这是本节的多页打印视图。 点击此处打印.

返回本页常规视图.

表函数

此部分包含用于管理表和约束的函数。

另请参阅 V_CATALOG.TABLE_CONSTRAINTS 系统表。

1 - ANALYZE_CONSTRAINTS

在指定范围内分析和报告约束违规

您可以在执行 INSERT、UPDATE、MERGE 或 COPY 语句时启用自动强制执行主键约束、唯一键约束和检查约束。另外，您可以在发出这些语句后使用 ANALYZE_CONSTRAINTS 验证约束。参考约束强制执行了解更多信息。

ANALYZE_CONSTRAINTS 以 SELECT * FROM t1 持有表 t1 的锁定的相同方式执行锁定。有关其他信息，请参阅 LOCKS。

这是元函数。您必须在顶级 SELECT 语句中调用元函数。

行为类型

易变

语法

ANALYZE_CONSTRAINTS ('[[[database.]schema.]table ]' [, 'column[,...]'] )

参数

[database.]schema

数据库和架构。默认架构为 public。如果指定一个数据库，它必须是当前数据库。

表
标识要分析的表。如果忽略指定架构，Vertica 将使用当前架构搜索路径。如果设置为空字符串，Vertica 将分析当前架构中的所有表。
列
table 中要分析的列。可以指定多个逗号分隔列。Vertica 将分析范围缩小到指定的列。如果忽略指定列，Vertica 将分析 table 中的所有列。

特权

  • 架构：USAGE

  • 表：SELECT

在加载进程中检测约束违规

Vertica 在运行查询（而不是加载数据）时检查约束违规。要在加载进程中检测违反约束，使用 COPY 语句的 NO COMMIT 选项。通过加载数据但不提交数据，可以使用 ANALYZE_CONSTRAINTS 函数对数据执行加载后检查。如果此函数发现违反约束，由于您尚未提交数据，因此可以回退加载。

如果 ANALYZE_CONSTRAINTS 发现冲突，比如当您在主键中插入一个重复值时，则可以使用以下函数更正错误。效果仅持续到会话结束为止：

返回值

ANALYZE_CONSTRAINTS 返回一个结构集中的结果（参阅下表），其中列出造成违规的架构名称、表名称、列名称、约束名称、约束类型和列值。

如果结果集为空，则不存在违反约束；例如：

> SELECT ANALYZE_CONSTRAINTS ('public.product_dimension', 'product_key');
Schema Name | Table Name | Column Names | Constraint Name | Constraint Type | Column Values
-------------+------------+--------------+-----------------+-----------------+---------------
(0 rows)

下面的结果集显示主键冲突，以及导致冲突的值 ('10')：

=> SELECT ANALYZE_CONSTRAINTS ('');
Schema Name | Table Name | Column Names | Constraint Name | Constraint Type | Column Values
-------------+------------+--------------+-----------------+-----------------+---------------
store         t1           c1             pk_t1             PRIMARY           ('10')
(1 row)

结果集列在下表中详细描述：

示例

请参阅检测约束违规。

2 - ANALYZE_CORRELATIONS

分析紧密相关的列对的指定表。ANALYZE_CORRELATIONS 存储相关性最强的 20 对。ANALYZE_CORRELATIONS 还分析统计信息。

ANALYZE_CORRELATIONS 只能分析成对的单列相关。

例如，州名与国家/地区名称列紧密相关，因为通过市名通常（但并非始终）可以确认州名。康舍霍肯市与宾夕法尼亚州唯一相关，相比较而言，佐治亚州、印地安那州、肯塔基州、纽约州、弗吉尼亚州和马萨诸塞州则都有波士顿市。在本例中，市名与州名紧密相关。

这是元函数。您必须在顶级 SELECT 语句中调用元函数。

行为类型

稳定

语法

ANALYZE_CORRELATIONS ('[[[database.]schema.]table ]' [, 'recalculate'] )

参数

[database.]schema

数据库和架构。默认架构为 public。如果指定一个数据库，它必须是当前数据库。

table-name
标识要分析的表。如果忽略指定架构，Vertica 将使用当前架构搜索路径。如果设置为空字符串，Vertica 将分析当前架构中的所有表。
recalculate
布尔值，指定是否分析之前已分析的相关列。

默认值： false

特权

以下几项之一：

示例

在下例中，ANALYZE_CORRELATIONS 分析 public 架构中所有表的列相关，即使当前不存在相关性：

=> SELECT ANALYZE_CORRELATIONS ('public.*', 'true');
 ANALYZE_CORRELATIONS
----------------------
                    0
(1 row)

3 - COPY_TABLE

将一个表复制到另一个表。此轻量级内存函数从源表复制 DDL 及所有用户创建的投影。同时，还会复制源表的投影统计信息。因此，源表和目标表最初具有相同的定义并共享同一个存储。

完成复制操作后，源表与复制表相互独立，因此可以对一个表执行 DML 操作而不会影响另一个表。这些操作可增加两个表所需的存储总量。

这是元函数。您必须在顶级 SELECT 语句中调用元函数。

行为类型

易变

语法

COPY_TABLE (
    '[[database.]schema.]source-table',
    '[[database.]schema.]target-table'
)

参数

[database.]schema

数据库和架构。默认架构为 public。如果指定一个数据库，它必须是当前数据库。

source‑table
要复制的源表。Vertica 将此表中的所有数据复制到目标表。
目标表
源表的目标表。如果目标表已存在，Vertica 会将源附加到现有表。

如果该表不存在，Vertica 将根据源表的定义，通过调用 CREATE TABLE 包含 LIKE 和 INCLUDING PROJECTIONS 子句来创建一个表。该新表会从源表中继承所有权。有关详细信息，请参阅复制表。

特权

非超级用户：

  • 源表：SELECT

  • 目标架构/表（新建）： CREATE

  • 目标表（现有）：INSERT

表属性要求

两个表的以下属性必须完全相同：

  • 列定义，其中包括 NULL/NOT NULL 约束

  • 分段

  • 分区表达式

  • 投影数量

  • 投影排序顺序

  • 主键和唯一键约束。但是，不必以完全相同的方式启用键约束。

  • 文本索引的数量和定义。

  • 如果目标表已存在，则源表和目标表必须具有相同的访问策略。

此外，如果源表上存在访问策略，则必须满足以下条件：

  • 两个表上的访问策略必须相同。

  • 以下其中一项必须为真：

    • 执行用户拥有源表。

    • AccessPolicyManagementSuperuserOnly 设置为 true。有关详细信息，请参阅管理访问策略。

表限制

以下限制适用于源表和目标表：

  • 如果源分区和目标分区位于不同的存储层中，Vertica 将返回一个警告，但操作继续进行。分区仍然位于它们的现有存储层中。

  • 如果源表包含序列，Vertica 会先将序列转换为整数，然后再将其复制到目标表。如果目标表包含自动增量、标识或命名序列列，Vertica 将取消复制并显示错误消息。

  • 不能将以下表用作源表或目标表：

    • 临时表

    • 虚拟表

    • 系统表

    • 外部表

示例

如果调用 COPY_TABLE 且目标表不存在，该函数将自动创建此表。在下例中，COPY_TABLE 创建目标表 public.newtable。Vertica 还会复制与源表 public.product_dimension 关联的所有约束，外键约束除外：

=> SELECT COPY_TABLE ( 'public.product_dimension', 'public.newtable');
-[ RECORD 1 ]--------------------------------------------------
copy_table | Created table public.newtable.
Copied table public.product_dimension to public.newtable

另请参阅

从其他表创建表

4 - DISABLE_DUPLICATE_KEY_ERROR

禁止 Vertica 在运行时找到重复主键值或唯一键值的情况下传送错误消息（与未自动启用的键约束一起使用）。视作架构不定义有任何约束，执行查询。影响限定在会话范围内。

这是元函数。您必须在顶级 SELECT 语句中调用元函数。

行为类型

易变

语法

DISABLE_DUPLICATE_KEY_ERROR();

超级用户

示例

当您调用 DISABLE_DUPLICATE_KEY_ERROR 时，Vertica 会发出警告，通知您将忽略重复值，且结果可能会不正确。 DISABLE_DUPLICATE_KEY_ERROR 仅用于未自动启用的键约束。

=> select DISABLE_DUPLICATE_KEY_ERROR();
WARNING 3152:  Duplicate values in columns marked as UNIQUE will now be ignored for the remainder of your session or until reenable_duplicate_key_error() is called
WARNING 3539:  Incorrect results are possible. Please contact Vertica Support if unsure
 disable_duplicate_key_error
------------------------------
 Duplicate key error disabled
(1 row)

另请参阅

ANALYZE_CONSTRAINTS

5 - INFER_EXTERNAL_TABLE_DDL

检查 Parquet、ORC 或 Avro 格式的文件并返回可用于读取文件的 CREATE EXTERNAL TABLE AS COPY 语句。此语句可能不完整。它还可以包含更多列或名称长度超出 Vertica 支持范围的列；此函数不强制执行 Vertica 系统限制。使用它创建表之前，请始终检查输出并解决各类问题。

此函数支持 Parquet、ORC 和 Avro 格式的分区列，从输入路径推断。由于通过目录结构完成分区，所以可能不具备充足的信息来推断分区列的类型。在这种情况下，此函数显示这些列的数据类型为 UNKNOWN 并发出警告。

函数可处理大多数数据类型，包括复杂类型。如果 Vertica 不支持输入类型，则函数将发出警告。

默认情况下，函数对复杂类型使用强类型。您可以将 vertica_type_for_complex_type 参数设置为 LONG VARBINARY，将列视为灵活复杂类型。

这是元函数。您必须在顶级 SELECT 语句中调用元函数。

行为类型

易变

语法

INFER_EXTERNAL_TABLE_DDL( path USING PARAMETERS param=value[,...] )

参数

路径
文件或目录的路径。任何对 COPY 有效并使用此函数支持的文件格式的路径都有效。

参数

format
输入格式（字符串），"Parquet"、"ORC" 或 "Avro" 之一。此参数为必填。
table_name
要创建的外部表的名称。此参数为必填。

不要将架构名称作为表名的一部分；使用 table_schema 参数。

table_schema
在其中创建外部表的架构。如果忽略，则函数的输出中不包含架构。
vertica_type_for_complex_type
用于表示所有复杂类型列的类型，如果不想完全展开的话。唯一支持的值为 LONG VARBINARY。有关详细信息，请参阅可变复杂类型。

特权

非超级用户：对于用户可访问的存储位置的读取权限。

示例

在下例中，输入文件包含具有两个整数列的表的数据。可以完全推断表定义，也可以按原样使用返回的 SQL 语句。

=> SELECT INFER_EXTERNAL_TABLE_DDL('/data/orders/*.orc'
        USING PARAMETERS format = 'orc', table_name = 'orders');

                INFER_EXTERNAL_TABLE_DDL
--------------------------------------------------------------------------------------------------
create external table "orders" (
  "id" int,
  "quantity" int
) as copy from '/data/orders/*.orc' orc;
(1 row)

要在架构中创建表，请使用 table_schema 参数。不要将其添加到表名中；函数将其视为带有句点的名称，而不是架构。

以下示例显示了复杂类型的输出。您可以按原样使用定义，也可以修改 VARCHAR 大小：

=> SELECT INFER_EXTERNAL_TABLE_DDL('/data/people/*.parquet'
        USING PARAMETERS format = 'parquet', table_name = 'employees');
WARNING 9311:  This generated statement contains one or more varchar/varbinary columns which default to length 80
                    INFER_EXTERNAL_TABLE_DDL
-------------------------------------------------------------------------
 create external table "employees"(
  "employeeID" int,
  "personal" Row(
    "name" varchar,
    "address" Row(
      "street" varchar,
      "city" varchar,
      "zipcode" int
    ),
    "taxID" int
  ),
  "department" varchar
 ) as copy from '/data/people/*.parquet' parquet;
(1 row)

在下例中，输入文件的 "prods" 列中包含映射。您可以将映射读取为行数组：

=> SELECT INFER_EXTERNAL_TABLE_DDL('/data/orders.parquet'
    USING PARAMETERS format='parquet', table_name='orders');
WARNING 9311:  This generated statement contains one or more varchar/varbinary columns which default to length 80
                INFER_EXTERNAL_TABLE_DDL
------------------------------------------------------------------------
 create external table "orders"(
  "orderkey" int,
  "custkey" int,
  "prods" Array[Row(
    "key" varchar,
    "value" numeric(12,2)
  )],
  "orderdate" date
 ) as copy from '/data/orders.parquet' parquet;
(1 row)

在下例中，按区域对数据进行分区。函数无法推断数据类型，报告 UNKNOWN：

=> SELECT INFER_EXTERNAL_TABLE_DDL('/data/sales/*/*
        USING PARAMETERS format = 'parquet', table_name = 'sales');
WARNING 9262: This generated statement is incomplete because of one or more unknown column types.
Fix these data types before creating the table
                INFER_EXTERNAL_TABLE_DDL
------------------------------------------------------------------------
 create external table "sales"(
  "tx_id" int,
  "date" date,
  "region" UNKNOWN
) as copy from '/data/sales/*/*' PARTITION COLUMNS region parquet;
(1 row)

对于 VARCHAR 和 VARBINARY 列，此函数不指定长度。这些类型的 Vertica 默认长度为 80 字节。如果数据值较长，则使用这个未经修改的表定义可能会导致数据截断。始终查看 VARCHAR 和 VARBINARY 列，以确定是否需要指定长度。如果输入文件包含以下类型的列，则此函数将发出警告：

WARNING 9311: This generated statement contains one or more varchar/varbinary columns which default to length 80

6 - INFER_TABLE_DDL

检查 Parquet、ORC、JSON 或 Avro 格式的文件，并根据其内容返回 CREATE TABLE 或 CREATE EXTERNAL TABLE 语句。

如果输入数据包含不明确或未知的数据类型，则返回的语句可能不完整。它还可以包含更多列或名称长度超出 Vertica 支持范围的列；此函数不强制执行 Vertica 系统限制。使用它创建表之前，请始终检查输出并解决各类问题。

此函数支持从输入路径推断出的分区列。由于通过目录结构完成分区，所以可能不具备充足的信息来推断分区列的类型。在这种情况下，此函数显示这些列的数据类型为 UNKNOWN 并发出警告。

函数可处理大多数数据类型，包括复杂类型。如果 Vertica 不支持输入类型，则函数将发出警告。

对于 VARCHAR 和 VARBINARY 列，此函数不指定长度。这些类型的 Vertica 默认长度为 80 字节。如果数据值较长，则使用返回且未经修改的表定义可能会导致数据截断。始终查看 VARCHAR 和 VARBINARY 列，以确定是否需要指定长度。如果输入文件包含以下类型的列，则此函数将发出警告：

WARNING 9311: This generated statement contains one or more varchar/varbinary columns which default to length 80

这是元函数。您必须在顶级 SELECT 语句中调用元函数。

行为类型

易变

语法

INFER_TABLE_DDL( path USING PARAMETERS param=value[,...] )

参数

路径
文件或 glob 的路径。任何对 COPY 有效并使用此函数支持的文件格式的路径都有效。对于除 JSON 以外的所有格式，如果 glob 指定多个文件，则此函数将读取一个任意选择的文件。对于 JSON，函数可能会读取多个文件。请参阅 JSON。

参数

format
输入格式（字符串），"Parquet"、"ORC"、"Avro" 或 "JSON" 之一。此参数为必填。
table_name
要创建的表的名称。此参数为必填。

不要将架构名称作为表名的一部分；使用 table_schema 参数。

table_schema
在其中创建表的架构。如果忽略，则函数的输出中不包含架构。
table_type
要创建的表的类型，“原生”或“外部”。

默认值： “native”

with_copy_statement
对于原生表，是否在 CREATE TABLE 语句之外包含 COPY 语句。

默认值：false

one_line_result
是否将 DDL 作为单行返回，而不是整齐打印。单行格式可能更便于复制到 SQL 脚本中。

默认值： false（整齐打印）

max_files
（仅限 JSON。）如果 path 为 glob，则为 path 中要检查的最大文件数。使用此参数可增加函数考虑的数据量，例如，如果怀疑文件之间存在差异。文件从 glob 中任意选择而来。有关详细信息，请参阅 JSON。

默认值： 1

max_candidates
（仅限 JSON。）要显示的备选表定义的数量。函数仅为每个文件生成一个备选项，因此如果增加 max_candidates，还会增加 max_files。有关详细信息，请参阅 JSON。

默认值： 1

特权

非超级用户：对于用户可访问的存储位置的读取权限。

JSON

与其他受支持的格式不同，JSON 不会在数据文件中嵌入架构。此函数通过检查原始数据来推断 JSON 表 DDL。由于原始数据可能不明确或不一致，因此函数对此格式采用不同的方法。

对于每个输入文件，函数循环访问记录以开发备选表定义。任何记录中显示的顶级字段都将作为列包含在其中，即使并非所有记录都使用顶级字段也是如此。如果同一字段以不同类型显示到文件中，则函数选择与观察到的所有实例一致的类型。

假设一个文件包含餐厅数据：

{
    "name" : "Pizza House",
    "cuisine" : "Italian",
    "location_city" : [],
    "chain" : true,
    "hours" : [],
    "menu" : [{"item" : "cheese pizza", "price" : 7.99},
              {"item" : "spinach pizza", "price" : 8.99},
              {"item" : "garlic bread", "price" : 4.99}]
}
{
    "name" : "Sushi World",
    "cuisine" : "Asian",
    "location_city" : ["Pittsburgh"],
    "chain" : false,
    "menu" : [{"item" : "maki platter", "price" : "21.95"},
              {"item" : "tuna roll", "price" : "4.95"}]
}

第一条记录包含两个空数组，因此没有足够的信息来确定元素类型。第二条记录包含其中一个数组的字符串值，因此函数可为其推断出一种 VARCHAR 类型。其他数组元素类型仍然未知。

在第一条记录中，菜单价格为数字，但在第二条记录中，菜单价格为字符串。FLOAT 和字符串都可以强制转换为 NUMERIC，因此函数返回 NUMERIC：

=> SELECT INFER_TABLE_DDL ('/data/restaurants.json'
    USING PARAMETERS table_name='restaurants', format='json');
WARNING 0:  This generated statement contains one or more varchar/varbinary types which default to length 80

                INFER_TABLE_DDL
------------------------------------------------------------------------
 Candidate matched 1/1 of total files(s):
  create table "restaurants"(
    "chain" bool,
    "cuisine" varchar,
    "hours" Array[UNKNWON],
    "location_city" Array[varchar],
    "menu" Array[Row(
      "item" varchar,
      "price" numeric
    )],
    "name" varchar
  );

(1 row)

所有标量类型都可以强制转换为 VARCHAR，因此如果无法更明确地解决冲突（如在 NUMERIC 示例中），函数仍然可以返回类型。然而，并不总能通过这种方式对复杂类型进行解析。在下例中，文件中的记录包含相互冲突的 hours 字段定义：

{
    "name" : "Sushi World",
    "cuisine" : "Asian",
    "location_city" : ["Pittsburgh"],
    "chain" : false,
    "hours" : {"open" : "11:00", "close" : "22:00" }
}
{
    "name" : "Greasy Spoon",
    "cuisine" : "American",
    "location_city" : [],
    "chain" : "false",
    "hours" : {"open" : ["11:00","12:00"], "close" : ["21:00","22:00"] },
}

在第一条记录中，值为 ROW，包含两个 TIME 字段。在第二条记录中，值为 ROW，包含两个 ARRAY[TIME] 字段（代表工作日和周末时间）。这些类型相互不兼容，因此函数使用 LONG VARBINARY 推荐 灵活复杂类型：

=> SELECT INFER_TABLE_DDL ('/data/restaurants.json'
    USING PARAMETERS table_name='restaurants', format='json');
WARNING 0:  This generated statement contains one or more varchar/varbinary types which default to length 80

                INFER_TABLE_DDL
------------------------------------------------------------------------
 Candidate matched 1/1 of total files(s):
  create table "restaurants"(
    "chain" bool,
    "cuisine" varchar,
    "hours" long varbinary,
    "location_city" Array[varchar],
    "name" varchar
  );

(1 row)

如果使用 glob 调用函数，默认读取一个文件。将 max_files 设置为更大的数字，以检查更多的数据。函数为每个文件计算一个备选表定义，返回涵盖最多文件的定义。

增加文件数量本身并不会增加函数返回的备选项数量。文件越多，函数可以考虑的备选项越多，但默认情况下，返回代表最多文件的单个备选项。要查看多个可能的表定义，还要设置 max_candidates。将 max_candidates 设置为大于 max_files 没有任何益处。

在下例中，glob 包含两个文件，菜单列结构截然不同。在第一个文件中，菜单字段包含两个字段：

{
    "name" : "Bob's pizzeria",
    "cuisine" : "Italian",
    "location_city" : ["Cambridge", "Pittsburgh"],
    "menu" : [{"item" : "cheese pizza", "price" : 8.25},
              {"item" : "spinach pizza", "price" : 10.50}]
}

在第二个文件中，一天当中不同时段的菜品有所不同：

{
    "name" : "Greasy Spoon",
    "cuisine" : "American",
    "location_city" : [],
    "menu" : [{"time" : "breakfast",
           "items" :
           [{"item" : "scrambled eggs", "price" : "3.99"}]
          },
          {"time" : "lunch",
           "items" :
           [{"item" : "grilled cheese", "price" : "3.95"},
        {"item" : "tuna melt", "price" : "5.95"},
        {"item" : "french fries", "price" : "1.99"}]}]
}

要查看两个备选项，请同时提出 max_files 和 max_candidates：

=> SELECT INFER_TABLE_DDL ('/data/*.json'
    USING PARAMETERS table_name='restaurants', format='json',
max_files=3, max_candidates=3);
WARNING 0:  This generated statement contains one or more float types which might lose precision
WARNING 0:  This generated statement contains one or more varchar/varbinary types which default to length 80

                INFER_TABLE_DDL
------------------------------------------------------------------------
 Candidate matched 1/2 of total files(s):
  create table "restaurants"(
    "cuisine" varchar,
    "location_city" Array[varchar],
    "menu" Array[Row(
      "item" varchar,
      "price" float
    )],
    "name" varchar
  );
Candidate matched 1/2 of total files(s):
  create table "restaurants"(
    "cuisine" varchar,
    "location_city" Array[varchar],
    "menu" Array[Row(
      "items" Array[Row(
        "item" varchar,
        "price" numeric
      )],
      "time" varchar
    )],
    "name" varchar
  );

(1 row)

示例

在下例中，输入路径包含具有两个整数列的表的数据。可以完全推断外部表定义，也可以按原样使用返回的 SQL 语句。函数从输入路径读取一个文件：

=> SELECT INFER_TABLE_DDL('/data/orders/*.orc'
    USING PARAMETERS format = 'orc', table_name = 'orders', table_type = 'external');

                INFER_TABLE_DDL
------------------------------------------------------------------------
create external table "orders" (
  "id" int,
  "quantity" int
) as copy from '/data/orders/*.orc' orc;
(1 row)

要在架构中创建表，请使用 table_schema 参数。不要将其添加到表名中；函数将其视为带有句点的名称，而不是架构。

以下示例显示了复杂类型的输出。您可以按原样使用定义，也可以修改 VARCHAR 大小：

=> SELECT INFER_TABLE_DDL('/data/people/*.parquet'
    USING PARAMETERS format = 'parquet', table_name = 'employees');
WARNING 9311:  This generated statement contains one or more varchar/varbinary columns which default to length 80

                INFER_TABLE_DDL
------------------------------------------------------------------------
 create table "employees"(
  "employeeID" int,
  "personal" Row(
    "name" varchar,
    "address" Row(
      "street" varchar,
      "city" varchar,
      "zipcode" int
    ),
    "taxID" int
  ),
  "department" varchar
 );
(1 row)

在下例中，输入文件的 "prods" 列中包含映射。您可以将映射读取为行数组：

=> SELECT INFER_TABLE_DDL('/data/orders.parquet'
    USING PARAMETERS format='parquet', table_name='orders');
WARNING 9311:  This generated statement contains one or more varchar/varbinary columns which default to length 80
                INFER_TABLE_DDL
------------------------------------------------------------------------
 create table "orders"(
  "orderkey" int,
  "custkey" int,
  "prods" Array[Row(
    "key" varchar,
    "value" numeric(12,2)
  )],
  "orderdate" date
 );
(1 row)

以下示例返回原生表定义和 COPY 语句，将表定义添加到一行，简化剪切和粘贴到脚本的过程：

=> SELECT INFER_TABLE_DDL('/data/orders/*.orc'
    USING PARAMETERS format = 'orc', table_name = 'orders',
                         table_type = 'native', with_copy_statement = true, one_line_result=true);

                INFER_TABLE_DDL
-----------------------------------------------------------------------
create table "orders" ("id" int, "quantity" int);
copy "orders" from '/data/orders/*.orc' orc;
(1 row)

在下例中，按区域对数据进行分区。函数无法推断数据类型，报告 UNKNOWN：

=> SELECT INFER_TABLE_DDL('/data/sales/*/*
    USING PARAMETERS format = 'orc', table_name = 'sales', table_type = 'external');
WARNING 9262:  This generated statement is incomplete because of one or more unknown column types. Fix these data types before creating the table
WARNING 9311:  This generated statement contains one or more varchar/varbinary columns which default to length 80

                INFER_TABLE_DDL
------------------------------------------------------------------------
 create external table "sales"(
  "orderkey" int,
  "custkey" int,
  "prodkey" Array[varchar],
  "orderprices" Array[numeric(12,2)],
  "orderdate" date,
  "region" UNKNOWN
 ) as copy from '/data/sales/*/*' PARTITION COLUMNS region orc;
(1 row)

在下例中，函数读取多个 JSON 文件，这些 JSON 文件呈现 menu 列的方式有所不同：

=> SELECT INFER_TABLE_DDL ('/data/*.json'
    USING PARAMETERS table_name='restaurants', format='json',
max_files=3, max_candidates=3);
WARNING 0:  This generated statement contains one or more float types which might lose precision
WARNING 0:  This generated statement contains one or more varchar/varbinary types which default to length 80

                INFER_TABLE_DDL
------------------------------------------------------------------------
 Candidate matched 1/2 of total files(s):
  create table "restaurants"(
    "cuisine" varchar,
    "location_city" Array[varchar],
    "menu" Array[Row(
      "item" varchar,
      "price" float
    )],
    "name" varchar
  );
Candidate matched 1/2 of total files(s):
  create table "restaurants"(
    "cuisine" varchar,
    "location_city" Array[varchar],
    "menu" Array[Row(
      "items" Array[Row(
        "item" varchar,
        "price" numeric
      )],
      "time" varchar
    )],
    "name" varchar
  );

(1 row)

7 - LAST_INSERT_ID

返回 AUTO_INCREMENT/IDENTITY 列的最后一个值。如果多个会话并行加载同一个包含 AUTO_INCREMENT/IDENTITY 列的表，则函数返回为该列生成的最后一个值。

这是元函数。您必须在顶级 SELECT 语句中调用元函数。

行为类型

易变

语法

LAST_INSERT_ID()

特权

  • 表所有者

  • 对表架构的 USAGE 权限

示例

请参阅AUTO_INCREMENT 和 IDENTITY 序列。

8 - PURGE_TABLE

从物理存储空间中永久移除已删除的数据，以便可以重新使用磁盘空间。您可以清除包含 Ancient History Mark 时期之前的历史数据。

清除指定表的所有投影。不能使用此函数清除临时表。

这是元函数。您必须在顶级 SELECT 语句中调用元函数。

行为类型

易变

语法

PURGE_TABLE ( '[[database.]schema.]table' )

参数

[database.]schema

数据库和架构。默认架构为 public。如果指定一个数据库，它必须是当前数据库。

表
要清除的表。

特权

  • 表所有者

  • 对架构的 USAGE 权限

示例

以下示例清理了 Vmart 架构中的商店销售事实表的所有投影：

=> SELECT PURGE_TABLE('store.store_sales_fact');

另请参阅

9 - REBALANCE_TABLE

同步重新平衡指定表中的数据。

再平衡操作执行以下任务：

  • 基于下列内容分配数据：

  • 在所有节点之间重新分配数据库投影的数据。

这是元函数。您必须在顶级 SELECT 语句中调用元函数。

行为类型

易变

语法

REBALANCE_TABLE('[[database.]schema.]table‑name')

参数

架构

数据库和架构。默认架构为 public。如果指定一个数据库，它必须是当前数据库。

table‑name
要重新平衡的表。

超级用户

执行重新平衡的时间

执行以下任务后，重新平衡很有用，甚至十分必要：

  • 在准备从群集移除一个或多个节点时，将其标记为临时节点。

  • 向群集添加一个或多个节点，以便 Vertica 可以使用数据填充空节点。

  • 更改弹性群集的比例因子，该比例因子可确定用于跨数据库存储投影的存储容器的数目。

  • 设置控制节点大小或重新调整大型群集布局上的控制节点

  • 向容错组添加节点或从中移除节点。

示例

以下命令显示如何重新平衡指定表上的数据。

=> SELECT REBALANCE_TABLE('online_sales.online_sales_fact');
REBALANCE_TABLE
-------------------
 REBALANCED
(1 row)

另请参阅

10 - REENABLE_DUPLICATE_KEY_ERROR

通过逆转 DISABLE_DUPLICATE_KEY_ERROR 的影响来恢复错误报告的默认行为。影响限定在会话范围内。

这是元函数。您必须在顶级 SELECT 语句中调用元函数。

行为类型

易变

语法

REENABLE_DUPLICATE_KEY_ERROR();

超级用户

示例

=> SELECT REENABLE_DUPLICATE_KEY_ERROR();
 REENABLE_DUPLICATE_KEY_ERROR
------------------------------
 Duplicate key error enabled
(1 row)

另请参阅

ANALYZE_CONSTRAINTS