Guida alla traduzione SQL di Teradata

Questo documento illustra le analogie e le differenze della sintassi SQL tra Teradata e BigQuery per aiutarti a pianificare la migrazione. Utilizza la traduzione SQL batch per eseguire la migrazione collettiva degli script SQL o la traduzione SQL interattiva per tradurre le query ad hoc.

Tipi di dati

Questa sezione mostra gli equivalenti tra i tipi di dati in Teradata e in BigQuery.

Teradata BigQuery Note
INTEGER INT64
SMALLINT INT64
BYTEINT INT64
BIGINT INT64
DECIMAL

NUMERIC, DECIMAL

BIGNUMERIC, BIGDECIMAL

Utilizza NUMERIC (alias DECIMAL) di BigQuery quando la scala (cifre dopo il punto decimale) è <= 9.
Utilizza BIGNUMERIC (alias BIGDECIMAL) di BigQuery quando la scala è maggiore di 9.

Utilizza i tipi di dati decimali parametrizzati di BigQuery se devi applicare limiti (vincoli) personalizzati per cifre o scale.

Teradata ti consente di inserire valori di maggiore precisione arrotondando il valore memorizzato; tuttavia, mantiene l'alta precisione nei calcoli. Ciò può portare a un comportamento di arrotondamento imprevisto rispetto allo standard ANSI.

FLOAT FLOAT64
NUMERIC

NUMERIC, DECIMAL

BIGNUMERIC, BIGDECIMAL

Utilizza NUMERIC (alias DECIMAL) di BigQuery quando la scala (cifre dopo il punto decimale) è <= 9.
Utilizza BIGNUMERIC (alias BIGDECIMAL) di BigQuery quando la scala è maggiore di 9.

Utilizza i tipi di dati decimali parametrizzati di BigQuery se devi applicare limiti (vincoli) personalizzati per cifre o scale.

Teradata ti consente di inserire valori di maggiore precisione arrotondando il valore memorizzato; tuttavia, mantiene l'alta precisione nei calcoli. Ciò può portare a un comportamento di arrotondamento imprevisto rispetto allo standard ANSI.

NUMBER

NUMERIC, DECIMAL

BIGNUMERIC, BIGDECIMAL

Utilizza NUMERIC (alias DECIMAL) di BigQuery quando la scala (cifre dopo il punto decimale) è <= 9.
Utilizza BIGNUMERIC (alias BIGDECIMAL) di BigQuery quando la scala è maggiore di 9.

Utilizza i tipi di dati decimali parametrizzati di BigQuery se devi applicare limiti (vincoli) personalizzati per cifre o scale.

Teradata ti consente di inserire valori di maggiore precisione arrotondando il valore memorizzato; tuttavia, mantiene l'alta precisione nei calcoli. Ciò può portare a un comportamento di arrotondamento imprevisto rispetto allo standard ANSI.

REAL FLOAT64
CHAR/CHARACTER STRING

Utilizza il tipo di dati STRING parametrizzato di BigQuery se devi applicare una lunghezza massima dei caratteri.

VARCHAR STRING

Utilizza il tipo di dati STRING parametrizzato di BigQuery se devi applicare una lunghezza massima dei caratteri.

CLOB STRING
JSON JSON
BLOB BYTES
BYTE BYTES
VARBYTE BYTES
DATE DATE BigQuery non supporta la formattazione personalizzata simile a quella supportata da Teradata con DataForm in SDF.
TIME TIME
TIME WITH TIME ZONE TIME Teradata memorizza il tipo di dati TIME in UTC e ti consente di trasmettere un offset da UTC utilizzando la sintassi WITH TIME ZONE. Il tipo di dati TIME in BigQuery rappresenta un orario indipendente da qualsiasi data o fuso orario.
TIMESTAMP TIMESTAMP I tipi di dati di Teradata e BigQuery TIMESTAMP hanno una precisione di microsecondi (ma Teradata supporta i secondi intercalari, mentre BigQuery no).

I tipi di dati Teradata e BigQuery sono solitamente associati a un fuso orario UTC (dettagli).
TIMESTAMP WITH TIME ZONE TIMESTAMP Il campo TIMESTAMP di Teradata può essere impostato su un fuso orario diverso a livello di sistema, per utente o per colonna (utilizzando WITH TIME ZONE).

Il tipo TIMESTAMP di BigQuery presuppone UTC se non specifichi esplicitamente un fuso orario. Assicurati di esportare correttamente le informazioni sul fuso orario (non concatenare un valore DATE e TIME senza informazioni sul fuso orario) in modo che BigQuery possa convertirle all'importazione. In alternativa, assicurati di convertire le informazioni sul fuso orario in UTC prima dell'esportazione.

BigQuery dispone di DATETIME per un'astrazione tra il tempo civile, che non mostra un fuso orario quando viene visualizzato, e TIMESTAMP, che è un punto preciso nel tempo che mostra sempre il fuso orario UTC.
ARRAY ARRAY
MULTI-DIMENSIONAL ARRAY ARRAY In BigQuery, utilizza un array di struct, con ogni struct contenente un campo di tipo ARRAY (per maggiori dettagli, consulta la documentazione di BigQuery).
INTERVAL HOUR INT64
INTERVAL MINUTE INT64
INTERVAL SECOND INT64
INTERVAL DAY INT64
INTERVAL MONTH INT64
INTERVAL YEAR INT64
PERIOD(DATE) DATE, DATE PERIOD(DATE) deve essere convertito in due colonne DATE contenenti la data di inizio e la data di fine in modo da poter essere utilizzato con le funzioni finestra.
PERIOD(TIMESTAMP WITH TIME ZONE) TIMESTAMP, TIMESTAMP
PERIOD(TIMESTAMP) TIMESTAMP, TIMESTAMP
PERIOD(TIME) TIME, TIME
PERIOD(TIME WITH TIME ZONE) TIME, TIME
UDT STRING
XML STRING
TD_ANYTYPE STRING

Per saperne di più sul trasferimento di tipo, consulta la sezione successiva.

Formattazione del tipo Teradata

Teradata SQL utilizza un insieme di formati predefiniti per la visualizzazione di espressioni e dati di colonna e per le conversioni tra tipi di dati. Ad esempio, un tipo di dati PERIOD(DATE) in modalità INTEGERDATE è formattato come YY/MM/DD per impostazione predefinita. Ti consigliamo di utilizzare la modalità ANSIDATE, se possibile, per garantire la conformità a ANSI SQL e di sfruttare questa opportunità per ripulire i formati precedenti.

Teradata consente l'applicazione automatica di formati personalizzati utilizzando la clausola FORMAT, senza modificare lo spazio di archiviazione sottostante, come attributo del tipo di dati quando crei una tabella utilizzando DDL o in un'espressione derivata. Ad esempio, una specifica FORMAT 9.99 arrotonderà qualsiasi valore FLOAT a due cifre. In BigQuery, questa funzionalità deve essere convertita utilizzando la funzioneROUND().

Questa funzionalità richiede la gestione di casi limite intricati. Ad esempio, quando la clausola FORMAT viene applicata a una colonna NUMERIC, devi tenere conto di regole di arrotondamento e formattazione speciali. Una clausola FORMAT può essere utilizzata per eseguire il casting implicito di un valore di epocha INTEGER in un formato DATE. In alternativa, una specifica FORMAT X(6) in una colonna VARCHAR tronca il valore della colonna e devi quindi convertire in una funzione SUBSTR(). Questo comportamento non è conforme ad ANSI SQL. Pertanto, ti consigliamo di non eseguire la migrazione dei formati delle colonne a BigQuery.

Se i formati delle colonne sono assolutamente necessari, utilizza le viste o le funzioni definite dall'utente (UDF).

Per informazioni sui formati predefiniti utilizzati da Teradata SQL per ogni tipo di dato, consulta la documentazione sulla formattazione predefinita di Teradata.

Formattazione del tipo di timestamp e data

La seguente tabella riassume le differenze negli elementi di formattazione della data e del timestamp tra Teradata SQL e GoogleSQL.

Formato Teradata Descrizione di Teradata BigQuery
CURRENT_TIMESTAMP
CURRENT_TIME 		Le informazioni TIME e TIMESTAMP in Teradata possono avere informazioni sui fusi orari diversi, che vengono definite utilizzando WITH TIME ZONE. Se possibile, utilizza CURRENT_TIMESTAMP(), che è formattato in formato ISO. Tuttavia, il formato di output mostra sempre il fuso orario UTC. (BigQuery non ha un fuso orario interno).

Tieni presente i seguenti dettagli sulle differenze nel formato ISO.

DATETIME viene formattato in base alle convenzioni dei canali di output. Nello strumento a riga di comando BigQuery e nella console BigQuery, viene formattato utilizzando un separatore T in base a RFC 3339. Tuttavia, in Python e Java JDBC, viene utilizzato uno spazio come separatore.

Se vuoi utilizzare un formato esplicito, utilizza FORMAT_DATETIME(), che esegue un passaggio esplicito a una stringa. Ad esempio, la seguente expressione restituisce sempre un separatore di spazi:

CAST(CURRENT_DATETIME() AS STRING)

Teradata supporta una parola chiave DEFAULT nelle colonne TIME per impostare l'ora corrente (timestamp); questa non viene utilizzata in BigQuery.
CURRENT_DATE Le date vengono memorizzate in Teradata come valori INT64 utilizzando la seguente formula:

(YEAR - 1900) * 10000 + (MONTH * 100) + DAY

Le date possono essere formattate come numeri interi. 		BigQuery ha un formato DATE separato che sempre restituisce una data nel formato ISO 8601.

DATE_FROM_UNIX_DATE non può essere utilizzato perché è basato su il 1970.

Teradata supporta una parola chiave DEFAULT nelle colonne DATE per impostare la data corrente. Questa parola chiave non viene utilizzata in BigQuery.
CURRENT_DATE-3 I valori di data sono rappresentati come numeri interi. Teradata supporta gli operatori matematici per i tipi di date. Per i tipi di date, utilizza DATE_ADD() o DATE_SUB().

BigQuery utilizza operatori aritmetici per i tipi di dati: INT64, NUMERIC e FLOAT64.
SYS_CALENDAR.CALENDAR Teradata fornisce una visualizzazione per le operazioni di calendario che vanno oltre le operazioni con interi. Non utilizzato in BigQuery.
SET SESSION DATEFORM=ANSIDATE Imposta il formato della data della sessione o del sistema su ANSI (ISO 8601). BigQuery utilizza sempre ISO 8601, quindi assicurati di convertire le date e le ore di Teradata.

Sintassi delle query

Questa sezione illustra le differenze nella sintassi delle query tra Teradata e BigQuery.

SELECT dichiarazione

La maggior parte delle SELECT istruzioni Teradata è compatibile con BigQuery. La tabella seguente contiene un elenco di differenze minori.

Teradata BigQuery
SEL Converti in SELECT. BigQuery non utilizza l'abbreviazione SEL.
SELECT
  (subquery) AS flag,
  CASE WHEN flag = 1 THEN ...
 		In BigQuery, le colonne non possono fare riferimento all'output di altre colonne definite nello stesso elenco di selezione. Preferisci spostare una sottoquery in una clausola WITH.

WITH flags AS (
  subquery
),
SELECT
  CASE WHEN flags.flag = 1 THEN ...
SELECT * FROM table
WHERE A LIKE ANY ('string1', 'string2')
 		BigQuery non utilizza il predicato logico ANY.

La stessa funzionalità può essere ottenuta utilizzando più operatori OR:

SELECT * FROM table
WHERE col LIKE 'string1' OR
      col LIKE 'string2'

In questo caso, anche il confronto delle stringhe è diverso. Consulta la sezione Operatori di confronto.
SELECT TOP 10 * FROM table BigQuery utilizza LIMIT alla fine di una query anziché TOP n dopo la parola chiave SELECT.

Operatori di confronto

La tabella seguente mostra gli operatori di confronto Teradata specifici di Teradata e che devono essere convertiti in operatori conformi ad ANSI SQL:2011 utilizzati in BigQuery.

Per informazioni sugli operatori in BigQuery, consulta la sezione Operatori della documentazione di BigQuery.

Teradata BigQuery Note
exp EQ exp2
exp IN (exp2, exp3) 		exp = exp2
exp IN (exp2, exp3)

Per mantenere la semantica non ANSI per NOT CASESPECIFIC, puoi utilizzare
RTRIM(UPPER(exp)) = RTRIM(UPPER(exp2)) 		Quando si confrontano le stringhe per verificarne l'uguaglianza, Teradata potrebbe ignorare gli spazi iniziali e finali, mentre BigQuery li considera parte della stringa. Ad esempio, 'xyz'=' xyz' è TRUE in Teradata, ma FALSE in BigQuery.

Teradata fornisce anche un attributo colonna NOT CASESPECIFIC che indica a Teradata di ignorare la maiuscola quando confronta due stringhe. BigQuery è sempre sensibile alle maiuscole quando confronta le stringhe. Ad esempio, 'xYz' = 'xyz' è TRUE in Teradata, ma FALSE in BigQuery.
exp LE exp2 exp <= exp2
exp LT exp2 exp < exp2
exp NE exp2 exp <> exp2
exp != exp2
exp GE exp2 exp >= exp2
exp GT exp2 exp > exp2

JOIN condizioni

BigQuery e Teradata supportano le stesse condizioni JOIN, ON e USING. La tabella seguente contiene un elenco di differenze minori.

Teradata BigQuery Note
FROM A LEFT OUTER JOIN B ON A.date > B.start_date AND A.date < B.end_date FROM A LEFT OUTER JOIN (SELECT d FROM B JOIN UNNEST(GENERATE_DATE_ARRAY(B.start_date, B.end_date)) d) B ON A.date = B.date BigQuery supporta le clausole JOIN di disuguaglianza per tutte le unioni interne o se è specificata almeno una condizione di uguaglianza (=). Tuttavia, non supporta solo una condizione di disuguaglianza (= e <) in un OUTER JOIN. A volte questi costrutti vengono utilizzati per eseguire query su intervalli di date o interi. BigQuery impedisce agli utenti di creare inavvertitamente join tra più tabelle di grandi dimensioni.
FROM A, B ON A.id = B.id FROM A JOIN B ON A.id = B.id L'utilizzo di una virgola tra le tabelle in Teradata equivale a un INNER JOIN, mentre in BigQuery equivale a un CROSS JOIN (prodotto cartesiano). Poiché la virgola in BigQuery SQL precedente è trattata come UNION, ti consigliamo di rendere esplicita l'operazione per evitare confusione.
FROM A JOIN B ON (COALESCE(A.id , 0) = COALESCE(B.id, 0)) FROM A JOIN B ON (COALESCE(A.id , 0) = COALESCE(B.id, 0)) Nessuna differenza per le funzioni scalari (costanti).
FROM A JOIN B ON A.id = (SELECT MAX(B.id) FROM B) FROM A JOIN (SELECT MAX(B.id) FROM B) B1 ON A.id = B1.id BigQuery impedisce agli utenti di utilizzare sottoquery, sottoquery correlate o aggregazioni nei predicati di join. In questo modo, BigQuery esegue il parallellismo delle query.

Conversione e trasmissione di tipi

BigQuery ha meno tipi di dati, ma più ampi rispetto a Teradata, il che richiede che BigQuery sia più rigoroso nel casting.

Teradata BigQuery Note
exp EQ exp2
exp IN (exp2, exp3) 		exp = exp2
exp IN (exp2, exp3)

Per mantenere la semantica non ANSI per NOT CASESPECIFIC, puoi utilizzare
RTRIM(UPPER(exp)) = RTRIM(UPPER(exp2)) 		Quando si confrontano le stringhe per verificarne l'uguaglianza, Teradata potrebbe ignorare gli spazi iniziali e finali, mentre BigQuery li considera parte della stringa. Ad esempio, 'xyz'=' xyz' è TRUE in Teradata, ma FALSE in BigQuery.

Teradata fornisce anche un attributo colonna NOT CASESPECIFIC che indica a Teradata di ignorare la maiuscola quando confronta due stringhe. BigQuery è sempre sensibile alle maiuscole quando confronta le stringhe. Ad esempio, 'xYz' = 'xyz' è TRUE in Teradata, ma FALSE in BigQuery.
CAST(long_varchar_column AS CHAR(6)) LPAD(long_varchar_column, 6) A volte, il passaggio di una colonna di caratteri in Teradata viene utilizzato come metodo non standard e non ottimale per creare una sottostringa con spaziatura interna.
CAST(92617 AS TIME) 92617 (FORMAT '99:99:99') PARSE_TIME("%k%M%S", CAST(92617 AS STRING))
 Teradata esegue molte conversioni di tipo più implicite e arrotondamenti rispetto a BigQuery, che è generalmente più rigoroso e applica gli standard ANSI.
(questo esempio restituisce 09:26:17)
CAST(48.5 (FORMAT 'zz') AS FLOAT) CAST(SUBSTR(CAST(48.5 AS STRING), 0, 2) AS FLOAT64)
 I tipi di dati numerici e con virgola mobile possono richiedere regole di arrotondamento speciali se applicati con formati come le valute.
(questo esempio restituisce 48)

Consulta anche gli operatori di confronto e i formati delle colonne. Sia i confronti che la formattazione delle colonne possono comportarsi come conversioni di tipo.

QUALIFY, ROWS clausole

La clausola QUALIFY in Teradata ti consente di filtrare i risultati per le funzioni finestra. In alternativa, per la stessa attività è possibile utilizzare una frase ROWS. Funzionano in modo simile a una condizione HAVING per una clausola GROUP, limitando l'output di quelle che in BigQuery sono chiamate funzioni finestra.

Teradata BigQuery
SELECT col1, col2
FROM table
QUALIFY ROW_NUMBER() OVER (PARTITION BY col1 ORDER BY col2) = 1; 		La clausola QUALIFY di Teradata con una funzione di finestra come ROW_NUMBER(), SUM(), COUNT() e con OVER PARTITION BY è espressa in BigQuery come clausola WHERE in una sottoquery che contiene un valore di analisi.

Utilizzo di ROW_NUMBER():

SELECT col1, col2
FROM (
  SELECT col1, col2,
  ROW_NUMBER() OVER (PARTITION BY col1 ORDER BY col2) RN
  FROM table
) WHERE RN = 1;

Utilizzo di ARRAY_AGG, che supporta partizioni più grandi:

SELECT
  result.*
FROM (
  SELECT
    ARRAY_AGG(table ORDER BY table.col2
      DESC LIMIT 1)[OFFSET(0)]
  FROM table
  GROUP BY col1
) AS result;
SELECT col1, col2
FROM table
AVG(col1) OVER (PARTITION BY col1 ORDER BY col2 ROWS BETWEEN 2 PRECEDING AND CURRENT ROW); 		SELECT col1, col2
FROM table
AVG(col1) OVER (PARTITION BY col1 ORDER BY col2 RANGE BETWEEN 2 PRECEDING AND CURRENT ROW);

In BigQuery, sia RANGE che ROWS possono essere utilizzati nella clausola intervallo finestra. Tuttavia, le clausole finestra possono essere utilizzate solo con funzioni finestra come AVG(), non con funzioni di numerazione come ROW_NUMBER().

NORMALIZE parola chiave

Teradata fornisce la parola chiave NORMALIZE per le clausole SELECT per unire periodi o intervalli sovrapposti in un singolo periodo o intervallo che racchiude tutti i valori dei singoli periodi.

BigQuery non supporta il tipo PERIOD, pertanto qualsiasi colonna di tipo PERIOD in Teradata deve essere inserita in BigQuery come due campi DATE o DATETIME separati che corrispondono all'inizio e alla fine del periodo.

Teradata BigQuery
SELECT NORMALIZE
    client_id,
    item_sid,
    BEGIN(period) AS min_date,
    END(period) AS max_date,
  FROM
    table;
 		SELECT
  t.client_id,
  t.item_sid,
  t.min_date,
  MAX(t.dwh_valid_to) AS max_date
FROM (
  SELECT
    d1.client_id,
    d1.item_sid,
    d1.dwh_valid_to AS dwh_valid_to,
    MIN(d2.dwh_valid_from) AS min_date
  FROM
    table d1
  LEFT JOIN
    table d2
  ON
    d1.client_id = d2.client_id
    AND d1.item_sid = d2.item_sid
    AND d1.dwh_valid_to >= d2.dwh_valid_from
    AND d1.dwh_valid_from < = d2.dwh_valid_to
  GROUP BY
    d1.client_id,
    d1.item_sid,
    d1.dwh_valid_to ) t
GROUP BY
  t.client_id,
  t.item_sid,
  t.min_date;

Funzioni

Le sezioni seguenti elencano le mappature tra le funzioni Teradata e i relativi equivalenti di BigQuery.

Funzioni di aggregazione

La tabella seguente mappa le funzioni aggregate, di aggregazione statistica e di aggregazione approssimativa comuni di Teradata ai relativi equivalenti di BigQuery. BigQuery offre le seguenti funzioni aggregate aggiuntive:

Teradata BigQuery
AVG AVG
BITAND BIT_AND
BITNOT Operatore di negación a livello di bit (~)
BITOR BIT_OR
BITXOR BIT_XOR
CORR CORR
COUNT COUNT
COVAR_POP COVAR_POP
COVAR_SAMP COVAR_SAMP
MAX MAX
MIN MIN
REGR_AVGX AVG(
  IF(dep_var_expression is NULL
     OR ind_var_expression is NULL,
     NULL, ind_var_expression)
)
REGR_AVGY AVG(
  IF(dep_var_expression is NULL
     OR ind_var_expression is NULL,
     NULL, dep_var_expression)
)
REGR_COUNT SUM(
  IF(dep_var_expression is NULL
     OR ind_var_expression is NULL,
     NULL, 1)
)
REGR_INTERCEPT AVG(dep_var_expression) - AVG(ind_var_expression) * (COVAR_SAMP(ind_var_expression,
              dep_var_expression)
   / VARIANCE(ind_var_expression))
REGR_R2 (COUNT(dep_var_expression)*
 SUM(ind_var_expression * dep_var_expression) -
 SUM(dep_var_expression) * SUM(ind_var_expression))
/ SQRT(
     (COUNT(ind_var_expression)*
      SUM(POWER(ind_var_expression, 2))*
      POWER(SUM(ind_var_expression),2))*
     (COUNT(dep_var_expression)*
      SUM(POWER(dep_var_expression, 2))*
      POWER(SUM(dep_var_expression), 2)))
REGR_SLOPE - COVAR_SAMP(ind_var_expression,
            dep_var_expression)
/ VARIANCE(ind_var_expression)
REGR_SXX SUM(POWER(ind_var_expression, 2)) - COUNT(ind_var_expression) *
  POWER(AVG(ind_var_expression),2)
REGR_SXY SUM(ind_var_expression * dep_var_expression) - COUNT(ind_var_expression)
  * AVG(ind_var_expression) * AVG(dep_var_expression)
REGR_SYY SUM(POWER(dep_var_expression, 2)) - COUNT(dep_var_expression)
  * POWER(AVG(dep_var_expression),2)
SKEW Funzione definita dall'utente personalizzata.
STDDEV_POP STDDEV_POP
STDDEV_SAMP STDDEV_SAMP, STDDEV
SUM SUM
VAR_POP VAR_POP
VAR_SAMP VAR_SAMP, VARIANCE

Funzioni analitiche e funzioni finestra

La seguente tabella mappa le funzioni di analisi e di analisi di aggregazione Teradata comuni alle relative funzione finestra di BigQuery. BigQuery offre le seguenti funzionalità aggiuntive:

Teradata BigQuery
ARRAY_AGG ARRAY_AGG
ARRAY_CONCAT, (|| operator) ARRAY_CONCAT_AGG, (|| operator)
BITAND BIT_AND
BITNOT Operatore di negación a livello di bit (~)
BITOR BIT_OR
BITXOR BIT_XOR
CORR CORR
COUNT COUNT
COVAR_POP COVAR_POP
COVAR_SAMP COVAR_SAMP
CUME_DIST CUME_DIST
DENSE_RANK (ANSI) DENSE_RANK
FIRST_VALUE FIRST_VALUE
LAST_VALUE LAST_VALUE
MAX MAX
MIN MIN
PERCENT_RANK PERCENT_RANK
PERCENTILE_CONT, PERCENTILE_DISC PERCENTILE_CONT, PERCENTILE_DISC
RANK (ANSI) RANK
ROW_NUMBER ROW_NUMBER
STDDEV_POP STDDEV_POP
STDDEV_SAMP STDDEV_SAMP, STDDEV
SUM SUM
VAR_POP VAR_POP
VAR_SAMP VAR_SAMP, VARIANCE

Funzioni di data/ora

La tabella seguente mappa le funzioni di data/ora Teradata comuni ai relativi equivalenti BigQuery. BigQuery offre le seguenti funzioni aggiuntive per data/ora:

Teradata BigQuery
ADD_MONTHS DATE_ADD, TIMESTAMP_ADD
CURRENT_DATE CURRENT_DATE
CURRENT_TIME CURRENT_TIME
CURRENT_TIMESTAMP CURRENT_TIMESTAMP
DATE + k DATE_ADD(date_expression, INTERVAL k DAY)
DATE - k DATE_SUB(date_expression, INTERVAL k DAY)
EXTRACT EXTRACT(DATE), EXTRACT(TIMESTAMP)
FORMAT_DATE
FORMAT_DATETIME
FORMAT_TIME
FORMAT_TIMESTAMP
LAST_DAY LAST_DAY Nota: questa funzione supporta sia le espressioni di input DATE sia quelle DATETIME.
MONTHS_BETWEEN DATE_DIFF(date_expression, date_expression, MONTH)
NEXT_DAY DATE_ADD(
  DATE_TRUNC(
    date_expression,
    WEEK(day_value)
  ),
  INTERVAL 1 WEEK
)
OADD_MONTHS DATE_SUB(
  DATE_TRUNC(
    DATE_ADD(
      date_expression,
      INTERVAL num_months MONTH
    ),
    MONTH
  ),
  INTERVAL 1 DAY
)
td_day_of_month EXTRACT(DAY FROM date_expression)
EXTRACT(DAY FROM timestamp_expression)
td_day_of_week EXTRACT(DAYOFWEEK FROM date_expression)
EXTRACT(DAYOFWEEK FROM timestamp_expression)
td_day_of_year EXTRACT(DAYOFYEAR FROM date_expression)
EXTRACT(DAYOFYEAR FROM timestamp_expression)
td_friday DATE_TRUNC(
  date_expression,
  WEEK(FRIDAY)
)
td_monday DATE_TRUNC(
  date_expression,
  WEEK(MONDAY)
)
td_month_begin DATE_TRUNC(date_expression, MONTH)
td_month_end DATE_SUB(
  DATE_TRUNC(
    DATE_ADD(
      date_expression,
      INTERVAL 1 MONTH
    ),
    MONTH
  ),
  INTERVAL 1 DAY
)
td_month_of_calendar (EXTRACT(YEAR FROM date_expression) - 1900) * 12 + EXTRACT(MONTH FROM date_expression)
td_month_of_quarter EXTRACT(MONTH FROM date_expression)
- ((EXTRACT(QUARTER FROM date_expression) - 1) * 3)
td_month_of_year EXTRACT(MONTH FROM date_expression)
EXTRACT(MONTH FROM timestamp_expression)
td_quarter_begin DATE_TRUNC(date_expression, QUARTER)
td_quarter_end DATE_SUB(
  DATE_TRUNC(
    DATE_ADD(
      date_expression,
      INTERVAL 1 QUARTER
    ),
    QUARTER
  ),
  INTERVAL 1 DAY
)
td_quarter_of_calendar (EXTRACT(YEAR FROM date_expression)
- 1900) * 4
+ EXTRACT(QUARTER FROM date_expression)
td_quarter_of_year EXTRACT(QUARTER FROM date_expression)
EXTRACT(QUARTER FROM timestamp_expression)
td_saturday DATE_TRUNC(
  date_expression,
  WEEK(SATURDAY)
)
td_sunday DATE_TRUNC(
  date_expression,
  WEEK(SUNDAY)
)
td_thursday DATE_TRUNC(
  date_expression,
  WEEK(THURSDAY)
)
td_tuesday DATE_TRUNC(
  date_expression,
  WEEK(TUESDAY)
)
td_wednesday DATE_TRUNC(
  date_expression,
  WEEK(WEDNESDAY)
)
td_week_begin DATE_TRUNC(date_expression, WEEK)
td_week_end DATE_SUB(
  DATE_TRUNC(
    DATE_ADD(
      date_expression,
      INTERVAL 1 WEEK
    ),
    WEEK
  ),
  INTERVAL 1 DAY
)
td_week_of_calendar (EXTRACT(YEAR FROM date_expression) - 1900) * 52 + EXTRACT(WEEK FROM date_expression)
td_week_of_month EXTRACT(WEEK FROM date_expression)
- EXTRACT(WEEK FROM DATE_TRUNC(date_expression, MONTH))
td_week_of_year EXTRACT(WEEK FROM date_expression)
EXTRACT(WEEK FROM timestamp_expression)
td_weekday_of_month CAST(
  CEIL(
    EXTRACT(DAY FROM date_expression)
    / 7
  ) AS INT64
)
td_year_begin DATE_TRUNC(date_expression, YEAR)
td_year_end DATE_SUB(
  DATE_TRUNC(
    DATE_ADD(
      date_expression,
      INTERVAL 1 YEAR
    ),
    YEAR
  ),
  INTERVAL 1 DAY
)
td_year_of_calendar EXTRACT(YEAR FROM date_expression)
TO_DATE PARSE_DATE
TO_TIMESTAMP PARSE_TIMESTAMP
TO_TIMESTAMP_TZ PARSE_TIMESTAMP

Funzioni di stringa

La tabella seguente mappa le funzioni di stringa Teradata ai relativi equivalenti BigQuery. BigQuery offre le seguenti funzioni aggiuntive per le stringhe:

Teradata BigQuery
ASCII TO_CODE_POINTS(string_expression)[OFFSET(0)]
CHAR2HEXINT TO_HEX
CHARACTER LENGTH CHAR_LENGTH
CHARACTER LENGTH CHARACTER_LENGTH
CHR CODE_POINTS_TO_STRING(
  [mod(numeric_expression, 256)]
)
CONCAT, (|| operator) CONCAT, (|| operator)
CSV Funzione definita dall'utente personalizzata.
CSVLD Funzione definita dall'utente personalizzata.
FORMAT FORMAT
INDEX STRPOS(string, substring)
INITCAP INITCAP
INSTR Funzione definita dall'utente personalizzata.
LEFT SUBSTR(source_string, 1, length)
LENGTH LENGTH
LOWER LOWER
LPAD LPAD
LTRIM LTRIM
NGRAM Funzione definita dall'utente personalizzata.
NVP Funzione definita dall'utente personalizzata.
OREPLACE REPLACE
OTRANSLATE Funzione definita dall'utente personalizzata.
POSITION STRPOS(string, substring)
REGEXP_INSTR STRPOS(source_string,
REGEXP_EXTRACT(source_string, regexp_string))

Nota: restituisce la prima occorrenza.
REGEXP_REPLACE REGEXP_REPLACE
REGEXP_SIMILAR IF(REGEXP_CONTAINS,1,0)
REGEXP_SUBSTR REGEXP_EXTRACT,
REGEXP_EXTRACT_ALL
REGEXP_SPLIT_TO_TABLE Funzione definita dall'utente personalizzata.
REVERSE REVERSE
RIGHT SUBSTR(source_string, -1, length)
RPAD RPAD
RTRIM RTRIM
STRTOK

Nota: ogni carattere nell'argomento stringa del delimitatore è considerato un carattere delimitatore separato. Il delimitatore predefinito è un carattere di spazio.		 SPLIT(instring, delimiter)[ORDINAL(tokennum)]

Nota: l'intero argomento stringa delimiter viene utilizzato come singolo delimitatore. Il delimitatore predefinito è una virgola.
STRTOK_SPLIT_TO_TABLE Funzione definita dall'utente dall'utente
SUBSTRING, SUBSTR SUBSTR
TRIM TRIM
UPPER UPPER

Funzioni matematiche

La seguente tabella mappa le funzioni matematiche Teradata alle relative equivalenti BigQuery. BigQuery offre le seguenti funzioni matematiche aggiuntive:

Teradata BigQuery
ABS ABS
ACOS ACOS
ACOSH ACOSH
ASIN ASIN
ASINH ASINH
ATAN ATAN
ATAN2 ATAN2
ATANH ATANH
CEILING CEIL
CEILING CEILING
COS COS
COSH COSH
EXP EXP
FLOOR FLOOR
GREATEST GREATEST
LEAST LEAST
LN LN
LOG LOG
MOD (operatore %) MOD
NULLIFZERO NULLIF(expression, 0)
POWER (operatore **) POWER, POW
RANDOM RAND
ROUND ROUND
SIGN SIGN
SIN SIN
SINH SINH
SQRT SQRT
TAN TAN
TANH TANH
TRUNC TRUNC
ZEROIFNULL IFNULL(expression, 0), COALESCE(expression, 0)

Sintassi DML

Questa sezione illustra le differenze nella sintassi del linguaggio di gestione dei dati tra Teradata e BigQuery.

INSERT dichiarazione

La maggior parte delle istruzioni INSERT di Teradata è compatibile con BigQuery. La tabella seguente mostra le eccezioni.

Gli script DML in BigQuery hanno una semantica di coerenza leggermente diversa rispetto alle istruzioni equivalenti in Teradata. Per una panoramica dell'isolamento degli snapshot e della gestione delle sessioni e delle transazioni, consulta la sezione CREATE INDEX di questo documento.

Teradata BigQuery
INSERT INTO table VALUES (...); INSERT INTO table (...) VALUES (...);

Teradata offre una parola chiave DEFAULT per le colonne non null.

Nota: in BigQuery, l'omissione dei nomi delle colonne nell'istruzione INSERT funziona solo se i valori di tutte le colonne della tabella di destinazione sono inclusi in ordine crescente in base alle relative posizioni ordinali.
INSERT INTO table VALUES (1,2,3);
INSERT INTO table VALUES (4,5,6);
INSERT INTO table VALUES (7,8,9); 		INSERT INTO table VALUES (1,2,3),
                         (4,5,6),
                         (7,8,9);
Teradata ha un concetto di richiesta con più istruzioni (MSR), che invia più istruzioni INSERT contemporaneamente. In BigQuery, questa operazione non è consigliata a causa del confine di transazione implicito tra le istruzioni. Utilizza invece multi-value INSERT.

BigQuery consente istruzioni INSERT concorrenti, ma potrebbe mettere in coda UPDATE. Per migliorare il rendimento, valuta i seguenti approcci:
  • Combina più righe in un'unica istruzione INSERT, invece di una riga per operazione INSERT.
  • Combina più istruzioni DML (incluse INSERT) utilizzando un'istruzione MERGE.
  • Utilizza CREATE TABLE ... AS SELECT per creare e compilare nuove tabelle anziché UPDATE o DELETE, in particolare quando esegui query su campi partizionati o esegui il rollback o il ripristino.

UPDATE dichiarazione

La maggior parte delle istruzioni UPDATE di Teradata è compatibile con BigQuery, ad eccezione dei seguenti elementi:

  • Quando utilizzi una clausola FROM, l'ordine delle clausole FROM e SET viene invertito in Teradata e BigQuery.
  • In GoogleSQL, ogni istruzione UPDATE deve includere la parola chiave WHERE, followed by a condition. Per aggiornare tutte le righe della tabella, utilizza WHERE true.

Come best practice, dovresti raggruppare più mutazioni DML anziché singole istruzioni UPDATE e INSERT. Gli script DML in BigQuery hanno una semantica di coerenza leggermente diversa rispetto alle istruzioni equivalenti in Teradata. Per una panoramica sull'isolamento degli snapshot e sulla gestione delle sessioni e delle transazioni, consulta la sezione CREATE INDEX di questo documento.

La tabella seguente mostra gli statement UPDATE Teradata e gli statement BigQuery che svolgono le stesse attività.

Per ulteriori informazioni su UPDATE in BigQuery, consulta gli esempi di UPDATE di BigQuery nella documentazione DML.

Teradata BigQuery
UPDATE table_A
FROM table_A, table_B
SET
  y = table_B.y,
  z = table_B.z + 1
WHERE table_A.x = table_B.x
  AND table_A.y IS NULL; 		UPDATE table_A
SET
  y = table_B.y,
  z = table_B.z + 1
FROM table_B
WHERE table_A.x = table_B.x
  AND table_A.y IS NULL;
UPDATE table alias
SET x = x + 1
WHERE f(x) IN (0, 1); 		UPDATE table
SET x = x + 1
WHERE f(x) IN (0, 1);
UPDATE table_A
FROM table_A, table_B, B
SET z = table_B.z
WHERE table_A.x = table_B.x
  AND table_A.y = table_B.y;
 		UPDATE table_A
SET z = table_B.z
FROM table_B
WHERE table_A.x = table_B.x
  AND table_A.y = table_B.y;

DELETE e TRUNCATE estratti conto

Sia le istruzioni DELETE che TRUNCATE consentono di rimuovere righe da una tabella senza influire sullo schema o sugli indici della tabella. TRUNCATE non viene utilizzato né in Teradata né in BigQuery. Tuttavia, puoi utilizzare le istruzioni DELETE per ottenere lo stesso effetto.

In BigQuery, l'istruzione DELETE deve avere una clausola WHERE. Per eliminare tutte le righe della tabella (troncamento), utilizza WHERE true. Per velocizzare le operazioni di troncamento per tabelle di grandi dimensioni, consigliamo di utilizzare l'istruzione CREATE OR REPLACE TABLE ... AS SELECT, utilizzando un LIMIT 0 nella stessa tabella per sostituirsi. Tuttavia, assicurati di aggiungere manualmente le informazioni di partizione e clustering quando le utilizzi.

Teradata esegue il 'evacuazione' delle righe eliminate in un secondo momento. Ciò significa che le operazioni DELETE sono inizialmente più veloci rispetto a BigQuery, ma richiedono risorse in un secondo momento, in particolare le operazioni DELETE su larga scala che influiscono sulla maggior parte di una tabella. Per utilizzare un approccio simile in BigQuery, ti consigliamo di ridurre il numero di operazioni DELETE, ad esempio copiando le righe da non eliminare in una nuova tabella. In alternativa, puoi rimuovere intere partizioni. Entrambe queste opzioni sono progettate per essere operazioni più veloci delle mutazioni DML atomiche.

Per ulteriori informazioni su DELETE in BigQuery, consulta gli esempi di DELETE nella documentazione DML.

Teradata BigQuery
BEGIN TRANSACTION;
LOCKING TABLE table_A FOR EXCLUSIVE;
DELETE FROM table_A;
INSERT INTO table_A SELECT * FROM table_B;
END TRANSACTION; 		La sostituzione dei contenuti di una tabella con l'output della query è equivalente a una transazione. Puoi farlo con un'operazione di query o di copia.

Utilizzo di un'operazione di query:

bq query --replace --destination_table table_A 'SELECT * FROM table_B';

Utilizzo di un'operazione di copia:

bq cp -f table_A table_B
DELETE database.table ALL; DELETE FROM table WHERE TRUE;

In alternativa, per tabelle di grandi dimensioni, puoi utilizzare un metodo più rapido:
CREATE OR REPLACE table AS SELECT * FROM table LIMIT 0;

MERGE dichiarazione

L'istruzione MERGE può combinare le operazioni INSERT, UPDATE e DELETE in un'unica istruzione "upsert" ed eseguire le operazioni in modo atomico. L'operazione MERGE deve corrispondere a un massimo di una riga di origine per ogni riga di destinazione. Sia BigQuery che Teradata rispettano la sintassi ANSI.

L'operazione MERGE di Teradata è limitata alla corrispondenza delle chiavi principali all'interno di un processore del modulo di accesso (AMP). Al contrario, BigQuery non ha limitazioni di dimensioni o colonne per le operazioni MERGE, pertanto l'utilizzo di MERGE è un'ottimizzazione utile. Tuttavia, se MERGE è costituito principalmente da un'eliminazione di grandi dimensioni, consulta le ottimizzazioni per DELETE altrove in questo documento.

Gli script DML in BigQuery hanno una semantica di coerenza leggermente diversa rispetto alle istruzioni equivalenti in Teradata. Ad esempio, le tabelle SET di Teradata in modalità di sessione potrebbero ignorare i duplicati durante un'operazione MERGE. Per una panoramica della gestione delle tabelle MULTISET e SET, dell'isolamento degli snapshot e della gestione delle sessioni e delle transazioni, consulta la sezione CREATE INDEX in questo documento.

Variabili interessate dalle righe

In Teradata, la variabile ACTIVITY_COUNT è un'estensione SQL ANSI di Teradata compilata con il numero di righe colpite da un'istruzione DML.

La variabile di sistema @@row_count nella funzionalità di scripting ha una funzionalità simile. In BigQuery sarebbe più comune controllare il valore restituito da numDmlAffectedRows nei log di controllo o nelle viste INFORMATION_SCHEMA.

Sintassi DDL

Questa sezione illustra le differenze nella sintassi del linguaggio di definizione dei dati tra Teradata e BigQuery.

CREATE TABLE dichiarazione

La maggior parte delle istruzioni Teradata CREATE TABLE è compatibile con BigQuery, ad eccezione dei seguenti elementi di sintassi, che non vengono utilizzati in BigQuery:

Per ulteriori informazioni su CREATE TABLE in BigQuery, consulta gli esempi di CREATE di BigQuery nella documentazione DML.

Opzioni e attributi delle colonne

Le seguenti specifiche di colonna per l'istruzione CREATE TABLE non vengono utilizzate in BigQuery:

Teradata estende lo standard ANSI con un'opzione colonna TITLE. Questa funzionalità può essere implementata in modo simile in BigQuery utilizzando la descrizione della colonna, come mostrato nella tabella seguente. Tieni presente che questa opzione non è disponibile per le visualizzazioni.

Teradata BigQuery
CREATE TABLE table (
col1 VARCHAR(30) TITLE 'column desc'
); 		CREATE TABLE dataset.table (
  col1 STRING
OPTIONS(description="column desc")
);

Tabelle temporanee

Teradata supporta le tabelle volatili, che vengono spesso utilizzate per archiviare i risultati intermedi negli script. Esistono diversi modi per ottenere qualcosa di simile alle tabelle volatili in BigQuery:

  • CREATE TEMPORARY TABLE può essere utilizzato in Scripting ed è valido per tutta la durata dello script. Se la tabella deve esistere oltre a uno script, puoi utilizzare le altre opzioni in questo elenco.

  • TTL del set di dati:crea un set di dati con un TTL breve (ad es. 1 ora) in modo che le tabelle create nel set di dati siano effettivamente temporanee poiché non rimarranno più a lungo del TTL del set di dati. Puoi anteporre a tutti i nomi delle tabelle in questo set di dati il prefisso temp per indicare chiaramente che le tabelle sono temporanee.

  • TTL tabella:crea una tabella con un periodo di tempo breve specifico per la tabella utilizzando istruzioni DDL simili alla seguente:

    CREATE TABLE temp.name (col1, col2, ...)
OPTIONS(expiration_timestamp=TIMESTAMP_ADD(CURRENT_TIMESTAMP(), INTERVAL 1 HOUR));

  • Clausola WITH: se una tabella temporanea è necessaria solo all'interno dello stesso blocco, utilizza un risultato temporaneo con un'istruzione o una sottoquery WITH. Questa è l'opzione più efficiente.

Un pattern spesso utilizzato negli script Teradata (BTEQ) consiste nel creare una tabella permanente, inserirvi un valore, utilizzarla come tabella temporanea nelle istruzioni in corso ed eliminarla o troncarla in un secondo momento. In pratica, la tabella viene utilizzata come variabile costante (un semaforo). Questo approccio non è efficiente in BigQuery e consigliamo di utilizzare le variabili reali in Scripting oppure CREATE OR REPLACE con la sintassi di query AS SELECT per creare una tabella contenente già dei valori.

CREATE VIEW dichiarazione

La tabella seguente mostra gli equivalenti tra Teradata e BigQuery per l'istruzione CREATE VIEW. Le clausole per il blocco delle tabelle come LOCKING ROW FOR ACCESS non sono necessarie in BigQuery.

Teradata BigQuery Note
CREATE VIEW view_name AS SELECT ... CREATE VIEW view_name AS SELECT ...
REPLACE VIEW view_name AS SELECT ... CREATE OR REPLACE VIEW
view_name AS
SELECT ...
Non supportata CREATE VIEW IF NOT EXISTS
OPTIONS(view_option_list)
AS SELECT ... 		Crea una nuova vista solo se al momento non esiste nel set di dati specificato.

CREATE [UNIQUE] INDEX dichiarazione

Teradata richiede indici per tutte le tabelle e soluzioni alternative speciali come le tabelle MULTISET e le tabelle NoPI per lavorare con dati non univoci o non indicizzati.

BigQuery non richiede indici. Questa sezione descrive gli approcci in BigQuery per creare funzionalità simili a come vengono utilizzati gli indici in Teradata quando è necessaria una logica aziendale effettiva.

Indicizzazione per il rendimento

Poiché è un database orientato alle colonne con ottimizzazione di query e spazio di archiviazione, BigQuery non ha bisogno di indici espliciti. BigQuery offre funzionalità come il partizionamento e il clustering, nonché i campi nidificati, che possono aumentare l'efficienza e le prestazioni delle query ottimizzando la modalità di archiviazione dei dati.

Teradata non supporta le viste materializzate. Tuttavia, offre indici di join utilizzando l'istruzione CREATE JOIN INDEX, che essenzialmente materializza i dati necessari per un join. BigQuery non ha bisogno di indici materializzati per velocizzare le prestazioni, così come non ha bisogno di spazio spool dedicato per le unioni.

Per altri casi di ottimizzazione, è possibile utilizzare le viste materializzate.

Indicizzazione per garantire coerenza (UNIQUE, PRIMARY INDEX)

In Teradata, è possibile utilizzare un indice univoco per impedire la presenza di righe con chiavi non univoche in una tabella. Se un processo tenta di inserire o aggiornare dati con un valore già presente nell'indice, l'operazione non va a buon fine con una violazione dell'indice (tabelle MULTISET) o lo ignora silenziosamente (tabelle SET).

Poiché BigQuery non fornisce indici espliciti, è possibile utilizzare un'istruzione MERGE per inserire solo record univoci in una tabella di destinazione da una tabella intermedia, ignorando contemporaneamente i record duplicati. Tuttavia, non esiste un modo per impedire a un utente con autorizzazioni di modifica di inserire un record duplicato, poiché BigQuery non esegue mai il blocco durante le operazioni INSERT. Per generare un errore per i record duplicati in BigQuery, puoi utilizzare un'istruzione MERGE da una tabella intermedia, come mostrato nell'esempio seguente.

Teradata BigQuery
CREATE [UNIQUE] INDEX name; MERGE `prototype.FIN_MERGE` t
USING `prototype.FIN_TEMP_IMPORT` m
ON t.col1 = m.col1
  AND t.col2 = m.col2
WHEN MATCHED THEN
  UPDATE SET t.col1 = ERROR(CONCAT('Encountered error for ', m.col1, ' ', m.col2))
WHEN NOT MATCHED THEN
  INSERT (col1,col2,col3,col4,col5,col6,col7,col8) VALUES(col1,col2,col3,col4,col5,col6,CURRENT_TIMESTAMP(),CURRENT_TIMESTAMP());

Più spesso, gli utenti preferiscono rimuovere i duplicati in modo indipendente per trovare errori nei sistemi a valle.
BigQuery non supporta le colonne DEFAULT e IDENTITY (sequenze).

Indicizzazione per il blocco

Teradata fornisce risorse nel processore del modulo di accesso (AMP); le query possono utilizzare risorse AMP, AMP singole o AMP di gruppo. Le istruzioni DDL sono completamente AMP e quindi simili a un blocco DDL globale. BigQuery non dispone di un meccanismo di blocco come questo e può eseguire query e istruzioni INSERT concorrenti fino alla tua quota. Solo le istruzioni DML UPDATE concorrenti hanno determinate implicazioni di concorrenza: le operazioni UPDATE sulla stessa partizione vengono messe in coda per garantire l'isolamento degli snapshot, quindi non è necessario il blocco per impedire letture fantasma o aggiornamenti persi.

A causa di queste differenze, i seguenti elementi Teradata non vengono utilizzati in BigQuery:

  • ON COMMIT DELETE ROWS;
  • ON COMMIT PRESERVE ROWS;

Istruzioni SQL procedurali

Questa sezione descrive come convertire le istruzioni SQL procedurali utilizzate in stored procedure, funzioni e trigger di Teradata in scripting, procedure o funzioni definite dall'utente (UDF) di BigQuery. Tutti questi elementi sono disponibili per gli amministratori di sistema che possono controllarli utilizzando le visualizzazioni INFORMATION_SCHEMA.

CREATE PROCEDURE dichiarazione

Le stored procedure sono supportate nell'ambito dello scripting di BigQuery.

In BigQuery, la programmazione di script si riferisce a qualsiasi utilizzo di istruzioni di controllo, mentre le procedure sono script denominati (con argomenti, se necessario) che possono essere richiamati da altri script e archiviati in modo permanente, se necessario. Una funzione definita dall'utente (UDF) può essere scritta anche in JavaScript.

Teradata BigQuery
CREATE PROCEDURE CREATE PROCEDURE se è richiesto un nome, altrimenti utilizza in linea con BEGIN o in una singola riga con CREATE TEMP FUNCTION.
REPLACE PROCEDURE CREATE OR REPLACE PROCEDURE
CALL CALL

Le sezioni seguenti descrivono i modi per convertire le istruzioni procedurali Teradata esistenti in istruzioni di scripting BigQuery con funzionalità simili.

Dichiarazione e assegnazione di variabili

Le variabili BigQuery sono valide per tutta la durata dello script.

Teradata BigQuery
DECLARE DECLARE
SET SET

Gestori delle condizioni di errore

Teradata utilizza gestori per i codici di stato nelle procedure per il controllo degli errori. In BigQuery, la gestione degli errori è una funzionalità di base del flusso di controllo principale, simile a quella fornita da altri linguaggi con i blocchi TRY ... CATCH.

Teradata BigQuery
DECLARE EXIT HANDLER FOR SQLEXCEPTION BEGIN ... EXCEPTION WHEN ERROR THEN
SIGNAL sqlstate RAISE message
DECLARE CONTINUE HANDLER FOR SQLSTATE VALUE 23505; Gli gestori delle eccezioni che si attivano per determinate condizioni di errore non vengono utilizzati da BigQuery.

Consigliamo di utilizzare le istruzioni ASSERT quando le condizioni di uscita vengono utilizzate per i pre-controlli o il debug, in quanto sono conformi allo standard ANSI SQL:2011.

La variabile SQLSTATE in Teradata è simile alla variabile di sistema @@error in BigQuery. In BigQuery, è più comune esaminare gli errori utilizzando l'audit logging o le visualizzazioni INFORMATION_SCHEMA.

Dichiarazioni e operazioni del cursore

Poiché BigQuery non supporta cursori o sessioni, le seguenti istruzioni non vengono utilizzate in BigQuery:

Istruzioni SQL dinamiche

La funzionalità di scripting in BigQuery supporta istruzioni SQL dinamiche come quelle mostrate nella tabella seguente.

Teradata BigQuery
EXECUTE IMMEDIATE sql_str; EXECUTE IMMEDIATE sql_str;
EXECUTE stmt_id [USING var,...]; EXECUTE IMMEDIATE stmt_id USING var;

I seguenti statement SQL dinamici non vengono utilizzati in BigQuery:

Istruzioni di controllo del flusso

La funzionalità di scripting in BigQuery supporta istruzioni di controllo del flusso come quelle mostrate nella tabella seguente.

Teradata BigQuery
IF condition THEN stmts ELSE stmts END IF IF condition THEN stmts ELSE stmts END IF
label_name: LOOP stmts END LOOP label_name; I costrutti di blocco in stile GOTO non vengono utilizzati in BigQuery.

Ti consigliamo di riscriverli come funzioni definite dall'utente (UDF) oppure di utilizzare le istruzioni ASSERT se vengono utilizzate per la gestione degli errori.
REPEAT stmts UNTIL condition END REPEAT; WHILE condition DO stmts END WHILE
LEAVE outer_proc_label; LEAVE non viene utilizzato per i blocchi in stile GOTO; viene utilizzato come sinonimo di BREAK per uscire da un ciclo WHILE.
LEAVE label; LEAVE non viene utilizzato per i blocchi in stile GOTO; viene utilizzato come sinonimo di BREAK per uscire da un ciclo WHILE.
WITH RECURSIVE temp_table AS ( ... ); Le query ricorsive (note anche come espressioni di tabella comune ricorsive (CTE)) non vengono utilizzate in BigQuery. Possono essere riscritti utilizzando array di UNION ALL.

I seguenti comandi di controllo del flusso non vengono utilizzati in BigQuery perché BigQuery non utilizza cursori o sessioni:

Istruzioni SQL per metadati e transazioni

Teradata BigQuery
HELP TABLE table_name;
HELP VIEW view_name; 		SELECT
 * EXCEPT(is_generated, generation_expression, is_stored, is_updatable)
FROM
 mydataset.INFORMATION_SCHEMA.COLUMNS;
WHERE
 table_name=table_name

La stessa query è valida per ottenere informazioni sulle colonne per le visualizzazioni.
Per ulteriori informazioni, consulta la visualizzazione Colonna in BigQuery INFORMATION_SCHEMA.
SELECT * FROM dbc.tables WHERE tablekind = 'T';

(Visualizzazione DBC di Teradata)		 SELECT
 * EXCEPT(is_typed)
FROM
mydataset.INFORMATION_SCHEMA.TABLES;

Per ulteriori informazioni, consulta Introduzione a BigQuery INFORMATION_SCHEMA.
HELP STATISTICS table_name; APPROX_COUNT_DISTINCT(col)
COLLECT STATS USING SAMPLE ON table_name column (...); Non utilizzato in BigQuery.
LOCKING TABLE table_name FOR EXCLUSIVE; BigQuery utilizza sempre l'isolamento degli snapshot. Per maggiori dettagli, consulta la sezione Garanzia di coerenza in un altro punto di questo documento.
SET SESSION CHARACTERISTICS AS TRANSACTION ISOLATION LEVEL ... BigQuery utilizza sempre l'isolamento degli snapshot. Per maggiori dettagli, consulta la sezione Garanzia della coerenza in un'altra parte di questo documento.
BEGIN TRANSACTION;
SELECT ...
END TRANSACTION; 		BigQuery utilizza sempre l'isolamento degli snapshot. Per maggiori dettagli, consulta la sezione Garanzia della coerenza in un'altra parte di questo documento.
EXPLAIN ... Non utilizzato in BigQuery.

Funzionalità simili sono la spiegazione del piano di query nell'interfaccia utente web di BigQuery e l'allocazione degli slot visibile nelle viste INFORMATION_SCHEMA e nei log di controllo in Cloud Monitoring.

Istruzioni SQL con più istruzioni e su più righe

Sia Teradata che BigQuery supportano le transazioni (sessioni) e quindi supportano le istruzioni separate da punti e virgola che vengono eseguite in modo coerente insieme. Per ulteriori informazioni, consulta la sezione Transazioni con più istruzioni.

Messaggi e codici di errore

I codici di errore Teradata e BigQuery sono diversi. Fornendo un'API REST, BigQuery si basa principalmente sui codici di stato HTTP oltre che su messaggi di errore dettagliati.

Se la logica dell'applicazione sta attualmente rilevando i seguenti errori, prova a eliminare la fonte dell'errore, perché BigQuery non restituirà gli stessi codici di errore.

  • SQLSTATE = '02000' - "Riga non trovata"
  • SQLSTATE = '21000' - "Violazione cardinalità (indice univoco)"
  • SQLSTATE = '22000' - "Violazione dei dati (tipo di dati)"
  • SQLSTATE = '23000' - "Violazione vincolo"

In BigQuery, è più comune utilizzare le visualizzazioni INFORMATION_SCHEMA o l'audit logging per visualizzare in dettaglio gli errori.

Per informazioni su come gestire gli errori in Scripting, consulta le sezioni seguenti.

Garanzie di coerenza e isolamento delle transazioni

Sia Teradata che BigQuery sono atomici, ovvero conformi ad ACID a livello di mutazione su molte righe. Ad esempio, un'operazione MERGE è completamente atomica, anche con più valori inseriti e aggiornati.

Transazioni

Teradata fornisce il livello di isolamento delle operazioni Serializable o Lettura non confermata (che consente letture sporche) quando viene eseguito in modalità di sessione (anziché in modalità di commit automatico). Nel caso migliore, Teradata raggiunge l'isolamento rigorosamente serializzabile utilizzando i blocchi pessimistici contro un hash di riga in tutte le colonne delle righe di tutte le partizioni. I deadlock sono possibili. DDL forza sempre un confine di transazione. I job Teradata Fastload vengono eseguiti in modo indipendente, ma solo su tabelle vuote.

BigQuery supporta inoltre le transazioni. BigQuery contribuisce a garantire il controllo della concorrenza ottimistico (chi esegue prima il commit vince) con l'isolamento degli snapshot, in cui una query legge gli ultimi dati sottoposti a commit prima dell'inizio della query. Questo approccio garantisce lo stesso livello di coerenza su base per riga, per mutazione e tra righe all'interno della stessa istruzione DML, evitando al contempo i deadlock. Nel caso di più istruzioni UPDATE per la stessa tabella, BigQuery passa al controllo della concorrenza pessimistico e accoda più istruzioni UPDATE, riprova automaticamente in caso di conflitti. Le istruzioni DML e i job di caricamento INSERT possono essere eseguiti contemporaneamente e in modo indipendente per accodare dati alle tabelle.

Esegui il rollback

Teradata supporta due modalità di rollback della sessione, la modalità di sessione ANSI e la modalità di sessione Teradata (SET SESSION CHARACTERISTICS e SET SESSION TRANSACTION), a seconda della modalità di rollback che preferisci. In caso di errore, il rollback della transazione potrebbe non essere eseguito.

BigQuery supporta l'istruzione ROLLBACK TRANSACTION. In BigQuery non esiste l'istruzione ABORT.

Limiti per i database

Controlla sempre la documentazione pubblica di BigQuery per conoscere le quote e i limiti più recenti. Molte quote per utenti con volumi elevati possono essere aumentate contattando il team di assistenza Cloud. La tabella seguente mostra un confronto tra i limiti dei database Teradata e BigQuery.

Limite Teradata BigQuery
Tabelle per database Senza restrizioni Senza restrizioni
Colonne per tabella 2048 10.000
Dimensioni massime delle righe 1 MB 100 MB
Lunghezza del nome delle colonne e delle tabelle 128 caratteri Unicode 16.384 caratteri Unicode
Righe per tabella Illimitato Illimitato
Lunghezza massima della richiesta SQL 1 MB 1 MB (lunghezza massima delle query GoogleSQL non risolte)
12 MB (lunghezza massima delle query GoogleSQL e legacy risolte)

Streaming:
  • 10 MB (limite di dimensione della richiesta HTTP)
  • 10.000 (righe massime per richiesta)
Dimensioni massime di richiesta e risposta 7 MB (richiesta), 16 MB (risposta) 10 MB (richiesta) e 10 GB (risposta) oppure praticamente illimitato se utilizzi la paginazione o l'API Cloud Storage.
Numero massimo di sessioni simultanee 120 per motore di analisi (PE) 100 query simultanee (possono essere aumentate con una prenotazione di slot), 300 richieste API in parallelo per utente.
Numero massimo di caricamenti (rapidi) simultanei 30 (valore predefinito 5) Nessun limite di concorrenza; i job vengono messi in coda. 100.000 job di caricamento per progetto al giorno.