MaxCompute SQL与标准SQL的主要区别及解决方法

这里会列举一个写惯了关系型数据库里的SQL的用户,在使用MaxCompute SQL比较容易遇见的问题。但是具体的语法建议还是参考对应的文档 。希望这篇帖子配合文档,能帮助大家少踩坑,快速上手MaxCompute SQL。

概要

场景

  • 不支持事物(没有commit和rollback,建议代码具有等幂性支持重跑,不推荐使用Insert Into,推荐Insert Overwrite写入数据)。
  • 不支持索引和主外键约束。
  • 不支持自增字段和默认值。如果有默认值,请在数据写入时自行赋值。

分区

  • 单表支持6万个分区。
  • 一次查询输入的分区数不能大于1万 。另外如果是2级分区且查询时只根据2级分区进行过滤,总的分区数大于1万也可能导致这个问题。
  • 一次查询输出的分区数不能大于2048 。

精度

  • Double类型因为存在精度问题,不建议在关联时候进行直接等号关联两个Double字段。一个比较推荐的做法是把两个数做下减法,如果差距小于一个预设的值就认为是相同,比如abs(a1- a2) < 0.000000001。
  • 目前产品上已经支持高精度的类型Decimal。但如果有更高精度要求的,可以先把数据存成String类型,然后使用UDF来实现对应的计算。

数据类型转换

  • 为了防止出现各种预期外的错误,建议如果有2个不同的字段类型需要做Join,还是自己先把类型转好了后再Join,同时还能让代码更容易维护。
  • 关于日期型和字符串的隐式转换。在需要传入日期型的函数里如果传入一个字符串,字符串和日期类型的转换根据yyyy-mm-dd hh:mi:ss格式进行转换。如果是其他格式请参考内建函数TO_DATE部分。

DDL

表结构

  • 不能修改分区列列名,只能修改分区列对应的值。具体分区列和分区的区别可以参考这里
  • 支持增加列,但是不支持删除列以及修改列的数据类型,参考这里 。如果有需要一定要操作,最安全的方法参考这里。

DML

INSERT

  • 最直观的区别就是Insert into/overwrite后面有个关键字Table。
  • 目前只支持Insert Into/Overwrite Table TabeName Select的语法批量插入数据,目前还不支持Insert Into/Overwrite Table TableName Values(xxx)的语法。但是如果确实有需要,可以参考这里。
  • 数据插入表的字段映射不是根据Select的别名做的,而是根据Select的字段的顺序和表里的字段的顺序。

UPDATE/DELETE

  • 目前不支持Update/Delete语句,如果有需要可以参考这里。另外对于删除,还可以参考这里。

SELECT

  • 输入表的数量不能超过16张。
  • Group by查询里的Select字段,要么是Group By的分组字段,要么需要使用聚合函数。这里可以从逻辑角度理解,假如发现一个非分组列同一个Group By Key里的数据有多条,那么不使用聚合函数的话就没办法展示了。

子查询

  • 子查询必须要有别名。查询带个别名是个好习惯。

IN/NOT IN

  • 关于In/Not In,Exist/Not Exist,后面跟的子查询数据量不能超过1000条,解决办法参考这里。如果业务上已经保证了子查询返回结果的唯一性,可以考虑去掉Distinct增加查询性能。

SQL返回10000条

  • MaxCompute限制了SQL语句返回的数据条数,用户可以参考这里配置。不过可以看到,目前最高可以设置到1万。如果需要查询的结果数据条数很多,可以参考这里配和Tunnel获取全部数据。

MAPJOIN

  • Join不支持笛卡尔积,也就是Join必须要用On设置关联条件。如果有一些小表需要做广播表,需要用Mapjoin Hint。具体可以参考这里。

ORDER BY

  • Order By 后面需要配合Limit n使用。如果希望做很大的数据量的排序,甚至需要做全表排序,可以把这个N设置的很大。但是谨慎使用,因为无法使用到分布式系统的优势,可能会有性能问题。可以参考这里。

阅读原文请点击

ul

相关推荐