本文将从习惯使用关系型数据库 SQL 用户的实践角度出发,列举用户在使用 MaxCompute SQL 时比较容易遇见的问题。

MaxCompute SQL 基本区别

应用场景
  • 不支持事物(没有 commit 和 rollback,建议代码具有等幂性支持重跑,不推荐使用 Insert Into,推荐 Insert Overwrite 写入数据)。
  • 不支持索引和主外键约束。
  • 不支持自增字段和默认值。如果有默认值,请在数据写入时自行赋值。
表分区 精度
  • Double 类型因为存在精度问题,不建议在关联时候进行直接等号关联两个 Double 字段。一个比较推荐的做法是把两个数做下减法,如果差距小于一个预设的值就认为是相同,比如 abs(a1- a2) < 0.000000001
  • 目前产品上已经支持高精度的类型 Decimal。但如果有更高精度要求的,可以先把数据存为 String 类型,然后使用 UDF 来实现对应的计算。
数据类型转换
  • 为防止出现各种预期外的错误,如果有 2 个不同的字段类型需要做 Join,建议您先把类型转好后再 Join,同时更容易维护代码。
  • 关于日期型和字符串的隐式转换。在需要传入日期型的函数里如果传入一个字符串,字符串和日期类型的转换根据 yyyy-mm-dd hh:mi:ss 格式进行转换。如果是其他格式请参见 日期函数 > TO_DATE

DDL 的区别及解法

表结构

  • 不能修改分区列列名,只能修改分区列对应的值。具体分区列和分区的区别请参见 分区和分区列的区别
  • 支持增加列,但是不支持删除列以及修改列的数据类型,请参见 SQL常见问题

DML 的区别及解法

INSERT
  • 语法上最直观的区别是:Insert into/overwrite 后面有个关键字Table
  • 数据插入表的字段映射不是根据 Select 的别名做的,而是根据 Select 的字段的顺序和表里的字段的顺序。
UPDATE/DELETE SELECT
  • 输入表的数量不能超过16张
  • Group by查询中的Select 字段,要么是Group By的分组字段,要么需要使用聚合函数。从逻辑角度理解,如发现一个非分组列同一个Group By Key中的数据有多条,不使用聚合函数的话就没办法展示。
  • MaxCompute不支持Group by cube(group by with rollup) ,可以通过union来模拟,比如 select k1, null, sum(v) from t group by k1 union all select k1, k2, sum(v) from t group by k1, k2;
子查询

子查询必须要有别名。建议查询都带别名。

IN/NOT IN
  • 关于 In/Not In,Exist/Not Exist,后面的子查询数据量不能超过 1000 条,解决办法请参见 如何使用Not In。如果业务上已经保证了子查询返回结果的唯一性,可以考虑去掉 Distinct,从而提升查询性能。
SQL 返回 10000 条
  • MaxCompute 限制了单独执行Select语句时返回的数据条数,具体配置请参见其他操作,设置上限为1万。如果需要查询的结果数据条数很多,请参见 如何获取所有数据,配合Tunnel命令获取全部数据。
MAPJOIN
  • Join不支持笛卡尔积,也就是Join必须要用on设置关联条件。如果有一些小表需要做广播表,需要用Mapjoin Hint。详情请参见 如何解决Join报错
ORDER BY
  • Order By后面需要配合Limit n使用。如果希望做很大的数据量的排序,甚至需要做全表排序,可以把这个N设置的很大。不过请谨慎使用,因为无法使用到分布式系统的优势,可能会有性能问题。详情请参见 MaxCompute 查询数据的排序
UNION ALL
  • 参与UNION ALL运算的所有列的数据类型、列个数、列名称必须完全一致,否则抛异常。
  • UNION ALL查询外面需要再嵌套一层子查询。