如何在 Redshift 中创建自定义聚合 UDF 函数？

Posted 2023-03-31

【中文标题】如何在 Redshift 中创建自定义聚合 UDF 函数？

【英文标题】：How to create customized aggregation UDF function in Redshift?

【发布时间】：2016-01-26 11:05:12

【问题描述】：

是否可以在 Redshift 中创建自定义聚合 UDF 函数？ 如果是，我在哪里可以找到相关的教程或文档？

我的数据看起来像

A     B     time_series

a1    b1    "[1,2,3]"
a1    b2    "[2,3,4]"
a2    b1    "[2,2,2]"

我想按 A 或 B 分组并获得平均时间序列。

例如，按 A 分组

a1   "[1.5, 2.5, 3.5]"
a2   "[2,2,2]"

【参考方案1】：

截至今天，UDF 只能应用于单行。因此，要实现您想要的，您需要预先组合单行中的值，然后应用 UDF 进行数学运算。

例如：

创建 UDF：

CREATE FUNCTION f_mean(time_series VARCHAR)
RETURNS varchar
IMMUTABLE AS $$
import json
data = [json.loads(x.replace('"', '')) for x in time_series.split('""')]
return json.dumps([sum(e)/float(len(e)) for e in zip(*data)])
$$ LANGUAGE plpythonu;

使用LISTAGG 函数将值组合成单行。然后应用 UDF。

mydb=> select A, f_mean(listagg(time_series)) within group (order by A) from my_table group by A;
 a  |     f_mean      
----+-----------------
 a2 | [2.0, 2.0, 2.0]
 a1 | [1.5, 2.5, 3.5]
(2 rows)

【讨论】：

那么有一个限制，time_series的长度永远不能超过listagg的最大允许长度