我每天都会将CSV文件加载到Redshift。要处理重复项,我将文件加载到登台表,然后使用基于键列的Update或Insert脚本加载到目标表。最近我意外地在目标表中发现了重复数据。
我仔细检查了我的脚本,没有看到任何重复的原因。以下是我正在使用的更新和插入脚本格式。
用于插入:
Insert into target (key1, key2, col3, col4)
Select key1, key2, col3, col4
From stage s where not exists (select 1 from target t
where s.key1 = t.key1 and)
s.key2 = t.key2);
更新:
Update target Set
key1=s.key1, key2=s.key2, col3=s.col3, col4=s.col4
From stage s where target.key1=s.key1 and target.key2=s.key2;
感谢任何帮助。
答案 0 :(得分:2)
我也碰到了这个。问题出在插入...选择...其中选择本身产生了重复。我们的一个解决方案是使用游标(在Redshift之外)来运行select并一次插入一条记录,但事实证明这有性能问题。相反,我们现在使用初始选择
检查重复项select key1,key2 from stage group by key1,key2 having count(*) > 1;
并在返回记录时停止该过程。