postgresql - CSV 中引用的雪花空值会破坏 PostgreSQL 卸载
问题描述
我正在尝试将数据从 Snowflake 转移到 Postgresql,为此我首先以 CSV 格式将其加载到 s3 中。在表格中,文本中可能会出现逗号,因此我使用FIELD_OPTIONALLY_ENCLOSED_BY
雪花卸载选项来引用有问题的单元格的内容。但是,当这种情况发生 + 空值时,我无法为 PostgreSQL 提供有效的 CSV。
我创建了一个简单的表格供您理解问题。这里是 :
CREATE OR REPLACE TABLE PUBLIC.TEST(
TEXT_FIELD VARCHAR(),
NUMERIC_FIELD INT
);
INSERT INTO PUBLIC.TEST VALUES
('A', 1),
(NULL, 2),
('B', NULL),
(NULL, NULL),
('Hello, world', NULL)
;
COPY INTO @STAGE/test
FROM PUBLIC.TEST
FILE_FORMAT = (
COMPRESSION = NONE,
TYPE = CSV,
FIELD_OPTIONALLY_ENCLOSED_BY = '"'
NULL_IF = ''
)
OVERWRITE = TRUE;
Snowflake 将从中创建以下 CSV
"A",1
"",2
"B",""
"",""
"Hello, world",""
但在那之后,对我来说不可能将这个 CSV 原样复制到 PostgreSQL 表中。
甚至从 PostgreSQL 文档中我们想到了 NULL 选项:
Specifies the string that represents a null value. The default is \N (backslash-N) in text format, and an unquoted empty string in CSV format.
未在 PostgreSQL COPY INTO 中设置 COPY 选项将导致卸载失败。实际上它不会起作用,因为我们还必须使用 QUOTE 指定使用的报价。会在这里QUOTE '"'
因此,在 POSTGRESQL 卸载期间,使用 :
FORMAT csv, HEADER false, QUOTE '"'
将给出:
DataError: invalid input syntax for integer: "" CONTEXT: COPY test, line 3, column numeric_field: ""
FORMAT csv, HEADER false, NULL '""', QUOTE '"'
会给 :
NotSupportedError: CSV quote character must not appear in the NULL specification
仅供参考,为了测试 s3 中的卸载,我将在 PostgreSQL 中使用此命令:
CREATE IF NOT EXISTS TABLE PUBLIC.TEST(
TEXT_FIELD VARCHAR(),
NUMERIC_FIELD INT
);
CREATE EXTENSION IF NOT EXISTS aws_s3 CASCADE;
SELECT aws_s3.table_import_from_s3(
'PUBLIC.TEST',
'',
'(FORMAT csv, HEADER false, NULL ''""'', QUOTE ''"'')',
'bucket',
'test_0_0_0.csv',
'aws_region'
)
非常感谢您对我能做些什么来实现它的任何想法?我很想找到一个不需要修改雪花和 postgres 之间的 csv 的解决方案。我认为这是雪花方面的一个问题,因为引用空值实际上没有意义。但 PostgreSQL 也无济于事。
解决方案
当您将NULL_IF
值设置为 '' 时,实际上是在告诉 Snowflake 将 NULLS 转换为 BLANK,然后将其引用。当您从 Snowflake 中复制时,复制选项在某种意义上是“向后”的,并且NULL_IF
更像是IFNULL
.
这是我将在 Snowflake 端使用的代码,这将导致 CSV 文件中出现一个未加引号的空字符串:
FILE_FORMAT = (
COMPRESSION = NONE,
TYPE = CSV,
FIELD_OPTIONALLY_ENCLOSED_BY = '"'
NULL_IF = ()
)
推荐阅读
- python - 按索引列分组比较它们的区域并将值添加到 Python 中的新列?
- node.js - Nodejs 请求 Promise 如何显示状态码
- java - Spark App args 编码
- kotlin - Changing an immutable data structure from two threads
- javascript - Material-ui 纸张未在屏幕上呈现
- database - Yii2 迁移命令无法识别
- javascript - Node.js - 在继续代码之前等待多个异步调用完成
- python - python中两个十六进制字符串的异或
- eclipse - 通过 pluginCustomization.ini 文件禁用 eclipse 默认首选项
- jenkins-pipeline - 如何在 Jenkins 中的多个从站上并行运行相同的作业,从 XML 文件中获取从站名称和编号。目前