Question

使用此帖子中的示例：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

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。在Amazon Redshift上实际上是65535。

我们希望在这种情况下返回以下内容：

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中重建此结果的最佳方法是什么，以避免任何数据丢失并考虑速度？

Answer 1

可以通过2个子查询来实现：

第一：

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，我们要计算表中每个ID的字符数。我们可以使用窗口函数为每一行递增地计算它。在“ order by”语句中，您可以使用任何唯一字段。如果您没有，则可以简单地使用随机函数或哈希函数，但是必须强制该字段唯一，否则，该函数将无法正常运行。

长度的+1表示我们将在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，我们根据之前计算出的长度创建一个sub_id。如果total_length_now超过了限制大小（在这种情况下为65535），则该部门的其余人员将返回一个新的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，我们可以简单地通过id和sub_id调用listagg函数分组，因为每个组不能超过大小限制。

完整查询

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

数据示例（大小限制为10）

第一和第二个查询输出：

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

Answer 2

可以创建一个部分列表，然后将其余值作为单独的行一次性运行，但如果行数不受约束，则确实需要一个循环语句然后将其转换为列表，并且行剩下的等等。

所以这对Apache Spark（或任何其他map-reduce技术）来说真是一项任务。

在Amazon Redshift上管理LISTAGG中的溢出

2 个答案: