从 R 执行时 SQL Server 查询失败

Posted 2023-05-07

【中文标题】从 R 执行时 SQL Server 查询失败

【英文标题】：SQL Server Query failing when executed from R

【发布时间】：2019-03-07 13:39:55

【问题描述】：

我有以下简单的 SQL 服务器代码：

set nocount on;
if OBJECT_ID('tempdb..#A') IS NOT NULL DROP TABLE #A;

set nocount on;
create table #A
( obj_id int,
  obj_name varchar(50),
  obj_dt   datetime);

  insert into #A (
  obj_id,
  obj_name,
  obj_dt)
  values
  ( 1
   ,'name'
   ,'2019-01-01 00:00:00'
  ),
  ( 2
   ,NULL
   ,NULL
  ),
  ( 2
   ,'alias'
   ,'2019-02-01 00:00:00'
  );

set nocount on;
if OBJECT_ID('tempdb..#B') IS NOT NULL DROP TABLE #B;

set nocount on;
select 
 #A.obj_id
,subq.obj_name
,subq.obj_dt
into #B 
from #A
join (select
        obj_id,
        max(obj_name) as obj_name,
        max(obj_dt) as obj_dt
      from #A
      group by obj_id) as subq
on #A.obj_id = subq.obj_id;

set nocount on;
select * from #B;

正如预期的那样，在 Microsoft SQL Server Management Studio 中执行时返回以下数据：

obj_id  obj_name    obj_dt
1       name        2019-01-01 00:00:00.000
2       alias       2019-02-01 00:00:00.000
2       alias       2019-02-01 00:00:00.000

到目前为止一切顺利。现在我希望从 R 运行此代码并将相同的输出返回到 R。我将上面的查询存储在字符串 query 和我的 RODBC 连接中存储在变量 connection 中，并尝试检索数据与

sqlQuery(connection,query)

结果是character(0)。 然而，如果我通过注释掉#B 定义中的subq.obj_name 和subq.obj_dt 字段来修改上面的查询，那么代码会成功返回预期的数据集

obj_id
1      1
2      2
3      2

来自R。

那么这里发生了什么？两个 sql 查询都有效并且在 Microsoft SQL Server 环境中成功运行，但只有一个在通过 R 管道时有效。我不知道是什么原因导致 RODBC 代码无法处理第二个查询。

【问题讨论】：

不是答案，但您绝对应该尝试通过您的 R 脚本从 SQL Server 获取错误输出。

通常，如果有错误消息，它将存储在输出变量中。在这种情况下，它只会产生character(0)，所以我认为没有实际错误，而是什么都没有返回？虽然不确定...

【参考方案1】：

这是一个关于本地临时表的已知问题（#mytable 不是 ##mytable），不仅在 R 中，而且在 SSMS 等 Microsoft 工具中对临时表的所有外部调用（参见下面第一个链接的评论）。

看看那些链接：

https://github.com/r-dbi/odbc/issues/127 尤其是https://github.com/r-dbi/odbc/issues/127#issuecomment-396343426 RODBC Temporary Table Issue when connecting to MS SQL Server

在阅读了这些链接之后，奇怪的是它在没有 subq.obj_name 和 subq.obj_dt 的情况下仍然有效：也许它可以工作，因为查询是在一个唯一的调用中。

【讨论】：

您提供的链接表明问题是返回的行数导致 RODBC 表现得好像整个查询已完成，解决方法是将 set nocount 放在每个语句的开头。你会注意到我上面的代码就是这样做的，所以我相信这是一个与这些链接中引用的问题（我之前已经遇到过并按照指示处理过的问题）不同的问题。我猜 RODBC 包不再积极开发了？

自 18 年 11 月以来，我已经从 RODBC 切换到 DBI 和 RStudio/odbc，我的许多问题都已经解决，但在这种情况下，它与一个或多个外部调用中的多查询有关，并且不仅在 R 中，而且在 SSMS 中。也许它会解决你的问题，但我怀疑。告诉我们是不是这样。从 RODBC 切换到 DBI 和 RStudio/odbc 后，我没有再次尝试使用 #table。

是的，我也一直在考虑切换，但考虑到 RODBC 方法在我所有资产中的集成程度，这是一个令人生畏的想法。如果时间允许，我肯定会探索其他选择。不过，在这种情况下，我已经确定了根本原因并实施了一种解决方法（请参见下面的答案），并且我认为该问题与您的答案中的链接有关，因为它似乎与 R 在看到任何类型时终止查询有关输出。

【参考方案2】：

好的，所以我想我已经弄清楚这里出了什么问题。子查询

select
    obj_id,
    max(obj_name) as obj_name,
    max(obj_dt) as obj_dt
    from #A
group by obj_id

产生隐藏警告。如果您只是按原样运行代码，则看不到警告，但如果将输出存储在临时表中，则会产生警告消息：

select
    obj_id,
    max(obj_name) as obj_name,
    max(obj_dt) as obj_dt
    into #C
    from #A
group by obj_id

警告：空值被聚合或其他 SET 消除 操作。

当它作为问题中原始 SQL 代码中的子查询的一部分运行时，该警告会被隐藏。我相信这条消息在某种程度上是 R 正在“看到”的输出的一部分，一旦 R 看到该输出，它就会终止查询。但由于没有返回任何结果，但 R 中的输出为空（即character(0)）。

为了解决这个问题，我将计算最大值的变量合并为一些最小值（我不确定 sql server 排序规则中的最小字符是什么，但 '0' 可以满足我的目的）。这个想法是在聚合之前删除 NULL 值，因此不会生成警告。最终的工作 SQL 代码如下：

set nocount on;
if OBJECT_ID('tempdb..#A') IS NOT NULL DROP TABLE #A;

set nocount on;
create table #A
( obj_id int,
  obj_name varchar(50),
  obj_dt   datetime);

  insert into #A (
  obj_id,
  obj_name,
  obj_dt)
  values
  ( 1
   ,'name'
   ,'2019-01-01 00:00:00'
  ),
  ( 2
   ,NULL
   ,NULL
  ),
  ( 2
   ,'alias'
   ,'2019-02-01 00:00:00'
  );

set nocount on;
if OBJECT_ID('tempdb..#B') IS NOT NULL DROP TABLE #B;

set nocount on;
select 
 #A.obj_id
,subq.obj_name
,subq.obj_dt
into #B 
from #A
join
(select
        obj_id,
        max(isnull(obj_name,'0')) as obj_name,
        max(isnull(obj_dt,cast(-1 as datetime))) as obj_dt
      from #A
      group by obj_id) as subq 
on #A.obj_id = subq.obj_id;

set nocount on;
select * from #B; 

我认为这种行为应该在 RODBC 包中得到解决，因为它很可能会绊倒其他人，而且要找出根本原因并进行故障排除会有些棘手。

【参考方案3】：

作为 Rookatu 答案的扩展，您可以通过在查询开头添加以下内容来关闭警告：

SET ANSI_WARNINGS OFF

当然，如果您尝试捕获其他警告，这可能并不理想，但在紧要关头可能更容易实施。