次の例は、パス(キー) IDとペイロード属性をSQLクエリーで参照できるようにするために、両方の種類のデータについて名前を変更する河川流量の外部テーブルのビューです。
例では、サンプルの河川流量データ セットを使用します。独自のデータを使用するには、テーブル名、列名、および許可オブジェクトを置き換えます。サンプル データ セットの信頼証明および格納場所の値については、例の変数置換を参照してください。
- NOS関連コマンドを実行するには、必要な権限を持つユーザーとしてデータベースにログオンします。
- 存在しない場合は、riverflow_csv_pathという名前の外部テーブルを作成するか、データベース管理者に作成を依頼します。外部テーブルのペイロード列でのフィルタリングを参照してください。
- 外部テーブルのビューを作成します。
REPLACE VIEW riverflowview_csv AS ( SELECT CAST($path.$siteno AS CHAR(10)) TheSite, CAST($path.$year AS CHAR(4)) TheYear, CAST($path.$month AS CHAR(2)) TheMonth, CAST(SUBSTR($path.$day, 1, 2) AS CHAR(2)) TheDay, CAST(payload..Flow AS FLOAT) ( FORMAT '-ZZZZ9.99') Flow, CAST(payload..GageHeight AS FLOAT) ( FORMAT '-ZZZ9.99') GageHeight1, CAST(payload..Precipitation AS FLOAT) ( FORMAT '-ZZZ9.99') Precipitation, CAST(payload..Temp AS FLOAT) ( FORMAT '-ZZZ9.99') Temperature, CAST(payload..Velocity AS FLOAT) ( FORMAT '-ZZZ9.99') Velocity, CAST(payload..BatteryVoltage AS FLOAT) ( FORMAT '-ZZZ9.99') BatteryVoltage, CAST(payload..GageHeight2 AS FLOAT) ( FORMAT '-ZZZ9.99') GageHeight2 FROM riverflow_csv_path WHERE TheSite = payload..site_no);
- ビューを問合わせます。
SELECT TOP 2 * FROM riverflowview_csv;
結果は次のようになります。
TheSite TheYear TheMonth TheDay Site_no Flow GageHeight1 Precipitation Temperature Velocity BatteryVoltage -------- ------- -------- ------ -------- ----- ----------- ------------- ----------- -------- -------------- 09396100 2018 07 16 09396100 24.40 1.33 0.00 ? ? ? 09396100 2018 07 16 09396100 113.00 1.83 0.00 ? ? ?
属性が欠落している列は、レコードに属性が含まれていない場合にNULLを返します。
- ビューでフィルタ処理して、サイト番号が09396100のサイト数を検索します。
SELECT thesite,COUNT(*) FROM riverflowview_csv WHERE thesite='09396100' GROUP BY 1;
結果は次のようになります。
TheSite Count(*) ---------- ----------- 09396100 3086
- クエリーでEXPLAINを実行して、フィルタ処理がどのように行なわれているかを確認します。
EXPLAIN SELECT thesite,COUNT(*) FROM riverflowview_csv WHERE thesite='09396100' GROUP BY 1;
結果は次のようになります。
Explanation -------------------------------------------------------------------------- […] 3) We do a single-AMP RETRIEVE step from OB.riverflow_csv_path in view riverflowview_csv metadata by way of an all-rows scan with a condition of ("(TD_SYSFNLIB.NosExtractVarFromPath ( OB.riverflow_csv_path in view riverflowview_csv.Location, '/s3/td-usgs.s3.amazonaws.com/', 2 )(CHAR(10), CHARACTER SET UNICODE, NOT CASESPECIFIC))= '09396100 '") into Spool 3 (all_amps), which is built locally on that AMP. Then we do a SORT to order Spool 3 by the sort key as the field_id list( 3, 2). The size of Spool 3 is estimated with no confidence to be 38 rows (26,790 bytes). The estimated time for this step is 0.55 seconds. 4) We do an all-AMPs RETRIEVE step in TD_Map1 from Spool 3 (Last Use) by way of an all-rows scan into Spool 2 (all_amps), which is binpacked and redistributed by size to all AMPs in TD_Map1. The size of Spool 2 is estimated with no confidence to be 38 rows ( 27,094 bytes). The estimated time for this step is 0.08 seconds. 5) We do an all-AMPs SUM step in TD_MAP1 to aggregate from OB.riverflow_csv_path in view riverflowview_csv by way of external metadata in Spool 2 (Last Use) with a condition of ("(TD_SYSFNLIB.NosExtractVarFromPath (OB.riverflow_csv_path in view riverflowview_csv.Location, '/s3/td-usgs.s3.amazonaws.com/', 2 )(CHAR(10), CHARACTER SET UNICODE, NOT CASESPECIFIC))= (TRANSLATE((OB.riverflow_csv_path in view riverflowview_csv.Payload .EXTRACTVALUE ( '242E2E736974655F6E6F'XB(VARBYTE(63000)), 'list'(VARCHAR(20), CHARACTER SET LATIN, NOT CASESPECIFIC)))USING LATIN_TO_UNICODE))"), and the grouping identifier in field 1. Aggregate Intermediate Results are computed globally, then placed in Spool 5 in TD_Map1. The size of Spool 5 is estimated with no confidence to be 504 rows (706,608 bytes). The estimated time for this step is 0.32 seconds. […]
(3)ではパス フィルタリングを行なっています。メタデータ スプールを構築するためのパス フィルタリング式として定数09396100を使用しています。メタデータ スプールは、クエリーが実際に処理するオブジェクトのリストを識別するスプール テーブルです。
(5)では従来の行フィルタリングを行なっています。場所の文字列から抽出されたサイト番号とCSVペイロードの値(オブジェクト ストア内の実際のデータ)を比較します。