Redshift varchar太窄了

Question

我有一张桌子，我填充了来自文件的标签分隔数据，这些文件的编码似乎不是utf-8，如下所示：

CREATE TABLE tab (
    url varchar(2000),
    ...
);

COPY tab
FROM 's3://input.tsv'

复制完成后，我运行

SELECT
MAX(LEN(url))
FROM tab

返回1525。我想，由于我浪费了空间，我可能会使用varchar(2000)代替varchar(1525)将列调整近四分之一。但是既不重做COPY也不重新设置新表并插入已导入的数据。在这两种情况下，我都会

error:  Value too long for character type

为什么列不会保留这些值？

Answer 1

您的文件可能是多字节格式。

来自LEN Function documentation：

  

LEN函数返回一个整数，表示输入字符串中的字符数。 LEN函数返回多字节字符串中的实际字符数，而不是字节数。例如，需要VARCHAR（12）列来存储三个四字节中文字符。对于同一个字符串，LEN函数将返回3。

由于Amazon Redshift使用的压缩方法，VARCHAR的额外大小不会浪费磁盘空间，但是当从磁盘读取块并将其解压缩到内存中时，它将浪费内存缓冲区空间。