_USER_TASK_NAME |
Funzione definita dall'utente personalizzata |
SYSTEM$DATABASE_REFRESH_HISTORY |
Funzione definita dall'utente personalizzata |
SYSTEM$DATABASE_REFRESH_PROGRESS , SYSTEM$DATABASE_REFRESH_PROGRESS_BY_JOB |
Funzione definita dall'utente personalizzata |
SYSTEM$GET_AWS_SNS_IAM_POLICY |
Funzione definita dall'utente personalizzata |
SYSTEM$GET_PREDECESSOR_RETURN_VALUE |
Funzione definita dall'utente personalizzata |
SYSTEM$LAST_CHANGE_COMMIT_TIME |
Funzione definita dall'utente personalizzata |
SYSTEM$PIPE_FORCE_RESUME |
Funzione definita dall'utente personalizzata |
SYSTEM$PIPE_STATUS |
Funzione definita dall'utente personalizzata |
SYSTEM$SET_RETURN_VALUE |
Funzione definita dall'utente personalizzata |
SYSTEM$SHOW_OAUTH_CLIENT_SECRETS |
Funzione definita dall'utente personalizzata |
SYSTEM$STREAM_GET_TABLE_TIMESTAMP |
Funzione definita dall'utente personalizzata |
SYSTEM$STREAM_HAS_DATA |
Funzione definita dall'utente personalizzata |
SYSTEM$TASK_DEPENDENTS_ENABLE |
Funzione definita dall'utente personalizzata |
SYSTEM$TYPEOF |
Funzione definita dall'utente personalizzata |
SYSTEM$USER_TASK_CANCEL_ONGOING_EXECUTIONS |
Funzione definita dall'utente personalizzata |
SYSTEM$WAIT |
Funzione definita dall'utente personalizzata |
SYSTEM$WHITELIST |
Funzione definita dall'utente personalizzata |
SYSTEM$WHITELIST_PRIVATELINK |
Funzione definita dall'utente personalizzata |
Funzioni tabella
Snowflake | BigQuery | |
---|---|---|
GENERATOR |
Funzione definita dall'utente personalizzata | |
GET_OBJECT_REFERENCES |
Funzione definita dall'utente personalizzata | |
RESULT_SCAN |
Funzione definita dall'utente personalizzata | |
VALIDATE |
Funzione definita dall'utente personalizzata |
Funzioni di utilità e hash
Snowflake | BigQuery | |
---|---|---|
GET_DDL |
Richiesta di funzionalità | |
HASH |
HASH è una funzione proprietaria specifica di Snowflake. Non può essere tradotto senza conoscere la logica sottostante utilizzata da Snowflake. |
Funzioni finestra
Snowflake | BigQuery | |
---|---|---|
CONDITIONAL_CHANGE_EVENT |
Funzione definita dall'utente personalizzata | |
CONDITIONAL_TRUE_EVENT |
Funzione definita dall'utente personalizzata | |
CUME_DIST |
CUME_DIST |
|
DENSE_RANK |
DENSE_RANK |
|
FIRST_VALUE |
FIRST_VALUE |
|
LAG |
LAG |
|
LAST_VALUE |
LAST_VALUE |
|
LEAD |
LEAD |
|
NTH_VALUE |
NTH_VALUE |
|
NTILE |
NTILE |
|
PERCENT_RANK |
PERCENT_RANK |
|
RANK |
RANK |
|
RATIO_TO_REPORT |
Funzione definita dall'utente personalizzata | |
ROW_NUMBER |
ROW_NUMBER |
|
WIDTH_BUCKET |
Funzione definita dall'utente personalizzata |
BigQuery supporta anche
SAFE_CAST
(expression
AS typename), che restituisce NULL se BigQuery non è in grado di eseguire un
cast (ad esempio,
SAFE_CAST
("apple"
AS INT64) restituisce NULL).
Operatori
Le sezioni seguenti elencano gli operatori Snowflake e i relativi equivalenti BigQuery.
Operatori aritmetici
La tabella seguente mostra i mapping tra gli operatori aritmetici di Snowflake e i relativi equivalenti BigQuery.
Snowflake | BigQuery |
---|---|
|
|
|
|
|
Nota: BigQuery supporta il segno meno unario standard, ma non converte gli interi in formato stringa nel tipo INT64 , NUMERIC o FLOAT64 . |
|
|
|
|
|
|
|
|
|
|
Per visualizzare i dettagli di scala e precisione di Snowflake durante l'esecuzione di operazioni aritmetiche, consulta la documentazione di Snowflake.
Operatori di confronto
Gli operatori di confronto di Snowflake e gli operatori di confronto di BigQuery sono gli stessi.
Operatori logici/booleani
Gli operatori logici/booleani di Snowflake e gli operatori logici/booleani di BigQuery sono gli stessi.
Operatori Set
La tabella seguente mostra i mapping tra gli operatori di insieme di Snowflake e i relativi equivalenti BigQuery.
Snowflake | BigQuery |
---|---|
|
INTERSECT DISTINCT
|
Nota: MINUS e EXCEPT sono sinonimi. |
|
|
|
Operatori di sottoquery
La tabella seguente mostra i mapping tra gli operatori di sottoquery di Snowflake e i relativi equivalenti BigQuery.
Snowflake | BigQuery |
---|---|
|
BigQuery non supporta un'alternativa diretta ad ALL/ANY di Snowflake. |
|
|
|
|
|
Nota: BigQuery richiede le parentesi per separare le diverse operazioni sui set. Se lo stesso operatore di insieme viene ripetuto, le parentesi non sono necessarie. |
Sintassi DML
Questa sezione illustra le differenze nella sintassi del linguaggio di gestione dei dati tra Snowflake e BigQuery.
INSERT
estratto conto
Snowflake offre una parola chiave DEFAULT
configurabile per le colonne. In
BigQuery, il valore DEFAULT
per le colonne Nullable è NULL e
DEFAULT
non è supportato per le colonne obbligatorie. La maggior parte delle istruzioni Snowflake INSERT
è compatibile con BigQuery. La tabella seguente mostra le eccezioni.
Snowflake | BigQuery |
---|---|
Nota: BigQuery non supporta l'inserimento di oggetti JSON con un'istruzione INSERT . |
VALUES (DEFAULT [, ...]) Nota: BigQuery non supporta un'alternativa diretta a OVERWRITE di Snowflake. Utilizza invece DELETE . |
|
|
... Nota:
<intoClause> rappresenta INSERT statement standard, elencato sopra. |
BigQuery non supporta INSERTs multi-tabella condizionali e incondizionali. |
BigQuery supporta anche l'inserimento di valori utilizzando una sottoquery (in cui uno dei valori viene calcolato utilizzando una sottoquery), che non è supportato in Snowflake. Ad esempio:
INSERT INTO table (column1, column2)
VALUES ('value_1', (
SELECT column2
FROM table2
))
COPY
estratto conto
Snowflake supporta la copia dei dati dai file temporanei a una tabella esistente e da una tabella a un'area di staging interna denominata, a un'area di staging esterna denominata e a una posizione esterna (Amazon S3, Google Cloud Storage o Microsoft Azure).
BigQuery non utilizza il comando SQL COPY
per caricare i dati, ma puoi utilizzare uno dei numerosi strumenti e opzioni non SQL per caricare i dati nelle tabelle BigQuery. Puoi anche utilizzare i sink della pipeline di dati forniti in Apache Spark o Apache Beam per scrivere i dati in BigQuery.
UPDATE
estratto conto
La maggior parte delle istruzioni UPDATE
di Snowflake è compatibile con BigQuery. La
tabella seguente mostra le eccezioni.
Snowflake | BigQuery | |
---|---|---|
|
Nota: tutte le istruzioni UPDATE in BigQuery richiedono una parola chiave WHERE , seguita da una condizione. |
DELETE
e TRUNCATE TABLE
Le istruzioni DELETE
e TRUNCATE TABLE
sono due modi per rimuovere righe da una tabella senza influire sullo schema o sugli indici della tabella.
In Snowflake, sia DELETE
che TRUNCATE TABLE
mantengono i dati eliminati utilizzando
Time Travel di Snowflake a scopo di recupero per il periodo di conservazione dei dati.
Tuttavia, DELETE non elimina la cronologia di caricamento dei file esterni e i metadati di caricamento.
In BigQuery, l'istruzione DELETE
deve avere una clausola WHERE
. Per
maggiori informazioni su DELETE
in BigQuery, consulta gli
esempi di BigQueryDELETE
nella documentazione DML.
Snowflake | BigQuery |
---|---|
|
Nota: le istruzioni BigQuery DELETE richiedono una clausola WHERE . |
MERGE
estratto conto
L'istruzione MERGE
può combinare le operazioni INSERT
, UPDATE
e DELETE
in un'unica istruzione "upsert" ed eseguire le operazioni automaticamente. L'operazione
MERGE
deve corrispondere al massimo a una riga di origine per ogni riga di destinazione.
Le tabelle BigQuery sono limitate a 1000 istruzioni DML al giorno, pertanto devi consolidare in modo ottimale le istruzioni INSERT, UPDATE e DELETE in una singola istruzione MERGE, come mostrato nella tabella seguente:
Snowflake | BigQuery |
---|---|
Nota: Snowflake supporta un parametro di sessione ERROR_ON_NONDETERMINISTIC_MERGE per gestire i risultati non deterministici. |
Nota: se aggiorni tutte le colonne, devono essere elencate tutte. |
GET
e LIST
L'istruzione GET
scarica i file di dati da una delle seguenti aree di staging di Snowflake in una
directory/cartella locale su un computer client:
- Fase interna denominata
- Fase interna per una tabella specificata
- Fase interna per l'utente corrente
L'istruzione LIST
(LS) restituisce un elenco di file di cui è stato eseguito lo staging (ovvero caricati
da un file system locale o scaricati da una tabella) in una delle seguenti
aree di staging di Snowflake:
- Fase interna denominata
- Fase esterna denominata
- Area di gestione temporanea per una tabella specificata
- Fase per l'utente corrente
BigQuery non supporta il concetto di staging e non ha equivalenti di
GET
e LIST
.
PUT
e REMOVE
L'istruzione PUT
carica (ovvero esegue lo staging) i file di dati da una directory/cartella locale su
un computer client in una delle seguenti aree di staging di Snowflake:
- Fase interna denominata
- Fase interna per una tabella specificata
- Fase interna per l'utente corrente
L'istruzione REMOVE
(RM)
rimuove i file che sono stati sottoposti a staging in una delle seguenti
aree di staging interne di Snowflake:
- Fase interna denominata
- Area di gestione temporanea per una tabella specificata
- Fase per l'utente corrente
BigQuery non supporta il concetto di staging e non ha equivalenti di
PUT
e REMOVE
.
Sintassi DDL
Questa sezione illustra le differenze nella sintassi del linguaggio di definizione dei dati tra Snowflake e BigQuery.
Database, schema e condivisione di DDL
La maggior parte della terminologia di Snowflake corrisponde a quella di BigQuery, tranne per il fatto che il database Snowflake è simile al set di dati BigQuery. Consulta la mappatura dettagliata della terminologia da Snowflake a BigQuery.
CREATE DATABASE
estratto conto
Snowflake supporta la creazione e la gestione di un database tramite comandi di gestione del database, mentre BigQuery offre più opzioni, come l'utilizzo di Console, CLI, librerie client e così via per la creazione di set di dati. Questa sezione utilizzerà i comandi della CLI BigQuery corrispondenti ai comandi Snowflake per risolvere le differenze.
Snowflake | BigQuery |
---|---|
Nota: Snowflake fornisce questi requisiti per l'assegnazione dei nomi ai database. Consente solo 255 caratteri nel nome. |
Nota: BigQuery ha requisiti di denominazione dei set di dati simili a Snowflake, tranne per il fatto che consente 1024 caratteri nel nome. |
|
La sostituzione del set di dati non è supportata in BigQuery. |
|
La creazione di un set di dati temporaneo non è supportata in BigQuery. |
|
Concetto non supportato in BigQuery |
|
La clonazione dei set di dati non è ancora supportata in BigQuery. |
|
Il time travel a livello di set di dati non è supportato in BigQuery. Tuttavia, è supportato lo spostamento nel tempo per i risultati di tabelle e query. |
|
Il confronto in DDL non è supportato in BigQuery. |
|
|
|
La creazione di set di dati condivisi non è supportata in BigQuery. Tuttavia, gli utenti possono condividere il set di dati tramite la console/l'interfaccia utente una volta creato. |
Nota: Snowflake offre l'opzione per la manutenzione automatica in background delle viste materializzate nel database secondario, che non è supportata in BigQuery. |
|
BigQuery offre anche le seguenti opzioni di comando bq mk
, che non hanno un analogo diretto in Snowflake:
--location <dataset_location>
--default_table_expiration <time_in_seconds>
--default_partition_expiration <time_in_seconds>
ALTER DATABASE
estratto conto
Questa sezione utilizzerà i comandi dell'interfaccia a riga di comando BigQuery corrispondenti ai comandi Snowflake per risolvere le differenze nelle istruzioni ALTER.
Snowflake | BigQuery |
---|---|
|
La ridenominazione dei set di dati non è supportata in BigQuery, ma la copia dei set di dati è supportata. |
|
Lo scambio di set di dati non è supportato in BigQuery. |
|
La gestione della conservazione e delle regole di confronto dei dati a livello di set di dati non è supportata in BigQuery. |
|
|
|
Concetto non supportato in BigQuery. |
|
Concetto non supportato in BigQuery. |
|
Concetto non supportato in BigQuery. |
|
Concetto non supportato in BigQuery. |
|
Concetto non supportato in BigQuery. |
|
Concetto non supportato in BigQuery. |
|
Concetto non supportato in BigQuery. |
DROP DATABASE
estratto conto
Questa sezione utilizzerà il comando BigQuery CLI corrispondente al comando Snowflake per risolvere la differenza nell'istruzione DROP.
Snowflake | BigQuery |
---|---|
Nota: in Snowflake, l'eliminazione di un database non comporta la sua rimozione definitiva dal sistema. Una versione del database eliminato viene conservata per il numero di giorni specificato dal parametro DATA_RETENTION_TIME_IN_DAYS per il database. |
-r consiste nel rimuovere tutti gli oggetti nel set di dati
-d indica il set di datiNota: in BigQuery, l'eliminazione di un set di dati è definitiva. Inoltre, la propagazione non è supportata a livello di set di dati, poiché tutti i dati e gli oggetti nel set di dati vengono eliminati. |
Snowflake supporta anche il comando
UNDROP DATASET
che ripristina la versione più recente di un set di dati eliminato. Al momento
non è supportato in BigQuery a livello di set di dati.
USE DATABASE
estratto conto
Snowflake offre la possibilità di impostare il database per una sessione utente utilizzando il comando
USE DATABASE
. In questo modo non è più necessario specificare nomi di oggetti completi nei comandi SQL. BigQuery non fornisce alcuna alternativa al comando USE DATABASE di Snowflake.
SHOW DATABASE
estratto conto
Questa sezione utilizzerà il comando BigQuery CLI corrispondente al comando Snowflake per risolvere la differenza nell'istruzione SHOW.
Snowflake | BigQuery |
---|---|
Nota: Snowflake offre una singola opzione per elencare e mostrare i dettagli di tutti i database, inclusi quelli eliminati che rientrano nel periodo di conservazione. |
bq ls --format=prettyjsone / o
Nota: in BigQuery, il comando ls fornisce solo i nomi dei set di dati e le informazioni di base, mentre il comando show fornisce dettagli come il timestamp dell'ultima modifica, gli ACL e le etichette di un set di dati. BigQuery fornisce anche maggiori dettagli sui set di dati tramite Information Schema. |
Nota: con l'opzione TERSE, Snowflake consente di visualizzare solo informazioni/campi specifici sui set di dati. |
Concetto non supportato in BigQuery. |
Il concetto di Time Travel non è supportato in BigQuery a livello di set di dati. | |
SHOW DATABASES
|
Il filtro dei risultati in base ai nomi dei set di dati non è supportato in BigQuery. Tuttavia, è supportato il filtraggio per etichette. |
SHOW DATABASES
Nota: per impostazione predefinita, Snowflake non limita il numero di risultati. Tuttavia, il valore di LIMIT non può superare 10.000. |
Nota: per impostazione predefinita, BigQuery mostra solo 50 risultati. |
BigQuery offre anche le seguenti opzioni di comando bq
, che non hanno un analogo diretto in Snowflake:
- bq ls --format=pretty: restituisce risultati formattati di base
- *bq ls -a: *Restituisce solo i set di dati anonimi (quelli che iniziano con un trattino basso)
- bq ls --all: restituisce tutti i set di dati, inclusi quelli anonimi
- bq ls --filter labels.key:value: restituisce i risultati filtrati in base all'etichetta del set di dati
- bq ls --d: esclude i set di dati anonimi dai risultati
- bq show --format=pretty: restituisce risultati di base formattati dettagliati per tutti i set di dati
Gestione di SCHEMA
Snowflake fornisce più comandi di gestione dello schema simili a quelli di gestione del database. Questo concetto di creazione e gestione dello schema non è supportato in BigQuery.
Tuttavia, BigQuery ti consente di specificare lo schema di una tabella quando carichi i dati in una tabella e quando crei una tabella vuota. In alternativa, puoi utilizzare il rilevamento automatico dello schema per i formati di dati supportati.
Gestione di SHARE
Snowflake fornisce più comandi di gestione della condivisione simili ai comandi di gestione di database e schemi. Questo concetto di creazione e gestione della condivisione non è supportato in BigQuery.
DDL di tabella, vista e sequenza
CREATE TABLE
estratto conto
La maggior parte delle istruzioni CREATE TABLE
di Snowflake è compatibile con BigQuery,
ad eccezione dei seguenti elementi di sintassi, che non vengono utilizzati in
BigQuery:
Snowflake | BigQuery |
---|---|
Nota: i vincoli UNIQUE e PRIMARY KEY sono informativi e non vengono applicati dal sistema Snowflake. |
|
dove table_constraints sono:
Nota:
UNIQUE e PRIMARY KEY sono vincoli informativi e non vengono applicati dal sistema Snowflake. |
Nota: BigQuery non utilizza i vincoli di tabella UNIQUE , PRIMARY KEY o FOREIGN KEY . Per ottenere un'ottimizzazione simile a quella fornita da questi vincoli durante l'esecuzione delle query, partiziona e raggruppa le tabelle BigQuery. CLUSTER BY supporta fino a quattro colonne. |
|
Consulta questo esempio per scoprire come utilizzare le tabelle INFORMATION_SCHEMA per copiare nomi di colonne, tipi di dati e vincoli NOT NULL in una nuova tabella. |
Nota:in Snowflake, l'impostazione BACKUP NO è specificata per "risparmiare tempo di elaborazione durante la creazione di snapshot e il ripristino da snapshot e per ridurre lo spazio di archiviazione". |
L'opzione della tabella BACKUP NO non viene utilizzata né è necessaria perché BigQuery conserva automaticamente fino a 7 giorni di versioni storiche di tutte le tabelle, senza alcun effetto sul tempo di elaborazione né sullo spazio di archiviazione fatturato. |
dove table_attributes sono:
|
BigQuery supporta il clustering, che consente di archiviare le chiavi in ordine ordinato. |
|
|
|
|
BigQuery supporta anche l'istruzione DDL CREATE OR REPLACE
TABLE
, che sovrascrive una tabella se esiste già.
L'istruzione CREATE TABLE
di BigQuery supporta anche le seguenti clausole,
che non hanno un equivalente Snowflake:
Per ulteriori informazioni su CREATE TABLE
in BigQuery, consulta
Esempi di istruzioni CREATE TABLE
nella documentazione DDL.
ALTER TABLE
estratto conto
Questa sezione utilizzerà i comandi BigQuery CLI corrispondenti ai comandi Snowflake per risolvere le differenze nelle istruzioni ALTER per le tabelle.
Snowflake | BigQuery |
---|---|
|
|
|
Lo scambio di tabelle non è supportato in BigQuery. |
|
La gestione del collation dei dati per le tabelle non è supportata in BigQuery. |
|
|
|
|
Inoltre, Snowflake fornisce opzioni di clustering, colonne e vincoli per la modifica di tabelle non supportate da BigQuery.
DROP TABLE
e UNDROP TABLE
Questa sezione utilizzerà il comando BigQuery CLI corrispondente al comando Snowflake per risolvere la differenza nelle istruzioni DROP e UNDROP.
Snowflake | BigQuery |
---|---|
Nota: in Snowflake, l'eliminazione di una tabella non comporta la sua rimozione definitiva dal sistema. Una versione della tabella eliminata viene conservata per il numero di giorni specificato dal parametro DATA_RETENTION_TIME_IN_DAYS per il database. |
-f serve per saltare la conferma per l'esecuzione -d indica il set di dati Nota: in BigQuery, anche l'eliminazione di una tabella non è definitiva, ma uno snapshot viene attualmente mantenuto solo per 7 giorni. |
|
Nota: in BigQuery, devi prima determinare un timestamp UNIX di quando esisteva la tabella (in millisecondi). Poi copia la tabella in corrispondenza del timestamp in una nuova tabella. La nuova tabella deve avere un nome diverso da quello della tabella eliminata. |
CREATE EXTERNAL TABLE
estratto conto
BigQuery consente di creare tabelle esterne permanenti e temporanee ed eseguire query sui dati direttamente da:
Snowflake consente di creare una tabella esterna permanente che, quando viene eseguita una query, legge i dati da un insieme di uno o più file in un'area di staging esterna specificata.
Questa sezione utilizzerà il comando BigQuery CLI corrispondente al comando Snowflake per risolvere le differenze nell'istruzione CREATE EXTERNAL TABLE.
Snowflake | BigQuery |
---|---|
CREATE [OR REPLACE] EXTERNAL TABLE
Nota: Snowflake consente di preparare i file contenenti i dati da leggere e specificare le opzioni del tipo di formato per le tabelle esterne. I tipi di formato Snowflake (CSV, JSON, AVRO, PARQUET, ORC) sono tutti supportati da BigQuery, ad eccezione del tipo XML. |
Nota: BigQuery consente di creare una tabella permanente collegata all'origine dati utilizzando un file di definizione della tabella [1], un file di schema JSON [2] o una definizione di schema incorporata [3]. La gestione temporanea dei file da leggere e la specifica delle opzioni del tipo di formato non sono supportate in BigQuery. |
|
Nota: BigQuery al momento non supporta nessuna delle opzioni dei parametri facoltativi fornite da Snowflake per la creazione di tabelle esterne. Per il partizionamento, BigQuery supporta l'utilizzo della pseudocolonna _FILE_NAME per creare tabelle/viste partizionate sopra le tabelle esterne. Per maggiori informazioni, consulta la sezione
Eseguire query sulla pseudocolonna _FILE_NAME . |
Inoltre, BigQuery supporta anche l'esecuzione di query su dati partizionati esternamente nei formati AVRO, PARQUET, ORC, JSON e CSV archiviati in Google Cloud Storage utilizzando un layout di partizionamento Hive predefinito.
CREATE VIEW
estratto conto
La tabella seguente mostra gli equivalenti tra Snowflake e BigQuery
per l'istruzione CREATE VIEW
.
Snowflake | BigQuery |
---|---|
|
|
|
CREATE OR REPLACE VIEW
|
|
|
Non supportata | CREATE VIEW IF NOT EXISTS
|
|
In BigQuery, per creare una vista, tutti gli oggetti a cui viene fatto riferimento devono già esistere. BigQuery consente di eseguire query sulle origini dati esterne. |
CREATE SEQUENCE
estratto conto
Le sequenze non vengono utilizzate in BigQuery. Questo risultato può essere ottenuto con il seguente batch. Per ulteriori informazioni sulle chiavi surrogate e sulle dimensioni a variazione lenta (SCD), consulta le seguenti guide:
|
---|
DDL di caricamento e scaricamento dei dati
Snowflake supporta il caricamento e lo scaricamento dei dati tramite comandi di gestione di stage, formato file e pipe. BigQuery offre anche diverse opzioni, ad esempio bq load, BigQuery Data Transfer Service, bq extract e così via. Questa sezione evidenzia le differenze nell'utilizzo di queste metodologie per il caricamento e lo scaricamento dei dati.
DDL per account e sessione
I concetti di Account e Sessione di Snowflake non sono supportati in BigQuery. BigQuery consente la gestione degli account tramite Cloud IAM a tutti i livelli. Inoltre, le transazioni con più istruzioni non sono ancora supportate in BigQuery.
Funzioni definite dall'utente
Una funzione definita dall'utente consente di creare funzioni per operazioni personalizzate. Queste funzioni accettano colonne di input, eseguono azioni e restituiscono il risultato di queste azioni come valore.
Sia Snowflake che BigQuery supportano le funzioni definite dall'utente utilizzando espressioni SQL e codice JavaScript.
Consulta il repository GitHub GoogleCloudPlatform/bigquery-utils/ per una libreria di UDF BigQuery comuni.
Sintassi di CREATE FUNCTION
La seguente tabella illustra le differenze nella sintassi di creazione delle UDF SQL tra Snowflake e BigQuery.
Snowflake | BigQuery |
---|---|
|
Nota: in BigQuery SQL UDF, il tipo di dati restituito è facoltativo. BigQuery deduce il tipo di risultato della funzione dal corpo della funzione SQL quando una query chiama la funzione. |
|
Nota:in BigQuery SQL UDF, il tipo di tabella restituito non è attualmente supportato, ma è incluso nella roadmap del prodotto e sarà disponibile a breve. Tuttavia, BigQuery supporta la restituzione di ARRAY di tipo STRUCT. |
Nota: Snowflake offre un'opzione sicura per limitare la definizione e i dettagli delle UDF solo agli utenti autorizzati (ovvero gli utenti a cui è stato concesso il ruolo proprietario della vista). |
Nota: la sicurezza delle funzioni non è un parametro configurabile in BigQuery. BigQuery supporta la creazione di ruoli e autorizzazioni IAM per limitare l'accesso ai dati e alla definizione della funzione sottostanti. |
|
Nota: il comportamento della funzione per gli input null viene gestito implicitamente in BigQuery e non deve essere specificato come opzione separata. |
|
Nota:la volatilità della funzione non è un parametro configurabile in BigQuery. Tutta la volatilità delle UDF BigQuery è equivalente alla volatilità IMMUTABLE di Snowflake (ovvero non esegue ricerche nel database o utilizza in altro modo informazioni non direttamente presenti nell'elenco degli argomenti). |
|
CREATE [OR REPLACE] FUNCTION
Nota: l'utilizzo di virgolette singole o di una sequenza di caratteri come le virgolette del dollaro ($$) is not required or supported in BigQuery. BigQuery implicitly interprets the SQL expression. |
|
Note:Adding comments or descriptions in UDFs is currently not supported in BigQuery. |
|
Note: BigQuery supports using ANY TYPE as argument type. The function will accept an input of any type for this argument. For more information, see templated parameter in BigQuery. |
BigQuery also supports the CREATE FUNCTION IF NOT EXISTS
statement
which treats the query as successful and takes no action if a function with the
same name already exists.
BigQuery's CREATE FUNCTION
statement also supports creating
TEMPORARY or TEMP functions
, which do
not have a Snowflake equivalent. See
calling UDFs
for details on executing a BigQuery persistent UDF.
DROP FUNCTION
syntax
The following table addresses differences in DROP FUNCTION syntax between Snowflake and BigQuery.
Snowflake | BigQuery |
---|---|
|
Note: BigQuery does not require using the function's signature (argument data type) for deleting the function. |
BigQuery requires that you specify the project_name
if the function
is not located in the current project.
Additional function commands
This section covers additional UDF commands supported by Snowflake that are not directly available in BigQuery.
ALTER FUNCTION
syntax
Snowflake supports the following operations using
ALTER FUNCTION
syntax.
- Renaming a UDF
- Converting to (or reverting from) a secure UDF
- Adding, overwriting, removing a comment for a UDF
As configuring function security and adding function comments is not available in BigQuery, ALTER FUNCTION syntax is currently not supported. However, the CREATE FUNCTION statement can be used to create a UDF with the same function definition but a different name.
DESCRIBE FUNCTION
syntax
Snowflake supports describing a UDF using DESC[RIBE] FUNCTION syntax. This is currently not supported in BigQuery. However, querying UDF metadata via INFORMATION SCHEMA will be available soon as part of the product roadmap.
SHOW USER FUNCTIONS
syntax
In Snowflake, SHOW USER FUNCTIONS syntax can be used to list all UDFs for which users have access privileges. This is currently not supported in BigQuery. However, querying UDF metadata via INFORMATION SCHEMA will be available soon as part of the product roadmap.
Stored procedures
Snowflake stored procedures are written in JavaScript, which can execute SQL statements by calling a JavaScript API. In BigQuery, stored procedures are defined using a block of SQL statements.
CREATE PROCEDURE
syntax
In Snowflake, a stored procedure is executed with a CALL command while in BigQuery, stored procedures are executed like any other BigQuery function.
The following table addresses differences in stored procedure creation syntax between Snowflake and BigQuery.
Snowflake | BigQuery |
---|---|
Note: Snowflake requires that stored procedures return a single value. Hence, return data type is a required option. |
CREATE [OR REPLACE] PROCEDURE
Note: BigQuery doesn't support a return type for stored procedures. Also, it requires specifying argument mode for each argument passed. |
|
|
|
CREATE [OR REPLACE] PROCEDURE
Nota: il comportamento della procedura per gli input nulli viene gestito implicitamente in BigQuery e non deve essere specificato come opzione separata. |
CREATE [OR REPLACE] PROCEDURE
|
Nota:la volatilità della procedura non è un parametro configurabile in BigQuery. Equivale alla volatilità IMMUTABLE di Snowflake. |
CREATE [OR REPLACE] PROCEDURE
|
Nota:l'aggiunta di commenti o descrizioni nelle definizioni delle procedure non è attualmente supportata in BigQuery. |
CREATE [OR REPLACE] PROCEDURE
Nota: Snowflake supporta la specifica del chiamante o del proprietario della procedura per l'esecuzione |
Nota: le stored procedure BigQuery vengono sempre eseguite come chiamante |
BigQuery supporta anche l'istruzione CREATE PROCEDURE IF NOT EXISTS
, che considera la query riuscita e non esegue alcuna azione se esiste già una funzione con lo stesso nome.
Sintassi di DROP PROCEDURE
La seguente tabella illustra le differenze nella sintassi DROP FUNCTION tra Snowflake e BigQuery.
Snowflake | BigQuery |
---|---|
|
Nota: BigQuery non richiede l'utilizzo della firma della procedura (tipo di dati dell'argomento) per l'eliminazione della procedura. |
BigQuery richiede di specificare project_name
se la procedura
non si trova nel progetto corrente.
Comandi aggiuntivi per le procedure
Snowflake fornisce comandi aggiuntivi come
ALTER PROCEDURE
,
DESC[RIBE] PROCEDURE
e
SHOW PROCEDURES
per gestire le stored procedure. Al momento non sono supportati in
BigQuery.
Istruzioni SQL per metadati e transazioni
Snowflake | BigQuery |
---|---|
|
BigQuery utilizza sempre l'isolamento dello snapshot. Per maggiori dettagli, consulta la sezione Garanzie di coerenza in questo documento. |
|
Non utilizzato in BigQuery. |
|
Non utilizzato in BigQuery |
|
Non utilizzato in BigQuery. |
Istruzioni SQL su più righe e con più istruzioni
Sia Snowflake che BigQuery supportano le transazioni (sessioni) e quindi le istruzioni separate da punti e virgola che vengono eseguite in modo coerente insieme. Per maggiori informazioni, consulta la sezione Transazioni con più estratti conto.
Colonne di metadati per i file di staging
Snowflake genera automaticamente i metadati per i file nelle fasi interne ed esterne. Questi metadati possono essere interrogati e caricati in una tabella insieme alle normali colonne di dati. È possibile utilizzare le seguenti colonne di metadati:
Garanzie di coerenza e isolamento delle transazioni
Sia Snowflake che BigQuery sono atomici, ovvero conformi ad ACID a livello di mutazione in molte righe.
Transazioni
A ogni transazione Snowflake viene assegnata un'ora di inizio univoca (inclusi
i millisecondi) impostata come ID transazione. Snowflake supporta solo il
READ COMMITTED
livello di isolamento. Tuttavia, un'istruzione può vedere le modifiche apportate da un'altra istruzione
se entrambe si trovano nella stessa transazione, anche se queste modifiche non sono
ancora state eseguite. Le transazioni Snowflake acquisiscono blocchi sulle risorse (tabelle) quando
la risorsa viene modificata. Gli utenti possono regolare il tempo massimo di attesa di un'istruzione bloccata prima che scada il relativo timeout. Le istruzioni DML vengono
eseguite automaticamente se il
parametro AUTOCOMMIT
è attivo.
BigQuery supporta anche le transazioni. BigQuery contribuisce a garantire il controllo della concorrenza ottimistico (il primo a eseguire il commit vince) con l'isolamento dello snapshot, in cui una query legge gli ultimi dati di cui è stato eseguito il commit prima dell'inizio della query. Questo approccio garantisce lo stesso livello di coerenza per riga, per mutazione e tra le righe all'interno della stessa istruzione DML, evitando al contempo i deadlock. In caso di più aggiornamenti DML sulla stessa tabella, BigQuery passa al controllo della concorrenza pessimistico. I job di caricamento possono essere eseguiti in modo completamente indipendente e aggiungere dati alle tabelle. Tuttavia, BigQuery non fornisce ancora un limite di transazione esplicito o una sessione.
Esegui il rollback
Se la sessione di una transazione Snowflake viene terminata in modo imprevisto prima che la transazione venga eseguita o annullata, la transazione viene lasciata in uno stato separato. L'utente deve eseguire SYSTEM$ABORT_TRANSACTION per interrompere la transazione separata oppure Snowflake eseguirà il rollback della transazione separata dopo quattro ore di inattività. Se si verifica un deadlock, Snowflake lo rileva e seleziona l'istruzione più recente da eseguire il rollback. Se l'istruzione DML in una transazione aperta in modo esplicito non va a buon fine, le modifiche vengono annullate, ma la transazione rimane aperta finché non viene eseguito il commit o il rollback. Le istruzioni DDL in Snowflake non possono essere ripristinate perché vengono eseguite automaticamente.
BigQuery supporta l'istruzione
ROLLBACK TRANSACTION
.
Non esiste un'istruzione
ABORT
in BigQuery.
Limiti per i database
Controlla sempre la documentazione pubblica di BigQuery per quote e limiti più recenti. Molte quote per gli utenti con volumi elevati possono essere aumentate contattando il team di assistenza Cloud.
Per impostazione predefinita, tutti gli account Snowflake hanno limiti temporanei. I limiti temporanei vengono impostati durante la creazione dell'account e possono variare. Molti limiti temporanei di Snowflake possono essere aumentati tramite il team dell'account Snowflake o un ticket di assistenza.
La tabella seguente mostra un confronto tra i limiti dei database Snowflake e BigQuery.
Limite | Snowflake | BigQuery |
---|---|---|
Dimensioni del testo della query | 1 MB | 1 MB |
Numero massimo di query simultanee | XS Warehouse - 8 S Warehouse - 16 M Warehouse - 32 L Warehouse - 64 XL Warehouse - 128 |
100 |