获取插入到雪花数据仓库中的行的标识
Posted
技术标签:
【中文标题】获取插入到雪花数据仓库中的行的标识【英文标题】:Get identity of row inserted in Snowflake Datawarehouse 【发布时间】:2019-05-19 03:52:33 【问题描述】:如果我有一个带有自动递增 ID 列的表,我希望能够在该表中插入一行,并获取我刚刚创建的行的 ID。我知道一般来说,*** 问题需要某种尝试或研究工作的代码,但我不确定从 Snowflake 开始的地方。我已经挖掘了他们的documentation,但我一无所获。
到目前为止,我能做的最好的事情是尝试result_scan()
和last_query_id()
,但这些并没有给我任何有关插入行的相关信息,只是确认插入了一行。
我相信我要求的是 MS SQL Server 的 SCOPE_IDENTITY()
函数。
MS SQL Server 的SCOPE_IDENTITY()
是否有 Snowflake 等效函数?
编辑:为了在这里有代码:
CREATE TABLE my_db..my_table
(
ROWID INT IDENTITY(1,1),
some_number INT,
a_time TIMESTAMP_LTZ(9),
b_time TIMESTAMP_LTZ(9),
more_data VARCHAR(10)
);
INSERT INTO my_db..my_table
(
some_number,
a_time,
more_data
)
VALUES
(1, my_time_value, some_data);
我想为我刚刚插入的这一行获得自动增量ROWID
。
【问题讨论】:
原谅我的无知...你不只是想要 MAX(ROWID) 吗?所以... SELECT MAX(ROWID) FROM my_db.my_table; @JonJaussi 假设有 5-20 个其他进程同时将记录插入到该表中。MAX(ROWID)
可能会抓取由另一个进程在同一时间段内创建的行。
感谢您的澄清。您的数据中是否存在“自然键”?您插入的记录中的其他字段的某些串联组合会将记录定义为唯一?这个想法是您可以使用“自然键”查找 ROWID(例如:some_number | a_time | more_data)?
@JonJaussi 我现在正在为此做一些事情,但我觉得这样做很草率。我真的希望有一个更合适的方法来获得ROWID
。
【参考方案1】:
注意:在极少数情况下,以下答案可能不是 100% 正确,请参阅下面的更新部分
原答案
Snowflake 今天不提供SCOPE_IDENTITY
的等效项。
但是,您可以利用 Snowflake 的 time travel 在执行给定语句后立即检索列的最大值。
这是一个例子:
create or replace table x(rid int identity, num int);
insert into x(num) values(7);
insert into x(num) values(9);
-- you can insert rows in a separate transaction now to test it
select max(rid) from x AT(statement=>last_query_id());
----------+
MAX(RID) |
----------+
2 |
----------+
如果您想稍后访问它,也可以将last_query_id()
保存到变量中,例如
insert into x(num) values(5);
set qid = last_query_id();
...
select max(rid) from x AT(statement=>$qid);
注意 - 它通常是正确的,但如果用户例如手动将较大的值插入rid
,可能会影响此查询的结果。
更新
注意,我意识到上面的代码很少会产生错误的答案。
由于像Snowflake
这样的分布式系统中查询的各个阶段的执行顺序可能是不确定的,并且Snowflake允许并发INSERT语句,因此可能会发生以下情况
Q1
和 Q2
,做一个简单的单行 INSERT
,大致同时开始
Q1
开始,有点超前
Q2
开始
Q1
从IDENTITY
列创建一个值为1
的行
Q2
从IDENTITY
列创建一个值为2
的行
Q2
领先于 Q1
- 这是关键部分
Q2
提交,在时间 T2
标记为已完成
Q1
提交,在时间 T1
标记为已完成
请注意,T1
晚于 T2
。现在,当我们尝试执行SELECT ... AT(statement=>Q1)
时,我们将看到T1
的状态,包括之前语句的所有更改,因此包括来自Q2
的值2
。这不是我们想要的。
解决方法可能是将unique identifier
添加到每个INSERT
(例如,来自单独的SEQUENCE 对象),然后使用MAX
。
对不起。分布式事务很难:)
【讨论】:
这看起来很有希望。我会尽快尝试并报告! 对不起,我意识到我的答案可能会产生错误的结果,更新它。 @MarcinZukowski Snowflake 正在解决这个问题吗?我的任务是为我们公司调查 Snowflake,目前我看到的唯一一个引人注目的是这个问题。从雪花社区论坛看来,没有取得任何进展。任何颜色都将不胜感激。 @JohnZabroski 它在我们的待办事项清单上,但目前还没有积极的开发。如果这阻碍了您,请通过您的销售/支持渠道提出,这可能有助于确定优先级。 在使用了一年多之后才报告——@MarcinZukowski 的更新是正确的,我们遇到了这种方法的并发问题。话虽如此,我还没有时间在每个INSERT
中使用unique identifier
更新实现此功能的功能。公平地说,在我的用例中,它支持网站的一些后端功能,而这并不是数据仓库一开始就存在的目的。以上是关于获取插入到雪花数据仓库中的行的标识的主要内容,如果未能解决你的问题,请参考以下文章