将数据从雪花卸载到 s3 时，如何将日期时间戳添加到 zip 文件？

Posted 2023-03-29

【中文标题】将数据从雪花卸载到 s3 时，如何将日期时间戳添加到 zip 文件？

【英文标题】：how can I add datetime stamp to zip file when unload data from snowflake to s3?

【发布时间】：2020-05-04 16:28:50

【问题描述】：

我希望能够为我正在写入 s3 的文件名添加时间戳。到目前为止，我已经能够使用下面的示例将文件写入 AWS S3。有人可以指导我如何在文件名中添加日期时间戳吗？

copy into     @s3bucket/something.csv.gz
from (select * from  mytable)
file_format = (type=csv  FIELD_OPTIONALLY_ENCLOSED_BY = '"' compression='gzip' )
single=true
header=TRUE;

提前致谢。

【问题讨论】：

这里不能指定文件名吗？ @s3bucket/datetime_something.csv.gz 或者你想动态地做吗？

我希望能够动态执行此操作，以便在脚本运行时自动创建 datetime_something.csv

【参考方案1】：

COPY INTO 语句的阶段或位置部分内部的syntax for defining a path 不允许函数在 SQL 中动态定义它。

但是，您可以使用stored procedure 来完成构建动态查询，使用javascript Date APIs 和some string formatting。

这是您的用例的一个非常简单的示例，其中包含一些代码adapted from another question：

CREATE OR REPLACE PROCEDURE COPY_INTO_PROCEDURE_EXAMPLE()
RETURNS VARIANT
LANGUAGE JAVASCRIPT
EXECUTE AS CALLER
AS
$$
    var rows = [];

    var n = new Date();
    // May need refinement to zero-pad some values or achieve a specific format
    var datetime = `$n.getFullYear()-$n.getMonth() + 1-$n.getDate()-$n.getHours()-$n.getMinutes()-$n.getSeconds()`;

    var st = snowflake.createStatement(
        sqlText: `COPY INTO '@s3bucket/$datetime_something.csv.gz' FROM (SELECT * FROM  mytable) FILE_FORMAT=(TYPE=CSV  FIELD_OPTIONALLY_ENCLOSED_BY='"' COMPRESSION='gzip') SINGLE=TRUE HEADER=TRUE;`
    );

    var result = st.execute();
    result.next();
    rows.push(result.getColumnValue(1))

    return rows;
$$

要执行，运行：

CALL COPY_INTO_PROCEDURE_EXAMPLE();

上面缺少完善的日期格式处理（零填充月、日、小时、分钟、秒）、错误处理（如果COPY INTO 失败）、输入查询的参数化等，但它应该给出一个总体思路关于如何实现这一点。

【参考方案2】：

正如 Sharvan Kumar 上面所建议的，Snowflake 现在支持这一点：

-- Partition the unloaded data by date and hour. Set ``32000000`` (32 MB) as the upper size limit of each file to be generated in parallel per thread.
copy into @%t1
  from t1
  partition by ('date=' || to_varchar(dt, 'YYYY-MM-DD') || '/hour=' || to_varchar(date_part(hour, ts))) -- Concatenate labels and column values to output meaningful filenames
  file_format = (type=parquet)
  max_file_size = 32000000
  header=true;

list @%t1

【参考方案3】：

雪花尚不支持此功能，但即将推出。