在 Amazon Redshift 上管理 LISTAGG 中的溢出

Question

使用这篇文章中的示例：https : //blogs.oracle.com/datawarehousing/entry/managing_overflows_in_listagg

以下声明：

SELECT
deptno,
LISTAGG(ename, ';') WITHIN GROUP (ORDER BY empno) AS namelist 
FROM emp 
GROUP BY deptno;

将生成以下输出：

DEPTNO     NAMELIST
---------- ----------------------------------------
10         CLARK;KING;MILLER
20         SMITH;JONES;SCOTT;ADAMS;FORD
30         ALLEN;WARD;MARTIN;BLAKE;TURNER;JAMES

让我们假设上面的语句没有运行，并且我们的 LISTAGG 函数中的每一行都可以返回 15 个字符的限制。这实际上是 Amazon Redshift 上的 65535。

在这种情况下，我们希望返回以下内容：

DEPTNO     NAMELIST
---------- ----------------------------------------
10         CLARK;KING
10         MILLER
20         SMITH;JONES
20         SCOTT;ADAMS
20         FORD
30         ALLEN;WARD
30         MARTIN;BLAKE
30         TURNER;JAMES 

在 Amazon Redshift 中重新创建此结果以避免任何数据丢失并考虑速度的最佳方法是什么？

Answer 1

可以通过 2 个子查询来实现这一点：

第一的：

SELECT id, field,
       sum(length(field) + 1) over 
       (partition by id order by RANDOM() rows unbounded preceding) as total_length_now
    from my_schema.my_table)

最初我们想要计算表中每个 id 有多少个字符。我们可以使用窗口函数来增量计算每一行。在“order by”语句中，您可以使用您拥有的任何唯一字段。如果没有，您可以简单地使用随机函数或哈希函数，但必须强制该字段是唯一的，否则该函数将无法按我们想要的方式工作。

长度中的“+1”代表我们将在 listagg 函数中使用的分号。

第二：

SELECT id, field, total_length_now / 65535 as sub_id
FROM (sub_query_1)

现在我们根据之前计算的长度创建一个 sub_id 。如果total_length_now超过限制大小（在本例中为65535），则该部门的其余部分将返回一个新的sub_id。

最后一步

SELECT id, sub_id, listagg(field, ';') as namelist
FROM (sub_query_2)
GROUP BY id, sub_id
ORDER BY id, sub_id

现在我们可以简单地调用listagg函数按id和sub_id分组，因为每个组不能超过大小限制。

完成查询

SELECT id, sub_id, listagg(field, ';') as namelist
FROM (
SELECT id, field, total_length_now / 65535 as sub_id
FROM (SELECT id,
       field,
       sum(length(field) + 1) over 
       (partition by id order by field rows unbounded preceding) as total_length_now
from support.test))
GROUP BY id, sub_id
order by id, sub_id

您的数据示例（大小限制 = 10）

第一个和第二个查询输出：

id, field, total_length_now, sub_id

10,KING,5,0
10,CLARK,11,1
10,MILLER,18,1
20,ADAMS,6,0
20,SMITH,12,1
20,JONES,18,1
20,FORD,23,2
20,SCOTT,29,2
30,JAMES,6,0
30,BLAKE,12,1
30,WARD,17,1
30,MARTIN,24,2
30,TURNER,31,3
30,ALLEN,37,3

最终查询输出：

id,sub_id,namelist

10,0,KING
10,1,CLARK;MILLER
20,0,ADAMS
20,1,SMITH;JONES
20,2,FORD;SCOTT
30,0,JAMES
30,1,BLAKE;WARD
30,2,MARTIN
30,3,TURNER;ALLEN