쿼리 서비스의 SQL 구문

표준 ANSI SQL을 사용하여 SELECT Adobe Experience Platform 쿼리 서비스의 문 및 기타 제한된 명령. 이 문서에서는에서 지원하는 SQL 구문에 대해 설명합니다. Query Service.

쿼리 선택 select-queries

다음 구문은 SELECT 쿼리가 다음에서 지원됨 Query Service:

[ WITH with_query [, ...] ]
SELECT [ ALL | DISTINCT [( expression [, ...] ) ] ]
    [ * | expression [ [ AS ] output_name ] [, ...] ]
    [ FROM from_item [, ...] ]
    [ SNAPSHOT { SINCE start_snapshot_id | AS OF end_snapshot_id | BETWEEN start_snapshot_id AND end_snapshot_id } ]
    [ WHERE condition ]
    [ GROUP BY grouping_element [, ...] ]
    [ HAVING condition [, ...] ]
    [ WINDOW window_name AS ( window_definition ) [, ...] ]
    [ { UNION | INTERSECT | EXCEPT | MINUS } [ ALL | DISTINCT ] select ]
    [ ORDER BY expression [ ASC | DESC | USING operator ] [ NULLS { FIRST | LAST } ] [, ...] ]
    [ LIMIT { count | ALL } ]
    [ OFFSET start ]

아래 탭 섹션에서는 FROM, GROUP 및 WITH 키워드에 사용할 수 있는 옵션을 제공합니다.

`from_item`
code language-sql
table_name [ * ] [ [ AS ] alias [ ( column_alias [, ...] ) ] ]
code language-sql
[ LATERAL ] ( select ) [ AS ] alias [ ( column_alias [, ...] ) ]
code language-sql
with_query_name [ [ AS ] alias [ ( column_alias [, ...] ) ] ]
code language-sql
from_item [ NATURAL ] join_type from_item [ ON join_condition | USING ( join_column [, ...] ) ]
`grouping_element`
code language-sql
( )
code language-sql
expression
code language-sql
( expression [, ...] )
code language-sql
ROLLUP ( { expression | ( expression [, ...] ) } [, ...] )
code language-sql
CUBE ( { expression | ( expression [, ...] ) } [, ...] )
code language-sql
GROUPING SETS ( grouping_element [, ...] )
`with_query`
code language-sql
 with_query_name [ ( column_name [, ...] ) ] AS ( select | values )

다음 하위 섹션은 위에 요약된 형식을 따르는 경우 쿼리에 사용할 수 있는 추가 조항에 대한 세부 정보를 제공합니다.

SNAPSHOT 절

이 절을 사용하여 스냅숏 ID를 기반으로 테이블의 데이터를 증분 읽는 데 사용할 수 있습니다. 스냅샷 ID는 데이터가 기록될 때마다 데이터 레이크 테이블에 적용되는 긴 유형 번호로 표시되는 체크포인트 마커입니다. 다음 SNAPSHOT 절은 옆에 사용되는 테이블 관계에 첨부됩니다.

    [ SNAPSHOT { SINCE start_snapshot_id | AS OF end_snapshot_id | BETWEEN start_snapshot_id AND end_snapshot_id } ]

SELECT * FROM Customers SNAPSHOT SINCE 123;

SELECT * FROM Customers SNAPSHOT AS OF 345;

SELECT * FROM Customers SNAPSHOT BETWEEN 123 AND 345;

SELECT * FROM Customers SNAPSHOT BETWEEN HEAD AND 123;

SELECT * FROM Customers SNAPSHOT BETWEEN 345 AND TAIL;

SELECT * FROM (SELECT id FROM CUSTOMERS BETWEEN 123 AND 345) C

SELECT * FROM Customers SNAPSHOT SINCE 123 INNER JOIN Inventory AS OF 789 ON Customers.id = Inventory.id;

A SNAPSHOT 절은 테이블이나 테이블 별칭과 함께 작동하지만 하위 쿼리나 뷰 위에서는 작동하지 않습니다. A SNAPSHOT 절 어디서나 사용 가능 SELECT 테이블에 대한 쿼리를 적용할 수 있습니다.

또한 다음을 사용할 수 있습니다 HEADTAIL 스냅샷 절의 특수 오프셋 값으로 사용됩니다. 사용 HEAD 는 첫 번째 스냅숏 앞의 오프셋을 나타내며 TAIL 마지막 스냅샷 이후의 오프셋을 나타냅니다.

NOTE
두 스냅샷 ID 간에 쿼리하는 경우 시작 스냅샷이 만료되고 선택적 대체 동작 플래그(resolve_fallback_snapshot_on_failure)가 설정되어 있습니다.
  • 선택적 대체 동작 플래그를 설정하면 쿼리 서비스가 사용 가능한 가장 이른 스냅샷을 선택하고 이를 시작 스냅샷으로 설정한 다음 가장 이른 스냅샷과 지정된 종료 스냅샷 사이에 데이터를 반환합니다. 이 데이터는 포괄 사용 가능한 가장 빠른 스냅샷

  • 선택적 폴백 비헤이비어 플래그가 설정되지 않은 경우 오류가 반환됩니다.

WHERE 절

기본적으로 가 생성한 일치 항목 WHERE a에 대한 절 SELECT 쿼리는 대/소문자를 구분합니다. 일치하는 항목을 대/소문자를 구분하지 않게 하려면 키워드를 사용할 수 있습니다 ILIKE 대신 LIKE.

    [ WHERE condition { LIKE | ILIKE | NOT LIKE | NOT ILIKE } pattern ]

LIKE 및 ILIKE 절의 논리는 다음 표에 설명되어 있습니다.

연산자
WHERE condition LIKE pattern
~~
WHERE condition NOT LIKE pattern
!~~
WHERE condition ILIKE pattern
~~*
WHERE condition NOT ILIKE pattern
!~~*

SELECT * FROM Customers
WHERE CustomerName ILIKE 'a%';

이 쿼리는 "A" 또는 "a"로 시작하는 이름을 가진 고객을 반환합니다.

가입

A SELECT 조인을 사용하는 쿼리의 구문은 다음과 같습니다.

SELECT statement
FROM statement
[JOIN | INNER JOIN | LEFT JOIN | LEFT OUTER JOIN | RIGHT JOIN | RIGHT OUTER JOIN | FULL JOIN | FULL OUTER JOIN]
ON join condition

결합, 교차 및 제외

다음 UNION, INTERSECT, 및 EXCEPT 절은 둘 이상의 테이블에서 유사 행을 결합하거나 제외하는 데 사용됩니다.

SELECT statement 1
[UNION | UNION ALL | UNION DISTINCT | INTERSECT | EXCEPT | MINUS]
SELECT statement 2

선택 항목으로 표 만들기 create-table-as-select

다음 구문은 CREATE TABLE AS SELECT (CTAS) 쿼리:

CREATE TABLE table_name [ WITH (schema='target_schema_title', rowvalidation='false', label='PROFILE') ] AS (select_query)
매개 변수
설명
schema
XDM 스키마의 제목입니다. CTAS 쿼리로 만든 새 데이터 세트에 기존 XDM 스키마를 사용하려는 경우에만 이 절을 사용합니다.
rowvalidation
(선택 사항) 사용자가 새로 만든 데이터 세트에 대해 수집된 모든 새 일괄 처리의 행 수준 유효성 검사를 원하는지 여부를 지정합니다. 기본값은 true입니다.
label
CTAS 쿼리로 데이터 세트를 만들 때 다음 값으로 이 레이블을 사용합니다. profile 을 입력하여 프로필에 대해 활성화된 데이터 세트에 레이블을 지정합니다. 즉, 데이터 세트가 생성될 때 프로필에 대해 자동으로 표시됩니다. 사용 방법에 대한 자세한 내용은 파생 속성 확장 문서 를 참조하십시오 label.
select_query
A SELECT 명령문입니다. 구문 SELECT 쿼리는 다음에서 찾을 수 있습니다 쿼리 섹션 선택.

CREATE TABLE Chairs AS (SELECT color, count(*) AS no_of_chairs FROM Inventory i WHERE i.type=="chair" GROUP BY i.color)

CREATE TABLE Chairs WITH (schema='target schema title', label='PROFILE') AS (SELECT color, count(*) AS no_of_chairs FROM Inventory i WHERE i.type=="chair" GROUP BY i.color)

CREATE TABLE Chairs AS (SELECT color FROM Inventory SNAPSHOT SINCE 123)
NOTE
다음 SELECT 문에는 다음과 같은 집계 함수에 대한 별칭이 있어야 합니다. COUNT, SUM, MIN등. 또한 SELECT 문은 괄호()를 사용하거나 사용하지 않고 제공할 수 있습니다. 다음을 제공할 수 있습니다. SNAPSHOT 조항을 사용하여 증분 델타를 대상 테이블에 읽어올 수 있습니다.

에 삽입

다음 INSERT INTO 명령은 다음과 같이 정의됩니다.

INSERT INTO table_name select_query
매개 변수
설명
table_name
쿼리를 삽입할 테이블의 이름입니다.
select_query
A SELECT 명령문입니다. 구문 SELECT 쿼리는 다음에서 찾을 수 있습니다 쿼리 섹션 선택.

NOTE
다음은 교육적 목적으로 구성된 사례입니다.
INSERT INTO Customers SELECT SupplierName, City, Country FROM OnlineCustomers;

INSERT INTO Customers AS (SELECT * from OnlineCustomers SNAPSHOT AS OF 345)
INFO
실행 아님 를 묶습니다. SELECT 괄호로 묶인 문(). 또한 결과의 스키마도 SELECT 문은 다음에 정의된 표의 문을 준수해야 합니다. INSERT INTO 명령문입니다. 다음을 제공할 수 있습니다. SNAPSHOT 조항을 사용하여 증분 델타를 대상 테이블에 읽어올 수 있습니다.

실제 XDM 스키마의 대부분의 필드는 루트 수준에서 찾을 수 없으며 SQL에서는 점 표기법을 사용할 수 없습니다. 중첩된 필드를 사용하여 실제 결과를 얻으려면 의 각 필드를 매핑해야 합니다 INSERT INTO 경로.

종료 INSERT INTO 중첩된 경로에는 다음 구문을 사용합니다.

INSERT INTO [dataset]
SELECT struct([source field1] as [target field in schema],
[source field2] as [target field in schema],
[source field3] as [target field in schema]) [tenant name]
FROM [dataset]

INSERT INTO Customers SELECT struct(SupplierName as Supplier, City as SupplierCity, Country as SupplierCountry) _Adobe FROM OnlineCustomers;

테이블 놓기

다음 DROP TABLE 기존 테이블을 삭제하고 해당 테이블이 외부 테이블이 아닌 경우 해당 테이블과 연관된 디렉토리를 파일 시스템에서 삭제합니다. 테이블이 없으면 예외가 발생합니다.

DROP TABLE [IF EXISTS] [db_name.]table_name
매개 변수
설명
IF EXISTS
이를 지정하면 테이블이 다음을 수행하는 경우 예외가 throw되지 않습니다 아님 존재합니다.

데이터베이스 만들기

다음 CREATE DATABASE 이 명령은 ADLS(Azure Data Lake Storage) 데이터베이스를 만듭니다.

CREATE DATABASE [IF NOT EXISTS] db_name

데이터베이스 삭제

다음 DROP DATABASE 명령은 인스턴스에서 데이터베이스를 삭제합니다.

DROP DATABASE [IF EXISTS] db_name
매개 변수
설명
IF EXISTS
이 항목을 지정하면 데이터베이스에서 예외가 throw되지 않습니다 아님 존재합니다.

스키마 삭제

다음 DROP SCHEMA 명령은 기존 스키마를 삭제합니다.

DROP SCHEMA [IF EXISTS] db_name.schema_name [ RESTRICT | CASCADE]
매개 변수
설명
IF EXISTS
이 매개 변수가 지정되고 스키마가 다음을 수행하는 경우 아님 예외가 throw되지 않습니다.
RESTRICT
모드의 기본값입니다. 지정하면 스키마가 삭제되고 아님 모든 테이블을 포함합니다.
CASCADE
지정하면 스키마가 스키마에 있는 모든 테이블과 함께 삭제됩니다.

보기 만들기

다음 구문은 CREATE VIEW 데이터 세트를 쿼리합니다. 이 데이터 세트는 ADLS 또는 가속화된 스토어 데이터 세트일 수 있습니다.

CREATE VIEW view_name AS select_query
매개 변수
설명
view_name
생성할 보기의 이름입니다.
select_query
A SELECT 명령문입니다. 구문 SELECT 쿼리는 다음에서 찾을 수 있습니다 쿼리 섹션 선택.

CREATE VIEW V1 AS SELECT color, type FROM Inventory

CREATE OR REPLACE VIEW V1 AS SELECT model, version FROM Inventory

다음 구문은 CREATE VIEW 데이터베이스 및 스키마 컨텍스트에서 뷰를 작성하는 쿼리입니다.

CREATE VIEW db_name.schema_name.view_name AS select_query
CREATE OR REPLACE VIEW db_name.schema_name.view_name AS select_query
매개 변수
설명
db_name
데이터베이스의 이름입니다.
schema_name
스키마의 이름입니다.
view_name
생성할 보기의 이름입니다.
select_query
A SELECT 명령문입니다. 구문 SELECT 쿼리는 다음에서 찾을 수 있습니다 쿼리 섹션 선택.

CREATE VIEW <dbV1 AS SELECT color, type FROM Inventory;

CREATE OR REPLACE VIEW V1 AS SELECT model, version FROM Inventory;

보기 표시

다음 쿼리는 보기 목록을 보여 줍니다.

SHOW VIEWS;
 Db Name  | Schema Name | Name  | Id       |  Dataset Dependencies | Views Dependencies | TYPE
----------------------------------------------------------------------------------------------
 qsaccel  | profile_agg | view1 | view_id1 | dwh_dataset1          |                    | DWH
          |             | view2 | view_id2 | adls_dataset          | adls_views         | ADLS
(2 rows)

놓기 보기

다음 구문은 DROP VIEW 쿼리:

DROP VIEW [IF EXISTS] view_name
매개 변수
설명
IF EXISTS
이 값을 지정하면 보기에서 예외를 throw하지 않습니다 아님 존재합니다.
view_name
삭제할 보기의 이름입니다.

DROP VIEW v1
DROP VIEW IF EXISTS v1

익명 블록 anonymous-block

익명 블록은 실행 섹션과 예외 처리 섹션의 두 섹션으로 구성됩니다. 익명 블록에서는 실행 가능 섹션이 필수입니다. 그러나 예외 처리 섹션은 선택 사항입니다.

다음 예에서는 함께 실행할 하나 이상의 문으로 블록을 만드는 방법을 보여 줍니다.

$$BEGIN
  statementList
[EXCEPTION exceptionHandler]
$$END

exceptionHandler:
      WHEN OTHER
      THEN statementList

statementList:
    : (statement (';')) +

다음은 익명 블록을 사용하는 예제입니다.

$$BEGIN
   SET @v_snapshot_from = select parent_id  from (select history_meta('email_tracking_experience_event_dataset') ) tab where is_current;
   SET @v_snapshot_to = select snapshot_id from (select history_meta('email_tracking_experience_event_dataset') ) tab where is_current;
   SET @v_log_id = select now();
   CREATE TABLE tracking_email_id_incrementally
     AS SELECT _id AS id FROM email_tracking_experience_event_dataset SNAPSHOT BETWEEN @v_snapshot_from AND @v_snapshot_to;

EXCEPTION
  WHEN OTHER THEN
    DROP TABLE IF EXISTS tracking_email_id_incrementally;
    SELECT 'ERROR';
$$END;

익명 블록의 조건문 conditional-anonymous-block-statements

IF-THEN-ELSE 컨트롤 구조를 사용하면 조건이 TRUE로 평가될 때 문 목록을 조건부로 실행할 수 있습니다. 이 제어 구조는 익명 블록 내에서만 적용할 수 있습니다. 이 구조를 독립 실행형 명령으로 사용하면 구문 오류("익명 블록 외부의 잘못된 명령")가 발생합니다.

아래의 코드 조각은 익명 블록의 IF-THEN-ELSE 조건문에 대한 올바른 형식을 보여 줍니다.

IF booleanExpression THEN
   List of statements;
ELSEIF booleanExpression THEN
   List of statements;
ELSEIF booleanExpression THEN
   List of statements;
ELSE
   List of statements;
END IF

아래 예제는 SELECT 200;.

$$BEGIN
    SET @V = SELECT 2;
    SELECT @V;
    IF @V = 1 THEN
       SELECT 100;
    ELSEIF @V = 2 THEN
       SELECT 200;
    ELSEIF @V = 3 THEN
       SELECT 300;
    ELSE
       SELECT 'DEFAULT';
    END IF;

 END$$;

이 구조는 와 함께 사용할 수 있습니다 raise_error(); 사용자 지정 오류 메시지를 반환합니다. 아래에 표시된 코드 블록은 "사용자 지정 오류 메시지"로 익명 블록을 종료합니다.

$$BEGIN
    SET @V = SELECT 5;
    SELECT @V;
    IF @V = 1 THEN
       SELECT 100;
    ELSEIF @V = 2 THEN
       SELECT 200;
    ELSEIF @V = 3 THEN
       SELECT 300;
    ELSE
       SELECT raise_error('custom error message');
    END IF;

 END$$;

중첩된 IF 문

중첩된 IF 문은 익명 블록 내에서 지원됩니다.

$$BEGIN
    SET @V = SELECT 1;
    IF @V = 1 THEN
       SELECT 100;
       IF @V > 0 THEN
         SELECT 1000;
       END IF;
    END IF;

 END$$;

예외 블록

예외 블록은 익명 블록 내에서 지원됩니다.

$$BEGIN
    SET @V = SELECT 2;
    IF @V = 1 THEN
       SELECT 100;
    ELSEIF @V = 2 THEN
       SELECT raise_error(concat('custom-error for v= ', '@V' ));

    ELSEIF @V = 3 THEN
       SELECT 300;
    ELSE
       SELECT 'DEFAULT';
    END IF;
EXCEPTION WHEN OTHER THEN
  SELECT 'THERE WAS AN ERROR';
 END$$;

JSON으로 자동 auto-to-json

쿼리 서비스는 대화형 SELECT 쿼리의 최상위 복잡한 필드를 JSON 문자열로 반환하기 위한 선택적 세션 수준 설정을 지원합니다. 다음 auto_to_json 을 설정하면 복잡한 필드의 데이터를 JSON으로 반환한 다음 표준 라이브러리를 사용하여 JSON 개체로 구문 분석할 수 있습니다.

기능 플래그 설정 auto_to_json 복잡한 필드가 포함된 SELECT 쿼리를 실행하기 전에 true로 설정합니다.

set auto_to_json=true;

을(를) 설정하기 전에 auto_to_json 플래그

다음 표는 다음 예제 쿼리 결과를 제공합니다. auto_to_json 설정이 적용됩니다. 복잡한 필드가 있는 테이블을 타겟팅하는 동일한 SELECT 쿼리(아래 참조)가 두 시나리오에서 사용되었습니다.

SELECT * FROM TABLE_WITH_COMPLEX_FIELDS LIMIT 2;

결과는 다음과 같습니다.

                _id                |                                _experience                                 | application  |                   commerce                   | dataSource |                               device                               |                       endUserIDs                       |                                                                                                environment                                                                                                |                     identityMap                     |                              placeContext                               |   receivedTimestamp   |       timestamp       | userActivityRegion |                                         web                                          | _adcstageforpqs
-----------------------------------+----------------------------------------------------------------------------+--------------+----------------------------------------------+------------+--------------------------------------------------------------------+--------------------------------------------------------+-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+-----------------------------------------------------+-------------------------------------------------------------------------+-----------------------+-----------------------+--------------------+--------------------------------------------------------------------------------------+-----------------
 31892EE15DE00000-401D52664FF48A52 | ("("("(1,1)","(1,1)")","(-209479095,4085488201,-2105158467,2189808829)")") | (background) | (NULL,"(USD,NULL)",NULL,NULL,NULL,NULL,NULL) | (475341)   | (32,768,1024,205202,https://ns.adobe.com/xdm/external/deviceatlas) | ("("(31892EE080007B35-E6CE00000000000,"(AAID)",t)")")  | ("(en-US,f,f,t,1.6,"Mozilla/5.0 (iPhone; U; CPU iPhone OS 4_1 like Mac OS X; ja-jp) AppleWebKit/532.9 (KHTML, like Gecko) Version/4.0.5 Mobile/8B117 Safari/6531.22.7",490,1125)",xo.net,64.3.235.13)     | [AAID -> "{(31892EE080007B35-E6CE00000000000,t)}"]  | ("("(34.01,-84.0)",lawrenceville,US,524,30043,ga)",600)                 | 2022-09-02 19:47:14.0 | 2022-09-02 19:47:14.0 | (UT1)              | ("(f,Search Results,"(1.0)")","(http://www.google.com/search?ie=UTF-8&q=,internal)") |
 31892EE15DE00000-401B92664FF48AE8 | ("("("(1,1)","(1,1)")","(-209479095,4085488201,-2105158467,2189808829)")") | (background) | (NULL,"(USD,NULL)",NULL,NULL,NULL,NULL,NULL) | (475341)   | (32,768,1024,205202,https://ns.adobe.com/xdm/external/deviceatlas) | ("("(31892EE100007BF3-215FE00000000001,"(AAID)",t)")") | ("(en-US,f,f,t,1.5,"Mozilla/5.0 (iPhone; U; CPU iPhone OS 4_1 like Mac OS X; ja-jp) AppleWebKit/532.9 (KHTML, like Gecko) Version/4.0.5 Mobile/8B117 Safari/6531.22.7",768,556)",ntt.net,219.165.108.145) | [AAID -> "{(31892EE100007BF3-215FE00000000001,t)}"] | ("("(34.989999999999995,138.42)",shizuoka,JP,392005,420-0812,22)",-240) | 2022-09-02 19:47:14.0 | 2022-09-02 19:47:14.0 | (UT1)              | ("(f,Home - JJEsquire,"(1.0)")","(NULL,typed_bookmarked)")                           |
(2 rows)

설정 후 auto_to_json 플래그

다음 표는 다음과 같은 결과의 차이를 보여 줍니다. auto_to_json 에 대한 설정이 결과 데이터 세트에 있습니다. 두 시나리오 모두에서 동일한 SELECT 쿼리가 사용되었습니다.

                _id                |   receivedTimestamp   |       timestamp       |                                                                                                                   _experience                                                                                                                   |           application            |             commerce             |    dataSource    |                                                                  device                                                                   |                                                   endUserIDs                                                   |                                                                                                                                                                                           environment                                                                                                                                                                                            |                             identityMap                              |                                                                                            placeContext                                                                                            |      userActivityRegion      |                                                                                     web                                                                                      | _adcstageforpqs
-----------------------------------+-----------------------+-----------------------+-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+----------------------------------+----------------------------------+------------------+-------------------------------------------------------------------------------------------------------------------------------------------+----------------------------------------------------------------------------------------------------------------+--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+----------------------------------------------------------------------+----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+------------------------------+------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+-----------------
 31892EE15DE00000-401D52664FF48A52 | 2022-09-02 19:47:14.0 | 2022-09-02 19:47:14.0 | {"analytics":{"customDimensions":{"eVars":{"eVar1":"1","eVar2":"1"},"props":{"prop1":"1","prop2":"1"}},"environment":{"browserID":-209479095,"browserIDStr":"4085488201","operatingSystemID":-2105158467,"operatingSystemIDStr":"2189808829"}}} | {"userPerspective":"background"} | {"order":{"currencyCode":"USD"}} | {"_id":"475341"} | {"colorDepth":32,"screenHeight":768,"screenWidth":1024,"typeID":"205202","typeIDService":"https://ns.adobe.com/xdm/external/deviceatlas"} | {"_experience":{"aaid":{"id":"31892EE080007B35-E6CE00000000000","namespace":{"code":"AAID"},"primary":true}}}  | {"browserDetails":{"acceptLanguage":"en-US","cookiesEnabled":false,"javaEnabled":false,"javaScriptEnabled":true,"javaScriptVersion":"1.6","userAgent":"Mozilla/5.0 (iPhone; U; CPU iPhone OS 4_1 like Mac OS X; ja-jp) AppleWebKit/532.9 (KHTML, like Gecko) Version/4.0.5 Mobile/8B117 Safari/6531.22.7","viewportHeight":490,"viewportWidth":1125},"domain":"xo.net","ipV4":"64.3.235.13"}     | {"AAID":[{"id":"31892EE080007B35-E6CE00000000000","primary":true}]}  | {"geo":{"_schema":{"latitude":34.01,"longitude":-84.0},"city":"lawrenceville","countryCode":"US","dmaID":524,"postalCode":"30043","stateProvince":"ga"},"localTimezoneOffset":600}                 | {"dataCenterLocation":"UT1"} | {"webPageDetails":{"isHomePage":false,"name":"Search Results","pageViews":{"value":1.0}},"webReferrer":{"URL":"http://www.google.com/search?ie=UTF-8&q=","type":"internal"}} |
 31892EE15DE00000-401B92664FF48AE8 | 2022-09-02 19:47:14.0 | 2022-09-02 19:47:14.0 | {"analytics":{"customDimensions":{"eVars":{"eVar1":"1","eVar2":"1"},"props":{"prop1":"1","prop2":"1"}},"environment":{"browserID":-209479095,"browserIDStr":"4085488201","operatingSystemID":-2105158467,"operatingSystemIDStr":"2189808829"}}} | {"userPerspective":"background"} | {"order":{"currencyCode":"USD"}} | {"_id":"475341"} | {"colorDepth":32,"screenHeight":768,"screenWidth":1024,"typeID":"205202","typeIDService":"https://ns.adobe.com/xdm/external/deviceatlas"} | {"_experience":{"aaid":{"id":"31892EE100007BF3-215FE00000000001","namespace":{"code":"AAID"},"primary":true}}} | {"browserDetails":{"acceptLanguage":"en-US","cookiesEnabled":false,"javaEnabled":false,"javaScriptEnabled":true,"javaScriptVersion":"1.5","userAgent":"Mozilla/5.0 (iPhone; U; CPU iPhone OS 4_1 like Mac OS X; ja-jp) AppleWebKit/532.9 (KHTML, like Gecko) Version/4.0.5 Mobile/8B117 Safari/6531.22.7","viewportHeight":768,"viewportWidth":556},"domain":"ntt.net","ipV4":"219.165.108.145"} | {"AAID":[{"id":"31892EE100007BF3-215FE00000000001","primary":true}]} | {"geo":{"_schema":{"latitude":34.989999999999995,"longitude":138.42},"city":"shizuoka","countryCode":"JP","dmaID":392005,"postalCode":"420-0812","stateProvince":"22"},"localTimezoneOffset":-240} | {"dataCenterLocation":"UT1"} | {"webPageDetails":{"isHomePage":false,"name":"Home - JJEsquire","pageViews":{"value":1.0}},"webReferrer":{"type":"typed_bookmarked"}}                                        |
(2 rows)

실패 시 대체 스냅샷 해결 resolve-fallback-snapshot-on-failure

다음 resolve_fallback_snapshot_on_failure 옵션은 만료된 스냅샷 ID 문제를 해결하는 데 사용됩니다. 스냅샷 메타데이터는 2일 후에 만료되며 만료된 스냅샷은 스크립트 논리를 무효화할 수 있습니다. 이는 익명 블록을 사용할 때 문제가 될 수 있습니다.

설정 resolve_fallback_snapshot_on_failure 이전 스냅샷 ID로 스냅샷을 무시하려면 true로 설정합니다.

SET resolve_fallback_snapshot_on_failure=true;

다음 코드 행은 @from_snapshot_id 가장 빠른 시일 내에 snapshot_id 메타데이터.

$$ BEGIN
    SET resolve_fallback_snapshot_on_failure=true;
    SET @from_snapshot_id = SELECT coalesce(last_snapshot_id, 'HEAD') FROM checkpoint_log a JOIN
                            (SELECT MAX(process_timestamp)process_timestamp FROM checkpoint_log
                                WHERE process_name = 'DIM_TABLE_ABC' AND process_status = 'SUCCESSFUL' )b
                                on a.process_timestamp=b.process_timestamp;
    SET @to_snapshot_id = SELECT snapshot_id FROM (SELECT history_meta('DIM_TABLE_ABC')) WHERE  is_current = true;
    SET @last_updated_timestamp= SELECT CURRENT_TIMESTAMP;
    INSERT INTO DIM_TABLE_ABC_Incremental
     SELECT  *  FROM DIM_TABLE_ABC SNAPSHOT BETWEEN @from_snapshot_id AND @to_snapshot_id WHERE NOT EXISTS (SELECT _id FROM DIM_TABLE_ABC_Incremental a WHERE _id=a._id);

Insert Into
   checkpoint_log
   SELECT
       'DIM_TABLE_ABC' process_name,
       'SUCCESSFUL' process_status,
      cast( @to_snapshot_id AS string) last_snapshot_id,
      cast( @last_updated_timestamp AS TIMESTAMP) process_timestamp;
EXCEPTION
  WHEN OTHER THEN
    SELECT 'ERROR';
END
$$;

데이터 자산 조직

Adobe Experience Platform 데이터 레이크 내에서 데이터 자산이 커짐에 따라 이를 논리적으로 구성하는 것이 중요합니다. Query Service는 샌드박스 내에서 데이터 자산을 논리적으로 그룹화할 수 있도록 SQL 구문을 확장합니다. 이 조직 방법을 사용하면 물리적으로 이동할 필요 없이 스키마 간에 데이터 자산을 공유할 수 있습니다.

표준 SQL 구문을 사용하는 다음 SQL 구문이 지원되므로 데이터를 논리적으로 구성할 수 있습니다.

CREATE DATABASE dg1;
CREATE SCHEMA dg1.schema1;
CREATE table t1 ...;
CREATE view v1 ...;
ALTER TABLE t1 ADD PRIMARY KEY (c1) NOT ENFORCED;
ALTER TABLE t2 ADD FOREIGN KEY (c1) REFERENCES t1(c1) NOT ENFORCED;

다음을 참조하십시오. 데이터 자산의 논리 구성 쿼리 서비스 모범 사례에 대한 자세한 설명은 안내서를 참조하십시오.

테이블이 있습니다.

다음 table_exists SQL 명령은 시스템에 테이블이 현재 존재하는지 확인하는 데 사용됩니다. 이 명령은 부울 값을 반환합니다. true 테이블인 경우 다음과 같음 존재함, 및 false 테이블이 다음과 같은 경우 아님 존재합니다.

명령문을 실행하기 전에 테이블이 있는지 확인하여 table_exists 이 기능을 사용하면 익명의 블록을 작성하여 CREATEINSERT INTO 활용 사례.

다음 구문은 table_exists 명령:

$$
BEGIN

#Set mytableexist to true if the table already exists.
SET @mytableexist = SELECT table_exists('target_table_name');

#Create the table if it does not already exist (this is a one time operation).
CREATE TABLE IF NOT EXISTS target_table_name AS
  SELECT *
  FROM   profile_dim_date limit 10;

#Insert data only if the table already exists. Check if @mytableexist = 'true'
 INSERT INTO target_table_name           (
                     select *
                     from   profile_dim_date
                     WHERE  @mytableexist = 'true' limit 20
              ) ;
EXCEPTION
WHEN other THEN SELECT 'ERROR';

END $$;

인라인 inline

다음 inline 함수는 구조체 배열의 요소를 분리하고 값을 테이블로 생성합니다. 에만 배치할 수 있습니다. SELECT 목록 또는 LATERAL VIEW.

다음 inline 함수 할 수 없음 다른 생성기 함수가 있는 선택 목록에 배치해야 합니다.

기본적으로 생성된 열의 이름은 "col1", "col2" 등으로 지정됩니다. 표현식이 인 경우 NULL 그런 다음 행이 생성되지 않습니다.

TIP
열 이름은 를 사용하여 변경할 수 있습니다. RENAME 명령입니다.

> SELECT inline(array(struct(1, 'a'), struct(2, 'b'))), 'Spark SQL';

이 예제는 다음을 반환합니다.

1  a Spark SQL
2  b Spark SQL

이 두 번째 예에서는 의 개념과 적용 방법을 추가로 보여 줍니다 inline 함수. 아래 그림에는 예제의 데이터 모델이 나와 있습니다.

productListItems의 스키마 다이어그램입니다.

select inline(productListItems) from source_dataset limit 10;

에서 가져온 값 source_dataset 대상 테이블을 채우는 데 사용됩니다.

SKU
경험(_E)
수량
priceTotal
product-id-1
("("("(A,pass,B,NULL)")")
5
10.5
product-id-5
("("("(A, pass, B,NULL)")")
product-id-2
("("("(AF, C, D,NULL)")"))
6
40
product-id-4
("("(BM, pass, NA,NULL)")")
3
12

Spark SQL 명령

아래 하위 섹션에서는 쿼리 서비스에서 지원하는 Spark SQL 명령을 다룹니다.

설정

다음 SET 명령은 속성을 설정하고 기존 속성의 값을 반환하거나 기존 속성을 모두 나열합니다. 기존 속성 키에 대한 값이 제공되면 이전 값이 재정의됩니다.

SET property_key = property_value
매개 변수
설명
property_key
나열하거나 변경할 속성의 이름입니다.
property_value
속성을 설정할 값입니다.

설정에 대한 값을 반환하려면 SET [property key] 없이 property_value.

PostgreSQL 명령

아래의 하위 섹션은 PostgreSQL 쿼리 서비스에서 지원하는 명령입니다.

테이블 분석 analyze-table

다음 ANALYZE TABLE 명령은 명명된 테이블에 대한 분포 분석 및 통계 계산을 수행합니다. 사용 ANALYZE TABLE 데이터 세트가 다음에 저장되는지 여부에 따라 달라집니다. 가속 저장소 또는 데이터 레이크. 사용 방법에 대한 자세한 내용은 해당 섹션 을 참조하십시오.

가속 스토어의 통계 계산 compute-statistics-accelerated-store

다음 ANALYZE TABLE 명령은 가속화된 저장소의 테이블에 대한 통계를 계산합니다. 통계는 가속화된 저장소의 주어진 테이블에 대해 실행된 CTAS 또는 ITAS 쿼리에 대해 계산됩니다.

ANALYZE TABLE <original_table_name>

다음은 를 사용한 후 사용할 수 있는 통계 계산 목록입니다. ANALYZE TABLE 명령:-

계산된 값
설명
field
테이블에 있는 열의 이름입니다.
data-type
각 열에 허용되는 데이터 유형입니다.
count
이 필드에 대해 null이 아닌 값이 포함된 행 수입니다.
distinct-count
이 필드에 대한 고유하거나 고유한 값의 수입니다.
missing
이 필드에 대해 null 값이 있는 행 수입니다.
max
분석된 테이블의 최대값입니다.
min
분석된 테이블의 최소값.
mean
분석된 테이블의 평균 값입니다.
stdev
분석된 테이블의 표준 편차입니다.

데이터 레이크의 통계 계산 compute-statistics-data-lake

이제 의 열 수준 통계를 계산할 수 있습니다. Azure Data Lake Storage (ADLS) 데이터 세트 COMPUTE STATISTICS SQL 명령. 전체 데이터 세트, 데이터 세트의 하위 집합, 모든 열 또는 열의 하위 집합에 대한 열 통계를 계산합니다.

COMPUTE STATISTICS 다음을 확장합니다. ANALYZE TABLE 명령입니다. 그러나 COMPUTE STATISTICS, FILTERCONTEXT, 및 FOR COLUMNS 가속화된 저장소 테이블에는 명령이 지원되지 않습니다. 에 대한 이러한 확장 ANALYZE TABLE 명령은 현재 ADLS 테이블에 대해서만 지원됩니다.

ANALYZE TABLE tableName FILTERCONTEXT (timestamp >= to_timestamp('2023-04-01 00:00:00') and timestamp <= to_timestamp('2023-04-05 00:00:00')) COMPUTE STATISTICS  FOR COLUMNS (commerce, id, timestamp);

다음 FILTER CONTEXT 명령은 제공된 필터 조건을 기반으로 데이터 집합 하위 집합에 대한 통계를 계산합니다. 다음 FOR COLUMNS 명령은 분석을 위한 특정 열을 대상으로 합니다.

NOTE
다음 Statistics ID 그리고 생성된 통계는 각 세션에 대해서만 유효하며 다른 PSQL 세션에서 액세스할 수 없습니다.

제한 사항:
  • 배열 또는 맵 데이터 유형에 대해서는 통계 생성이 지원되지 않습니다.
  • 계산된 통계는 아님 세션 간에 지속됨.
  • skip_stats_for_complex_datatypes
SET skip_stats_for_complex_datatypes = false

콘솔 출력이 아래와 같이 표시됩니다.

|     Statistics ID      |
| ---------------------- |
| adc_geometric_stats_1  |
(1 row)

그런 다음 를 참조하여 계산된 통계를 직접 쿼리할 수 있습니다. Statistics ID. 사용 Statistics ID 또는 아래 예제 문과 같은 별칭 이름을 사용하여 출력을 전체적으로 볼 수 있습니다. 이 기능에 대한 자세한 내용은 별칭 이름 설명서.

-- This statement gets the statistics generated for `alias adc_geometric_stats_1`.
SELECT * FROM adc_geometric_stats_1;

사용 SHOW STATISTICS 세션에서 생성된 모든 임시 통계에 대한 메타데이터를 표시하는 명령입니다. 이 명령은 통계 분석의 범위를 구체화하는 데 도움이 될 수 있습니다.

SHOW STATISTICS;

SHOW STATISTICS의 출력 예는 아래에 나와 있습니다.

      statsId         |   tableName   | columnSet |         filterContext       |      timestamp
----------------------+---------------+-----------+-----------------------------+--------------------
adc_geometric_stats_1 | adc_geometric |   (age)   |                             | 25/06/2023 09:22:26
demo_table_stats_1    |  demo_table   |    (*)    |       ((age > 25))          | 25/06/2023 12:50:26
age_stats             | castedtitanic |   (age)   | ((age > 25) AND (age < 40)) | 25/06/2023 09:22:26

다음을 참조하십시오. 데이터 세트 통계 설명서 추가 정보.

테이블 샘플 tablesample

Adobe Experience Platform 쿼리 서비스는 대략적인 쿼리 처리 기능의 일부로 샘플 데이터 세트를 제공합니다.

데이터 집합 샘플은 데이터 집합에 대한 집계 작업에 대해 정확한 답변이 필요하지 않을 때 사용하는 것이 가장 좋습니다. 대략적인 답변을 반환하기 위해 대략적인 쿼리를 발행하여 큰 데이터 세트에 대해 보다 효율적인 탐색 쿼리를 수행하려면 다음을 사용하십시오. TABLESAMPLE 기능.

샘플 데이터 세트는 기존의 균일한 무작위 샘플로 만들어집니다 Azure Data Lake Storage (ADLS) 데이터 세트, 원본 레코드의 백분율만 사용. 데이터 세트 샘플 기능은 ANALYZE TABLE 명령을 사용하여 TABLESAMPLESAMPLERATE 명령.

아래 예에서 1행은 표의 5% 샘플을 계산하는 방법을 보여줍니다. 두 번째 행은 표 내의 데이터에 대한 필터링된 보기에서 5% 샘플을 계산하는 방법을 보여 줍니다.

ANALYZE TABLE tableName TABLESAMPLE SAMPLERATE 5;
ANALYZE TABLE tableName FILTERCONTEXT (timestamp >= to_timestamp('2023-01-01')) TABLESAMPLE SAMPLERATE 5:

다음을 참조하십시오. 데이터 세트 샘플 설명서 추가 정보.

시작

다음 BEGIN 명령 또는 BEGIN WORK 또는 BEGIN TRANSACTION 명령에서 트랜잭션 블록을 시작합니다. begin 명령 뒤에 입력된 모든 문은 명시적 COMMIT 또는 ROLLBACK 명령이 제공될 때까지 단일 트랜잭션에서 실행됩니다. 이 명령은 와 동일합니다. START TRANSACTION.

BEGIN
BEGIN WORK
BEGIN TRANSACTION

닫기

다음 CLOSE 명령은 열린 커서와 관련된 리소스를 해제합니다. 커서를 닫으면 후속 작업이 허용되지 않습니다. 더 이상 필요하지 않은 경우 커서를 닫아야 합니다.

CLOSE name
CLOSE ALL

If CLOSE name 을 사용합니다. name 닫아야 하는 열린 커서의 이름을 나타냅니다. If CLOSE ALL 를 사용하면 열려 있는 모든 커서가 닫힙니다.

할당 해제

이전에 준비한 SQL 문의 할당을 취소하려면 DEALLOCATE 명령입니다. 준비된 문의 할당을 명시적으로 취소하지 않은 경우 세션이 종료되면 이 문의 할당이 취소됩니다. 준비된 문에 대한 자세한 내용은 PREPARE 명령 섹션.

DEALLOCATE name
DEALLOCATE ALL

If DEALLOCATE name 을 사용합니다. name 할당 해제해야 하는 준비된 문의 이름을 나타냅니다. If DEALLOCATE ALL 를 사용하면 준비된 모든 명령문이 할당 해제됩니다.

DECLARE

다음 DECLARE 명령을 사용하면 커서를 만들 수 있으며, 커서는 큰 쿼리에서 적은 수의 행을 검색하는 데 사용할 수 있습니다. 커서가 만들어지면 다음 작업을 사용하여 커서에서 행을 가져옵니다. FETCH.

DECLARE name CURSOR FOR query
매개 변수
설명
name
생성할 커서의 이름입니다.
query
A SELECT 또는 VALUES 커서가 반환할 행을 제공하는 명령입니다.

실행

다음 EXECUTE 명령은 이전에 준비한 문을 실행하는 데 사용됩니다. 준비된 문은 세션 중에만 존재하므로 준비된 문은 PREPARE 현재 세션에서 이전에 실행된 명령문입니다. 준비된 명령문 사용에 대한 자세한 내용은 PREPARE 명령 섹션.

다음과 같은 경우 PREPARE 문을 만든 문에서 일부 매개 변수를 지정했습니다. 호환 가능한 매개 변수 집합을 EXECUTE 명령문입니다. 이러한 매개 변수가 전달되지 않으면 오류가 발생합니다.

EXECUTE name [ ( parameter ) ]
매개 변수
설명
name
실행할 준비된 문의 이름입니다.
parameter
준비된 문에 대한 매개 변수의 실제 값. 준비된 문이 생성될 때 결정된 대로 이 매개 변수의 데이터 유형과 호환되는 값을 산출하는 표현식이어야 합니다. 준비된 문에 여러 매개 변수가 있는 경우 쉼표로 구분됩니다.

설명

다음 EXPLAIN 명령은 제공된 문의 실행 계획을 표시합니다. 실행 계획에는 명령문에서 참조하는 테이블을 검사하는 방법이 표시됩니다. 여러 테이블이 참조되는 경우 각 입력 테이블에서 필요한 행을 통합하는 데 사용되는 조인 알고리즘을 보여 줍니다.

EXPLAIN statement

응답 형식을 정의하려면 FORMAT 키워드 포함 EXPLAIN 명령입니다.

EXPLAIN FORMAT { TEXT | JSON } statement
매개 변수
설명
FORMAT
사용 FORMAT 출력 형식을 지정하는 명령입니다. 사용 가능한 옵션은 다음과 같습니다 TEXT 또는 JSON. 텍스트가 아닌 출력에는 텍스트 출력 형식과 동일한 정보가 포함되어 있지만 프로그램이 더 쉽게 구문 분석할 수 있습니다. 이 매개 변수의 기본값은 입니다. TEXT.
statement
임의 SELECT, INSERT, UPDATE, DELETE, VALUES, EXECUTE, DECLARE, CREATE TABLE AS, 또는 CREATE MATERIALIZED VIEW AS 명령문(보고 싶은 실행 계획).
IMPORTANT
에 해당하는 모든 출력 SELECT 문을 로 실행하면 문이 삭제될 수 있음 EXPLAIN 키워드. 그 진술의 다른 부작용들은 평소와 같이 발생한다.

다음 예제에서는 단일 쿼리가 있는 테이블의 단순 쿼리에 대한 계획을 보여 줍니다 integer 열 및 10000 행:

EXPLAIN SELECT * FROM foo;
                       QUERY PLAN
---------------------------------------------------------
 Seq Scan on foo (dataSetId = "6307eb92f90c501e072f8457", dataSetName = "foo") [0,1000000242,6973776840203d3d,6e616c58206c6153,6c6c6f430a3d4d20,74696d674c746365]
(1 row)

가져오기

다음 FETCH 명령은 이전에 만든 커서를 사용하여 행을 검색합니다.

FETCH num_of_rows [ IN | FROM ] cursor_name
매개 변수
설명
num_of_rows
가져올 행 수입니다.
cursor_name
정보를 검색하는 커서의 이름입니다.

준비 prepare

다음 PREPARE 명령을 사용하면 준비된 문을 만들 수 있습니다. 준비된 문은 유사한 SQL 문을 템플릿화하는 데 사용할 수 있는 서버측 개체입니다.

준비된 문은 실행 시 문에 대체되는 값인 매개 변수를 사용할 수 있습니다. 매개 변수는 준비된 문을 사용할 때 $1, $2 등을 사용하여 위치별로 참조됩니다.

선택적으로 매개 변수 데이터 유형 목록을 지정할 수 있습니다. 매개 변수의 데이터 유형이 나열되지 않으면 해당 유형을 컨텍스트에서 유추할 수 있습니다.

PREPARE name [ ( data_type [, ...] ) ] AS SELECT
매개 변수
설명
name
준비된 문의 이름입니다.
data_type
준비된 문 매개 변수의 데이터 형식입니다. 매개 변수의 데이터 유형이 나열되지 않으면 해당 유형을 컨텍스트에서 유추할 수 있습니다. 여러 데이터 유형을 추가해야 하는 경우 쉼표로 구분된 목록으로 추가할 수 있습니다.

롤백

다음 ROLLBACK 명령은 현재 트랜잭션을 실행 취소하고 트랜잭션에서 수행한 모든 업데이트를 삭제합니다.

ROLLBACK
ROLLBACK WORK

다음으로 선택

다음 SELECT INTO 명령은 새 테이블을 만들고 쿼리에 의해 계산된 데이터로 채웁니다. 데이터는 정상적으로 반환되므로 클라이언트에게 반환되지 않습니다 SELECT 명령입니다. 새 테이블의 열에는 의 출력 열과 연관된 이름과 데이터 유형이 있습니다. SELECT 명령입니다.

[ WITH [ RECURSIVE ] with_query [, ...] ]
SELECT [ ALL | DISTINCT [ ON ( expression [, ...] ) ] ]
    * | expression [ [ AS ] output_name ] [, ...]
    INTO [ TEMPORARY | TEMP | UNLOGGED ] [ TABLE ] new_table
    [ FROM from_item [, ...] ]
    [ WHERE condition ]
    [ GROUP BY expression [, ...] ]
    [ HAVING condition [, ...] ]
    [ WINDOW window_name AS ( window_definition ) [, ...] ]
    [ { UNION | INTERSECT | EXCEPT } [ ALL | DISTINCT ] select ]
    [ ORDER BY expression [ ASC | DESC | USING operator ] [ NULLS { FIRST | LAST } ] [, ...] ]
    [ LIMIT { count | ALL } ]
    [ OFFSET start [ ROW | ROWS ] ]
    [ FETCH { FIRST | NEXT } [ count ] { ROW | ROWS } ONLY ]
    [ FOR { UPDATE | SHARE } [ OF table_name [, ...] ] [ NOWAIT ] [...] ]

표준 SELECT 쿼리 매개 변수에 대한 자세한 내용은 쿼리 섹션 선택. 이 섹션에는 SELECT INTO 명령입니다.

매개 변수
설명
TEMPORARY 또는 TEMP
선택적 매개 변수. 매개변수를 지정하면 생성된 테이블이 임시 테이블이 됩니다.
UNLOGGED
선택적 매개 변수. 매개 변수를 지정하면 작성된 테이블이 기록되지 않은 테이블입니다. 기록되지 않은 테이블에 대한 자세한 내용은 PostgreSQL 설명서.
new_table
생성할 테이블의 이름입니다.

다음 쿼리는 새 테이블을 만듭니다 films_recent 표의 최근 항목으로만 구성됩니다. films:

SELECT * INTO films_recent FROM films WHERE date_prod >= '2002-01-01';

표시

다음 SHOW 명령은 런타임 매개 변수의 현재 설정을 표시합니다. 이러한 변수는 SET 명령문, 편집 postgresql.conf 구성 파일, 다음을 통해 PGOPTIONS 환경 변수(libpq 또는 libpq 기반 응용 프로그램을 사용하는 경우) 또는 Postgres 서버를 시작할 때 명령줄 플래그를 통해 설정됩니다.

SHOW name
SHOW ALL
매개 변수
설명
name
정보를 보려는 런타임 매개 변수의 이름입니다. 런타임 매개 변수에 사용할 수 있는 값은 다음과 같습니다.
SERVER_VERSION: 이 매개 변수는 서버의 버전 번호를 표시합니다.
SERVER_ENCODING: 이 매개 변수는 서버측 문자 세트 인코딩을 보여 줍니다.
LC_COLLATE: 이 매개 변수는 데이터 정렬(텍스트 정렬)에 대한 데이터베이스의 로케일 설정을 보여 줍니다.
LC_CTYPE: 이 매개 변수는 문자 분류에 대한 데이터베이스의 로케일 설정을 보여 줍니다.
IS_SUPERUSER: 이 매개 변수는 현재 역할에 수퍼유저 권한이 있는지 여부를 보여 줍니다.
ALL
모든 구성 매개 변수의 값을 설명과 함께 표시합니다.

다음 쿼리는 매개 변수의 현재 설정을 보여 줍니다 DateStyle.

SHOW DateStyle;
 DateStyle
-----------
 ISO, MDY
(1 row)

복사

다음 COPY 명령은 의 출력을 복제합니다. SELECT 지정한 위치에 쿼리합니다. 이 명령을 수행하려면 사용자에게 이 위치에 대한 액세스 권한이 있어야 합니다.

COPY query
    TO '%scratch_space%/folder_location'
    [  WITH FORMAT 'format_name']
매개 변수
설명
query
복사할 쿼리입니다.
format_name
쿼리를 복사할 형식입니다. 다음 format_name 다음 중 하나일 수 있음 parquet, csv, 또는 json. 기본적으로 값은 입니다. parquet.
NOTE
전체 출력 경로는 다음과 같습니다. adl://<ADLS_URI>/users/<USER_ID>/acp_foundation_queryService/folder_location/<QUERY_ID>

테이블 변경 alter-table

다음 ALTER TABLE 명령을 사용하면 기본 또는 외래 키 제약 조건을 추가하거나 삭제하고 테이블에 열을 추가할 수 있습니다.

제한 추가 또는 삭제

다음 SQL 쿼리는 테이블에 제약 조건을 추가하거나 삭제하는 예를 보여 줍니다. 기본 키 및 외래 키 제약 조건은 쉼표로 구분된 값이 있는 여러 열에 추가할 수 있습니다. 아래 예에 표시된 것처럼 둘 이상의 열 이름 값을 전달하여 복합 키를 만들 수 있습니다.

기본 또는 복합 키 정의

ALTER TABLE table_name ADD CONSTRAINT PRIMARY KEY ( column_name ) NAMESPACE namespace

ALTER TABLE table_name ADD CONSTRAINT PRIMARY KEY ( column_name1, column_name2 ) NAMESPACE namespace

하나 이상의 키를 기준으로 테이블 간의 관계를 정의합니다.

ALTER TABLE table_name ADD CONSTRAINT FOREIGN KEY ( column_name ) REFERENCES referenced_table_name ( primary_column_name )

ALTER TABLE table_name ADD CONSTRAINT FOREIGN KEY ( column_name1, column_name2 ) REFERENCES referenced_table_name ( primary_column_name1, primary_column_name2 )

ID 열 정의

ALTER TABLE table_name ADD CONSTRAINT PRIMARY IDENTITY ( column_name ) NAMESPACE namespace

ALTER TABLE table_name ADD CONSTRAINT IDENTITY ( column_name ) NAMESPACE namespace

제약 조건/관계/ID 삭제

ALTER TABLE table_name DROP CONSTRAINT PRIMARY KEY ( column_name )

ALTER TABLE table_name DROP CONSTRAINT PRIMARY KEY ( column_name1, column_name2 )

ALTER TABLE table_name DROP CONSTRAINT FOREIGN KEY ( column_name )

ALTER TABLE table_name DROP CONSTRAINT FOREIGN KEY ( column_name1, column_name2 )

ALTER TABLE table_name DROP CONSTRAINT PRIMARY IDENTITY ( column_name )

ALTER TABLE table_name DROP CONSTRAINT IDENTITY ( column_name )
매개 변수
설명
table_name
편집 중인 테이블의 이름입니다.
column_name
제약 조건을 추가할 열의 이름입니다.
referenced_table_name
외래 키가 참조하는 테이블의 이름입니다.
primary_column_name
외래 키가 참조하는 열의 이름입니다.
NOTE
테이블 스키마는 고유해야 하며 여러 테이블 간에 공유되지 않아야 합니다. 또한 기본 키, 기본 ID 및 ID 제약 조건에는 네임스페이스가 필수입니다.

기본 및 보조 ID 추가 또는 삭제

기본 및 보조 ID 테이블 열 모두에 대한 제약 조건을 추가하거나 삭제하려면 ALTER TABLE 명령입니다.

다음 예제에서는 제약 조건을 추가하여 기본 ID와 보조 ID를 추가합니다.

ALTER TABLE t1 ADD CONSTRAINT PRIMARY IDENTITY (id) NAMESPACE 'IDFA';
ALTER TABLE t1 ADD CONSTRAINT IDENTITY(id) NAMESPACE 'IDFA';

아래 예와 같이 제한을 드롭하여 ID를 제거할 수도 있습니다.

ALTER TABLE t1 DROP CONSTRAINT PRIMARY IDENTITY (c1) ;
ALTER TABLE t1 DROP CONSTRAINT IDENTITY (c1) ;

자세한 내용은 애드혹 데이터 세트에서 id 설정.

열 추가

다음 SQL 쿼리는 테이블에 열을 추가하는 예를 보여 줍니다.

ALTER TABLE table_name ADD COLUMN column_name data_type

ALTER TABLE table_name ADD COLUMN column_name_1 data_type1, column_name_2 data_type2
지원되는 데이터 유형

다음 표에는 열을 테이블에 추가하는 데 허용되는 데이터 형식이 나와 있습니다. Postgres SQL, XDM 및 Accelerated Database Recovery Azure SQL의 (ADR)

PSQL 클라이언트
XDM
ADR
설명
1
bigint
int8
bigint
-9,223,372,036,854,775,807부터 9,223,372,036,854,775,807까지의 큰 정수를 8바이트로 저장하는 데 사용되는 숫자 데이터 형식입니다.
2
integer
int4
integer
-2,147,483,648 - 2,147,483,647 범위의 정수를 4바이트로 저장하는 데 사용되는 숫자 데이터 형식입니다.
3
smallint
int2
smallint
-32,768 ~ 215-1 32,767 범위의 정수를 2바이트로 저장하는 데 사용되는 숫자 데이터 형식입니다.
4
tinyint
int1
tinyint
0에서 255 사이의 정수를 1바이트에 저장하는 데 사용되는 숫자 데이터 형식입니다.
5
varchar(len)
string
varchar(len)
변수 크기의 문자 데이터 유형입니다. varchar 열 데이터 항목의 크기가 상당히 다를 때 가장 적합합니다.
6
double
float8
double precision
FLOAT8FLOAT 은(는) 다음에 대한 유효한 동의어입니다. DOUBLE PRECISION. double precision 은 부동 소수점 데이터 유형입니다. 부동 소수점 값은 8바이트로 저장됩니다.
7
double precision
float8
double precision
FLOAT8 은(는) 의 유효한 동의어입니다. double precision.double precision 은 부동 소수점 데이터 유형입니다. 부동 소수점 값은 8바이트로 저장됩니다.
8
date
date
date
다음 date 데이터 유형은 타임스탬프 정보가 없는 4바이트 저장된 달력 날짜 값입니다. 유효한 날짜 범위는 01-01-0001부터 12-31-9999까지입니다.
9
datetime
datetime
datetime
달력 날짜 및 시간으로 표현된 인스턴트 인 타임을 저장하는 데 사용되는 데이터 유형입니다. datetime 연도, 월, 일, 시간, 초 및 분수의 구분자를 포함합니다. A datetime 선언은 그 시퀀스에서 결합되는 이들 시간 단위의 임의의 서브세트를 포함할 수 있거나, 심지어 단일 시간 단위만을 포함할 수도 있다.
10
char(len)
string
char(len)
다음 char(len) 키워드는 항목이 고정 길이 문자임을 나타내는 데 사용됩니다.

스키마 추가

다음 SQL 쿼리는 데이터베이스/스키마에 테이블을 추가하는 예를 보여줍니다.

ALTER TABLE table_name ADD SCHEMA database_name.schema_name
NOTE
ADLS 테이블 및 뷰를 DWH 데이터베이스/스키마에 추가할 수 없습니다.

스키마 제거

다음 SQL 쿼리는 데이터베이스/스키마에서 테이블을 제거하는 예를 보여 줍니다.

ALTER TABLE table_name REMOVE SCHEMA database_name.schema_name
NOTE
물리적으로 연결된 DWH 데이터베이스/스키마에서 DWH 테이블 및 뷰를 제거할 수 없습니다.

매개 변수

매개 변수
설명
table_name
편집 중인 테이블의 이름입니다.
column_name
추가할 열의 이름입니다.
data_type
추가하려는 열의 데이터 유형입니다. 지원되는 데이터 유형은 bigint, char, string, date, datetime, double, double precision, integer, smallint, tinyint, varchar입니다.

기본 키 표시

다음 SHOW PRIMARY KEYS 명령은 지정된 데이터베이스에 대한 기본 키 제약 조건을 모두 나열합니다.

SHOW PRIMARY KEYS
    tableName | columnName    | datatype | namespace
------------------+----------------------+----------+-----------
 table_name_1 | column_name1  | text     | "ECID"
 table_name_2 | column_name2  | text     | "AAID"

외래 키 표시

다음 SHOW FOREIGN KEYS 명령은 지정된 데이터베이스에 대한 모든 외래 키 제약 조건을 나열합니다.

SHOW FOREIGN KEYS
    tableName   |     columnName      | datatype | referencedTableName | referencedColumnName | namespace
------------------+---------------------+----------+---------------------+----------------------+-----------
 table_name_1   | column_name1        | text     | table_name_3        | column_name3         |  "ECID"
 table_name_2   | column_name2        | text     | table_name_4        | column_name4         |  "AAID"

데이터 그룹 표시

다음 SHOW DATAGROUPS 명령은 연결된 모든 데이터베이스의 테이블을 반환합니다. 각 데이터베이스에 대해 테이블에는 스키마, 그룹 유형, 하위 유형, 하위 이름 및 하위 ID가 포함됩니다.

SHOW DATAGROUPS
   Database   |      Schema       | GroupType |      ChildType       |                     ChildName                       |               ChildId
  -------------+-------------------+-----------+----------------------+----------------------------------------------------+--------------------------------------
   adls_db     | adls_scheema      | ADLS      | Data Lake Table      | adls_table1                                        | 6149ff6e45cfa318a76ba6d3
   adls_db     | adls_scheema      | ADLS      | Accelerated Store | _table_demo1                                       | 22df56cf-0790-4034-bd54-d26d55ca6b21
   adls_db     | adls_scheema      | ADLS      | View                 | adls_view1                                         | c2e7ddac-d41c-40c5-a7dd-acd41c80c5e9
   adls_db     | adls_scheema      | ADLS      | View                 | adls_view4                                         | b280c564-df7e-405f-80c5-64df7ea05fc3

테이블에 대한 데이터 그룹 표시

다음 SHOW DATAGROUPS FOR 'table_name' 이 명령은 매개 변수를 하위 매개 변수로 포함하는 모든 관련 데이터베이스의 테이블을 반환합니다. 각 데이터베이스에 대해 테이블에는 스키마, 그룹 유형, 하위 유형, 하위 이름 및 하위 ID가 포함됩니다.

SHOW DATAGROUPS FOR 'table_name'

매개 변수

  • table_name: 연결된 데이터베이스를 찾을 테이블의 이름입니다.
   Database   |      Schema       | GroupType |      ChildType       |                     ChildName                      |               ChildId
  -------------+-------------------+-----------+----------------------+----------------------------------------------------+--------------------------------------
   dwh_db_demo | schema2           | QSACCEL   | Accelerated Store | _table_demo2                                       | d270f704-0a65-4f0f-b3e6-cb535eb0c8ce
   dwh_db_demo | schema1           | QSACCEL   | Accelerated Store | _table_demo2                                       | d270f704-0a65-4f0f-b3e6-cb535eb0c8ce
   qsaccel     | profile_aggs      | QSACCEL   | Accelerated Store | _table_demo2                                       | d270f704-0a65-4f0f-b3e6-cb535eb0c8ce
recommendation-more-help
ccf2b369-4031-483f-af63-a93b5ae5e3fb