-
GaussDB数据库中的MERGE INTO介绍一、前言随着数据量的爆炸性增长,数据库管理系统(DBMS)的功能和性能要求也在不断提升。GaussDB 作为一款先进的关系型数据库管理系统,其 MERGE INTO 语句在数据整合、更新操作中发挥了重要作用。MERGE INTO 语句允许用户在单次操作中执行插入和更新操作,大大提高了数据处理效率。本文将举例为大家讲述 GaussDB 中 MERGE INTO 语句的使用。二、GaussDB MERGE INTO 语句的原理概述1、MERGE INTO 语句原理GaussDB 的 MERGE INTO 语句是基于 SQL 标准的,通过单个SQL语句实现了数据的UPDATE和INSERT操作。该语句在执行时,会根据指定的条件比较源表和目标表的数据。当源表和目标表中数据针对关联条件可以匹配上时,则进行UPDATE操作;当源表和目标表中数据针对关联条件无法匹配时,则进行INSERT操作。这种操作方式减少了数据传输的开销,避免多次执行,提高了数据处理的效率。2、MERGE INTO 的语法MERGE [/*+ plan_hint */] INTO table_name [ partition_clause ] [ [ AS ] alias ]USING { { table_name | view_name } | subquery } [ [ AS ] alias ]ON ( condition )[WHEN MATCHED THENUPDATE SET { column_name = { expression | subquery | DEFAULT } |( column_name [, ...] ) = ( { expression | subquery | DEFAULT } [, ...] ) } [, ...][ WHERE condition ]][WHEN NOT MATCHED THENINSERT { DEFAULT VALUES |[ ( column_name [, ...] ) ] VALUES ( { expression | subquery | DEFAULT } [, ...] ) [, ...] [ WHERE condition ] }];where partition_clause can be:PARTITION { ( partition_name ) | FOR ( partition_value [, ...] ) } |SUBPARTITION { ( subpartition_name ) | FOR ( subpartition_value [, ...] ) }NOTICE: 'partition_clause' is only avaliable in CENTRALIZED mode!NOTICE: 'subquery' in the UPDATE and INSERT clauses are only avaliable in CENTRALIZED mode!3、语法解释权限:进行MERGE INTO操作的用户需要同时拥有目标表的UPDATE和INSERT权限,以及源表的SELECT权限。plan_hint子句:可选,以/*+ */的形式在MERGE关键字后,用于对MERGE对应的语句块生成的计划进行hint调优INTO talbe_name:指定正在更新或插入的目标表。USING子句:指定源表,源表可以为表、视图或子查询。ON子句:关联条件,用于指定目标表和源表的关联条件。不支持更新关联条件中的字段。WHEN MATCHED / WHEN NOT MATCHED子句:不支持INSERT子句中包含多个VALUES。WHEN MATCHED和WHEN NOT MATCHED子句顺序可以交换,可以缺省其中一个,但不能同时缺省,不支持同时指定两个WHEN MATCHED或WHEN NOT MATCHED子句。DEFAULT:用对应字段的缺省值填充该字段。如果没有缺省值,则为NULL。WHERE condition:UPDATE子句和INSERT子句的条件,只有在条件满足时才进行更新操作,可缺省。不支持WHERE条件中引用系统列。三、GaussDB MERGE INTO 语句的应用场景MERGE INTO 语句在多种场景中都有广泛的应用。例如,在数据迁移过程中,可以使用 MERGE INTO 语句将源数据库中的数据迁移到目标数据库,同时保证数据的完整性和一致性。此外,在数据整合、ETL过程、实时数据处理等场景中,MERGE INTO 语句都能发挥其高效的数据处理能力。四、GaussDB MERGE INTO 语句的示例1、示例场景举例假设我们有两个表:source_table 和 target_table。source_table 包含最新的销售数据,而 target_table 存储历史销售数据。我们的目标是更新 target_table 中的销售数据,并插入新的销售记录。2、示例实现过程以下是使用 GaussDB MERGE INTO 语句的实现示例1)创建两个实验表,并初始化测试数据--创建测试表target_table,存储历史销售数据CREATE TABLE public.target_table(product_id VARCHAR(20),product_name VARCHAR(20),sales_sum_number INT,sales_sum_amount MONEY,create_date VARCHAR(8),update_date VARCHAR(8));--插入测试数据INSERT INTO public.target_table(product_id,product_name,sales_sum_number,sales_sum_amount,create_date,update_date) VALUES('P1001','books',100,1000,'20240101','30001231');INSERT INTO public.target_table(product_id,product_name,sales_sum_number,sales_sum_amount,create_date,update_date) VALUES('P1002','pens',200,400,'20240102','30001231');--创建测试表source_table,包含最新的销售数据CREATE TABLE public.source_table(product_id VARCHAR(20),product_name VARCHAR(20),sales_sum_number INT,sales_sum_amount MONEY,create_date VARCHAR(8));--插入测试数据INSERT INTO public.source_table(product_id,product_name,sales_sum_number,sales_sum_amount,create_date) VALUES('P1001','books',50,500,'20240103');INSERT INTO public.source_table(product_id,product_name,sales_sum_number,sales_sum_amount,create_date) VALUES('P1003','toys',100,1000,'20240103');--查看结果SELECT * FROM public.target_table;SELECT * FROM public.source_table;2)更新 target_table 中的销售数据,并插入新的销售记录。--更新 target_table 中的销售数据,并插入新的销售记录。MERGE INTO target_table AS tUSING source_table AS sON (t.product_id = s.product_id)WHEN MATCHED THENUPDATE SET t.sales_sum_number=t.sales_sum_number + s.sales_sum_number,t.sales_sum_amount = t.sales_sum_amount + s.sales_sum_amount,t.update_date = s.create_dateWHEN NOT MATCHED THENINSERT (product_id,product_name,sales_sum_number,sales_sum_amount,create_date,update_date) VALUES (s.product_id,s.product_name,s.sales_sum_number,s.sales_sum_amount,s.create_date,'30001231');--查看执行结果SELECT * FROM public.target_table;3)查看并比对执行结果更新之前的目标表target_table:源表source_table:更新之后的目标表target_table:上述示例中,我们通过 MERGE INTO 语句将 source_table 中的销售数据与 target_table 中的数据进行匹配。在目标中,产品“P1001”销售数量增加了50,销售金额增加了500,更新日期更新为源表中的创建日期。产品“P1002”的销售数据没有变化。产品“P1003”作为一条新的销售数据插入到了历史表(目标表)中。这样,我们就轻松地将最新的销售数据整合到 target_table 中,同时保持数据的完整性和一致性。特别说明:在实际业务操作时,需要提前做好规划,确保执行的准确定、数据的准确性以及数据的安全性,同时做好各个环节的备份等操作。五、小结MERGE INTO 语句在GaussDB数据库中是一个非常好用、方便的SQL工具。同时,在数据处理工作中起着非常重要的作用,它能够提高数据处理效率,简化数据处理流程,满足各种数据处理需求。本文通过在GaussDB数据库中模拟了一则简单的示例为大家进行了讲解,希望可以帮助读者更好的理解与使用。——结束
-
同样一个文件,上传到同样服务器的OBS和上传到同样服务器配置的GaussDB数据库,哪个速度更快。
-
一、数据类型转换场景数据类型转换在实际应用中非常常见。GaussDB作为一款企业级分布式关系型数据库,在实际业务场景使用中,也会避免不了数据类型的转换。以下是一些数据类型转换的应用场景:数据清洗与转换:在数据分析和处理中,经常需要对数据进行清洗和转换,例如将文本数据转换为数字格式,将日期格式转换为文本格式等。数据格式化:在输出数据时,需要将数据格式化为合适的格式,例如将数字格式化为货币格式、百分比格式等。数据计算:在进行数据计算时,需要对数据类型进行转换,例如将整数类型的数据转换为浮点数类型的数据,以便进行精确的计算或处理。数据存储:在将数据存储到数据库中时,需要将不同类型的数据转换为数据库支持的数据类型,以便正确地存储和查询数据。数据传输:在数据传输过程中,需要将不同类型的数据转换为相同的数据类型,以便正确地传输数据。总之,数据类型转换在数据处理、数据分析、数据存储和数据传输等领域都有广泛的应用。二、数据类型转换及示例在SQL语言中,每个数据都与一个决定其行为和用法的数据类型相关。GaussDB提供一个可扩展的数据类型系统,该系统比其它SQL实现更具通用性和灵活性。因而,GaussDB中大多数类型转换是由通用规则来管理的。数据库中允许有些数据类型进行隐式类型转换(赋值、函数调用的参数等),有些数据类型间不允许进行隐式数据类型转换,可尝试使用GaussDB提供的类型转换函数。1、cast(value AS type) 描述:CAST进行数据类型强转。如果有必要,可以将值显式转换为指定类型。1)整型转浮点型SELECT CAST(1 AS FLOAT8); -- 将整数 1 转换为浮点数2)浮点型转整型SELECT CAST(3.14 AS INT4); -- 将浮点数 3.14 转换为整数 33)布尔型转整型使用 CAST 函数将布尔型数据转换为整型数据,其中 TRUE 转换为 1,FALSE 转换为 0,例如:SELECT CAST(TRUE AS INT4),CAST(FALSE AS INT4); -- 将布尔型数据 TRUE 转换为整数 1;将布尔型数据 FALSE 转换为整数 02、to_date(text)描述:将文本类型的值转换为指定格式的时间戳。格式一:无分隔符日期,如20230314,需要包括完整的年月日。格式二:带分隔符日期,如2023-03-14,分隔符可以是单个任意非数字字符。SELECT TO_DATE('20230314'),TO_DATE('2023-03-14');3、to_date(text,format)描述:将字符串类型的值转换为指定格式的日期。SELECT TO_DATE('14 MAR 2023', 'DD MON YYYY'),TO_DATE('20230314','YYYYMMDD'); 4、to_char(datetime, format)描述:日期时间型转字符型。SELECT TO_CHAR(NOW(), 'YYYY-MM-DD HH24:MI:SS'); -- 将当前日期时间型数据转换为字符型数据,格式为 'YYYY-MM-DD HH24:MI:SS'5、to_char(string)描述:将CHAR、VARCHAR、VARCHAR2、CLOB类型转换为VARCHAR类型。SELECT TO_CHAR(1110)6、CASE 表达式布尔型转字符型,使用 CASE 表达式将布尔型数据转换为字符型数据,例如:1)SELECT CASE WHEN TRUE THEN 'TRUE' ELSE 'FALSE' END; -- 将布尔型数据 TRUE 转换为字符型数据 'TRUE'2)SELECT CASE WHEN FALSE THEN 'TRUE' ELSE 'FALSE' END; -- 将布尔型数据 FALSE 转换为字符型数据 'FALSE'三、 小结数据类型转换是将一种数据类型转换为另一种数据类型的过程。在中,我们经常需要对数据类型进行转换以满足代码的需求。 在很多编程语言中,数据类型转换可以分为隐式转换和显式转换两种类型。 隐式转换是指在代码中进行赋值、运算或比较等操作时,编程语言会自动对数据类型进行转换,以保证操作的正确性和合法性。GaussDB支持多种数据类型转换,以下是GaussDB中常用的数据类型转换方式:隐式转换:GaussDB支持隐式转换,即在表达式中,如果不同数据类型的操作数参与运算,GaussDB会自动将其中一个数据类型转换为另一个数据类型,以满足运算要求。例如,如果一个整型数值与一个浮点型数值进行运算,GaussDB会将整数转换为浮点数再进行运算。显式转换:GaussDB中支持使用CAST函数进行显式转换。CAST函数可将一个数据类型的值转换为另一个数据类型的值。例如,使用CAST函数将一个字符串类型转换为整型类型。数字转换:GaussDB支持将数字类型转换为其他数字类型,例如将整型转换为小数型、将小数型转换为整型等。字符串转换:GaussDB支持将字符串类型转换为其他数据类型,例如将字符串转换为整型、将字符串转换为日期类型等。日期转换:GaussDB支持将日期类型转换为其他日期类型,例如将日期转换为时间类型、将时间类型转换为日期类型等。布尔型转换:GaussDB支持将布尔型数据转换为其他数据类型,例如将布尔型转换为整型、将布尔型转换为字符串类型等。……需要注意的是,在进行数据类型转换时,应该考虑出现的数据精度、数据溢出、数据失真等问题,同时也要避免数据类型不兼容造成的错误。当然了,数据类型转换也会影响查询效率和性能,需要根据实际业务需求和数据量大小进行优化和调整。以上示例到此结束,更多类型转换可参考官网文档,欢迎大家测试、交流。
-
《GaussDB数据类型介绍》目录:一、GaussDB 数据库二、数据类型概念及特点三、常用数据类型1、常用字符串类型介绍2、布尔类型3、数值类型4、日期/时间类型四、数据类型选择建议附:GaussDB数据库涉及的数据类型一、GaussDB 数据库GaussDB是华为基于openGauss自研生态推出的云化企业级分布式关系型数据库,它支持多种数据类型,包括数值、字符、日期等。在使用GaussDB时,可能需要进行数据类型转换,以满足不同的需求。本文将以示例的形式罗列并介绍一些常见的数据类型转换方法等。二、数据类型概念及特点数据类型是一组值的集合以及定义在这个值集上的一组操作。GaussDB数据库是由表的集合组成的,而各表中的列定义了该表,每一列都属于一种数据类型,GaussDB根据数据类型有相应函数对其内容进行操作,例如GaussDB可对数值型数据进行加、减、乘、除操作等。数据类型是用来定义数据存储格式和数据范围的规范。每种数据类型都有自己的特点和适用范围,它们在数据库中的作用主要有以下几点:存储数据:数据库中的每个字段都必须指定数据类型,这样才能确定它们在数据库中的存储格式。不同的数据类型使用不同的存储方式,例如整型会以二进制形式存储,而字符型则以ASCII码或Unicode编码形式存储。约束数据范围:数据类型可以限制某个字段存储的数据范围,例如整型只能存储整数值,小数型只能存储浮点数等。这样可以确保数据的准确性和完整性,防止非法值进入数据库。提高查询效率:数据库在查询数据时会根据字段的数据类型进行优化,例如对整型字段的查询会比对字符型字段的查询更快,因为整型字段的数据存储格式更简单,计算也更快。降低存储空间:不同的数据类型使用不同的存储方式,一些数据类型可以在存储时减少存储空间的占用。例如使用整型可以减少存储空间的占用,因为整型在存储时只需要占用4个字节,而字符型则需要占用更多的存储空间。提高数据安全性:数据类型可以帮助数据库对数据进行有效的过滤和验证,限制不合法的数据输入,增强数据的安全性和可靠性。综上所述,数据类型在数据库中扮演着极为重要的角色,它们不仅仅用于存储数据,还可以提高查询效率、降低存储空间、提高数据安全性等。数据库开发人员在设计数据库时必须充分了解各种数据类型的特点和使用场景,合理选用数据类型,才能保证数据库的高效性和稳定性。三、常用数据类型1、常用字符串类型介绍在进行字段设计时,需要根据数据特征选择相应的数据类型。字符串类型在使用时比较容易混淆,下表罗列了GaussDB中常见的字符串类型。1)常用字符串类型2)示例--创建表。CREATE TABLE t_char_type(column1 VARCHAR(5))DISTRIBUTE BY HASH (column1);--插入数据。INSERT INTO t_char_type VALUES ('ok');--插入的数据长度超过类型规定的长度报错。INSERT INTO t_char_type VALUES ('too long');ERROR: value too long for type character varying(5)CONTEXT: referenced column: column1--明确类型的长度,超过数据类型长度后会自动截断。INSERT INTO t_char_type VALUES ('too long'::varchar(5));--查询数据。SELECT column1, char_length(column1) FROM t_char_type;column1 | char_length---------+-------------ok | 2too l | 5(2 rows)2、布尔类型1)说明“真”值的有效文本值是:TRUE、't'、'true'、'y'、'yes'、'1'以及所有非0整数。“假”值的有效文本值是:FALSE、'f'、'false'、'n'、'no'、'0'、0。使用TRUE和FALSE是比较规范的用法(也是SQL兼容的用法)。2)示例--创建表。CREATE TABLE t_bool_type(column1 BOOLEAN,column2 TEXT)DISTRIBUTE BY HASH(column2);--插入数据。INSERT INTO t_bool_type VALUES (TRUE, 'one');INSERT INTO t_bool_type VALUES (FALSE, 'two');--查看数据。SELECT * FROM t_bool_type;column1 | column2---------+---------t | onef | two(2 rows)SELECT * FROM t_bool_type WHERE column1 = 't';column1 | column2---------+---------t | one(1 row)3、数值类型1) 整数类型TINYINT、SMALLINT、INTEGER和BIGINT类型存储各种范围的数字,也就是整数。试图存储超出范围以外的数值将会导致错误。常用的类型是INTEGER,因为它提供了在范围、存储空间、性能之间的最佳平衡。一般只有取值范围确定不超过SMALLINT的情况下,才会使用SMALLINT类型。而只有在INTEGER的范围不够的时候才使用BIGINT,因为前者相对快得多。2)示例--创建具有TINYINT,INTEGER,BIGINT类型数据的表。openGauss=# CREATE TABLE t_int_type(column1 TINYINT,column2 TINYINT,column3 INTEGER,column4 BIGINT);--插入数据。openGauss=# INSERT INTO int_type_t2 VALUES(100, 10, 1000, 10000);--查看数据。openGauss=# SELECT * FROM int_type_t2;column1 | column2 | column3 | column4-----------+----------+------------+-------100 | 10 | 1000 | 10000(1 row)4、日期/时间类型1)日期输入说明:日期和时间的输入几乎可以是任何合理的格式,包括ISO-8601格式、SQL-兼容格式、传统POSTGRES格式或者其它的形式。系统支持按照日、月、年的顺序自定义日期输入。如果把DateStyle参数设置为MDY就按照“月-日-年”解析,设置为DMY就按照“日-月-年”解析,设置为YMD就按照“年-月-日”解析。日期的文本输入需要加单引号包围,语法:type [ ( p ) ] 'value',可选的精度声明中的p是一个整数,表示在秒域中小数部分的位数。2)时间段输入说明:reltime的输入方式可以采用任何合法的时间段文本格式,包括数字形式(含负数和小数)及时间形式,其中时间形式的输入支持SQL标准格式、ISO-8601格式、POSTGRES格式等。另外,文本输入需要加单引号。四、数据类型选择建议选择数据类型,在字段设计时,基于查询效率的考虑,一般遵循以下原则:选择数值类型时,在满足业务精度的情况下,选择数据类型的优先级从高到低依次为整数、浮点数、NUMERIC。使用一致的数据类型,当多个表存在逻辑关系时,表示同一含义的字段应该使用相同的数据类型。对于字符串数据,建议使用变长字符串数据类型,并指定最大长度。请务必确保指定的最大长度大于需要存储的最大字符数,避免超出最大长度时出现字符截断现象。除非明确知道数据类型为固定长度字符串,否则,不建议使用CHAR(n)、BPCHAR(n)、NCHAR(n)、CHARACTER(n)。索引字段的总长度不超过50字节。否则,索引大小会膨胀比较严重,带来较大的存储开销,同时索引性能也会下降。尽量使用执行效率比较高的数据类型,一般来说整型数据运算(包括=、>、<、≧、≦、≠等常规的比较运算,以及group by)的效率比字符串、浮点数要高。比如某客户场景中对列存表进行点查询,filter条件在一个numeric列上,执行时间为10+s;修改numeric为int类型之后,执行时间缩短为1.8s左右。尽量使用短字段的数据类型:长度较短的数据类型不仅可以减小数据文件的大小,提升IO性能;同时也可以减小相关计算时的内存消耗,提升计算性能。比如对于整型数据,如果可以用smallint就尽量不用int,如果可以用int就尽量不用bigint。表关联列尽量使用相同的数据类型。如果表关联列数据类型不同,数据库必须动态地转化为相同的数据类型进行比较,这种转换会带来一定的性能开销。附:GaussDB数据库涉及的数据类型“数值类型、货币类型、布尔类型、字符类型、二进制类型、日期/时间类型、几何类型、网络地址类型、位串类型、文本搜索类型、UUID类型、JSON/JSONB类型、HLL数据类型、范围类型、对象标识符类型、伪类型、列存表支持的数据类型、账本数据库使用的数据类型”。详见官方文档:cid:link_0以上就是本期的内容,欢迎大家测试、交流!
-
如果是pgsql模式,是否同样要像在postgreSQL数据库那样额外安装pg_cron和pgAgent扩展?
-
如果使用openGauss迁移至GaussDB麻烦吗?
-
GaussDB是华为自主创新研发的分布式关系型数据库,它基于华为20余年战略投入、软硬全栈协同所创新研发,具备高可用、高性能、高安全、高弹性、高智能、易部署、易迁移等关键能力,是企业核心业务数字化转型升级的坚实数据底座。GaussDB支持分布式事务、同城跨AZ部署,并且数据0丢失,具有1000+的扩展能力,支持PB级海量存储。同时,它拥有云上高可用、高可靠、高安全、弹性伸缩、一键部署、快速备份恢复、监控告警等关键能力,能为企业提供功能全面、稳定可靠、扩展性强、性能优越的企业级数据库服务。同时,GaussDB是一个强大的开源关系型数据库系统,它提供了丰富的SQL功能和特性,以下是一些GaussDB的常用语法总结:1. 创建数据库CREATE DATABASE database_name;2. 删除数据库DROP DATABASE database_name;3. 创建表CREATE TABLE table_name ( column1 datatype, column2 datatype, column3 datatype, .... );4. 删除表DROP TABLE table_name;5. 插入数据INSERT INTO table_name (column1, column2, column3, ...) VALUES (value1, value2, value3, ...);6. 查询数据SELECT column1, column2, ... FROM table_name WHERE condition;7. 更新数据UPDATE table_name SET column1 = value1, column2 = value2, ... WHERE condition;8. 删除数据DELETE FROM table_name WHERE condition;9. 创建索引CREATE INDEX index_name ON table_name (column_name);10. 删除索引DROP INDEX index_name;11. 约束主键约束ALTER TABLE table_name ADD PRIMARY KEY (column_name);唯一约束ALTER TABLE table_name ADD UNIQUE (column_name);检查约束ALTER TABLE table_name ADD CHECK (condition);外键约束ALTER TABLE table_name ADD FOREIGN KEY (column_name) REFERENCES other_table(column_name);12. 聚合函数COUNTSELECT COUNT(column_name) FROM table_name;SUMSELECT SUM(column_name) FROM table_name;AVGSELECT AVG(column_name) FROM table_name;MAX 和 MINSELECT MAX(column_name) FROM table_name; SELECT MIN(column_name) FROM table_name;13. 分组与排序GROUP BYSELECT column_name, COUNT(*) FROM table_name GROUP BY column_name;ORDER BYSELECT column_name FROM table_name ORDER BY column_name ASC|DESC;14. 连接表INNER JOINSELECT columns FROM table1 INNER JOIN table2 ON table1.column = table2.column;LEFT JOINRIGHT JOINFULL JOIN15. 子查询SELECT column_name FROM table_name WHERE column_name IN (SELECT column_name FROM another_table);16. 视图创建视图CREATE VIEW view_name AS SELECT column1, column2, ... FROM table_name WHERE condition;删除视图DROP VIEW view_name;17. 事务处理开始事务BEGIN;提交事务COMMIT;回滚事务ROLLBACK;
-
背景 在这篇文章中,我们将深入探讨GaussDB数据库中聚合函数的使用和优化。聚合函数是数据库查询中非常重要的工具,它们可以对一组值执行计算并返回单个值。例如,聚合函数可以用来计算平均值、总和、最大值和最小值。 这些功能在数据分析和报告中尤为关键。我们将通过实际示例展示如何有效地在GaussDB中应用这些聚合函数,同时也将探讨一些高级技巧,包括如何结合GROUP BY子句和使用窗口函数,以及如何优化查询性能。通过本文,您将获得关于GaussDB聚合函数的深入了解,为您的数据分析工作提供强大的支持。 一、聚合函数概述 聚合函数,顾名思义,就是会将数据记录聚合到一起的函数。 比如原先数据库中有100条记录,用聚合函数查询这100条记录中的最大值,最后输出的只有最大值的这一条记录。 聚合函数是SQL中用于在一系列值上执行计算并返回单一值的函数。在GaussDB中,常见的聚合函数包括: SUM():计算数值列中所有值的总和。 AVG():计算数值列的平均值。 COUNT():统计一列中的元素数量,可以是所有元素或去重后的元素。 MAX()和MIN():分别找出一列中的最大值和最小值。 这些函数通常用于数据分析,特别是在处理大型数据集时,可以帮助快速得到关键数据指标。了解并有效使用这些聚合函数对于任何使用GaussDB进行数据处理的人来说都是必要的技能。 二、实际应用示例: 1、创建数据表和插入数据 销售数据表 CREATE TABLE sales ( id INT, product VARCHAR(50), quantity INT, amount DECIMAL(10,2), sale_date DATE ); 插入数据:INSERT INTO sales VALUES (1, '产品A', 10, 500.00, '2023-01-10');INSERT INTO sales VALUES (2, '产品B', 5, 300.00, '2023-01-12');INSERT INTO sales VALUES (3, '产品C', 15, 450.00, '2023-02-15');产品类别表CREATE TABLE products ( id INT, name VARCHAR(50), category VARCHAR(50)); 插入数据:INSERT INTO products VALUES (1, '产品A', '电子');INSERT INTO products VALUES (2, '产品B', '家具');INSERT INTO products VALUES (3, '产品C', '电子');员工工资表CREATE TABLE employees ( id INT, name VARCHAR(50), department VARCHAR(50), salary DECIMAL(10,2));插入数据:INSERT INTO employees VALUES (1, '张三', 'IT', 8000.00);INSERT INTO employees VALUES (2, '李四', '财务', 9500.00);INSERT INTO employees VALUES (3, '王五', 'IT', 7800.00); 总销售额统计SELECT SUM(amount) FROM sales WHERE sale_date BETWEEN '2023-01-01' AND '2023-03-31';产品类别统计SELECT category, COUNT(*) FROM products GROUP BY category;最高销售记录SELECT MAX(quantity) FROM sales;部门工资分析SELECT department, AVG(salary) FROM employees GROUP BY department;二、高级应用1. 分组统计分组聚合:使用GROUP BY子句结合聚合函数,如SUM(),统计不同组别的数据总和。SELECT department, SUM(salary) FROM employees GROUP BY department;2. 窗口函数使用窗口函数进行排序:例如,使用ROW_NUMBER()为销售记录中每个产品的销售额进行排序。SELECT product_name, sale_date, amount, ROW_NUMBER() OVER(PARTITION BY product_name ORDER BY amount DESC) AS rankFROM sales;三、GaussDB云原生数据库GaussDB是一款高性能、高安全的云原生数据库,在数据库领域处于领先地位。作为一个三、GaussDB云原生数据库GaussDB是一款高性能、高安全的云原生数据库,在数据库领域处于领先地位。作为一个高可靠性的全球化分布式关系型数据库,GaussDB数据库提供了丰富的存储过程支持,为存储过程的开发、管理和执行提供了更多的优化策略和高可用性保障。 华为云GaussDB作为新一代分布式数据库,具备“五高两易”的核心技术竞争力,即高可用、高性能、高安全、高弹性、高智能、易部署、易迁移,充分满足金融客户对数据库的严苛要求。过去4年里,GaussDB经受了各国有大行数千亿行大表数据、数十万TPS/QPS、数亿存储过程的大数据量压测和极端场景考验,具有极其丰富的迁移经验,保证业务系统长期稳定运行。基于各大行业务对产品能力与迁移能力的充分验证,华为云GaussDB在城商农信银行、证券保险行业也完成了大规模的部署。 GaussDB是华为自主研发的企业级分布式关系型数据库,支持集中式和分布式两种部署方式。为企业提供了高可用,高可靠,高安全等能力,其产品全栈自研,并且具有完善生态工具和开源社区。在实际去O的项目过程,经常会遇到分区表的迁移,本文为大家介绍分区表设置自动新增分区。 华为云GaussDB还持续构建数据库生态。通过扩大伙伴生态圈,携手伙伴赋能行业人才;通过联合高校,进行产教融合,做厚人才基础。在行业应用上,GaussDB已全面覆盖金融到关键基础设施行业,保障客户业务安全。 四、总结 聚合函数在GaussDB数据库中的应用展示了其在数据处理和分析方面的强大能力。通过本文,我们不仅学习了基本聚合函数的使用,如SUM、AVG、COUNT、MAX和MIN,还探索了如何通过GROUP BY子句和窗口函数进行更复杂的数据分析。这些技能对于理解和分析大规模数据集至关重要。熟练掌握这些功能,可以显著提高在GaussDB中进行数据处理和分析的效率和准确性。 欢迎小伙伴们交流~ 本文作者:hhh1218
-
前言 故事是这样开始的。我们的小DEMO项目的数据库版本从openGauss 2.1.0升级到了5.0.0版本。升级后进行功能验证的时候,测试同学发现个BUG,原来通过gs_restore导出来的数据再导入时报超长,插入失败了,如下图所示,nvarchar(10)的字段类型,无法插入10个汉字—“齐天大圣孙悟空美猴王”。 一、定位过程疑问一 :openGauss高版本是否没有兼容低版本?接到问题后以为是openGauss 5.0.0版本没有兼容2.1.0版本的字段类型,于是查阅了官网的资料:5.0.0版本2.1.0版本 确认发现两个版本对于nvarchar2(n)类型的定义是一样的,都是表示的字符的长度。 疑问二:5.0.0版本和2.1.0版本对字符的定义是否不同? 查看了数据库列表,确认字符集的异同,为了区分截图,同时查询了openGauss的数据库版本。发现2.1.0版本的模板数据库(template0,template1)的字符集(Encoding)是UTF8,而5.0.0版本的模板数据库(template0,template1)的字符集(Encoding)是SQL_ASCII。 2.1.0: 而openGauss创建数据库的过程,是通过复制template数据库创建的,默认复制template0,参见官网资料对create database的介绍:So,如果创建数据库时不专门指定字符集,那么5.0.0版本和2.1.0版本创建的数据库的字符集就是不同的。2.1.0版本创建的数据库的字符集是UTF8,而5.0.0是SQL_ASCII。2.1.0: 5.0.0: 疑问三:再挖一步,为什么2.1.0版本默认的字符集和5.0.0版本不同呢? 后知后觉的发现原来是因为我之前安装2.1.0环境的时候指定了字符集,指定字符集的命令如下: gs_install -X /opt/software/openGauss/clusterconfig.xml --gsinit-parameter="--locale=zh_CN.utf8 --encoding=UTF-8" 而安装5.0.0版本的时候没有指定字符集,不指定字符集的命令: gs_install -X /opt/software/openGauss/clusterconfig.xml openGauss在不指定字符集的时候默认会是SQL_ASCII,和版本无关,所有版本均如此。 有一点想锤自己且恍然大悟如梦初醒的感觉,不过我们还是继续确认两个字符集的区别。小结:两个字符集的异同查阅官网发现,UTF8和SQL_ASCII的字符的长度是不同的,如下图所示: 导致数据插入失败的原因算是找到了,字符集的区别导致的。 二、解决方法 1. 安装数据库时显式的指定字符集是UTF8,则默认创建好的模板数据库就会继承安装时指定的字符集; gs_install -X /opt/software/openGauss/clusterconfig.xml --gsinit-parameter="--locale=zh_CN.utf8 --encoding=UTF-8" 2. 创建数据库时显式的指定字符集是UTF8,则默认创建好的表就会继承数据库的字符集;3. 创建模式时显示的指定字符集是UTF8,则表的默认字符集就会是UTF8;该方法仅支持B模式的数据库,且要加载dolphon插件,B模式指兼容mysql,目前还没有实证,后续。--官网文档写的有点简陋了。 4. 创建表时显式的指定字符集是UTF8,则表的默认字符集就会是UTF8;5. 增加列时显式指定列的字符集是UTF8,则该列的字符集就会是UTF8;逻辑上讲上述4种都可以,遗憾的是目前对表和列指定字符集的功能,在5.0.0版本并未实现功能,只是支持了语法,而指定模式的字符集,参见第二种方式,仅在B模式下实现了。因此实际操作中,前两种方法都可以,在安装数据库时指定字符集或者创建数据库时指定字符集。指定字符集后再创建表,则表就会继承数据库的字符集,nvarchar(10)就可以支持10个汉字了。三、扩展阅读GaussDB数据库的默认字符集是什么呢?1. GaussDB(3.223.0)默认的encoding是UTF8,template0和template1两个模板数据库的编码格式也是UTF8。Encoding = 7,7表示UTF8默认创建的数据库字符集是UTF8。 2. 那么GaussDB支持创建scheme的时候指定和database的encoding不同的charset吗?试试看,我们创建了一个数据库testdb_ascii,字符集是SQL_ASCII。然后在该数据库中创建一个schema,charset指定UTF8,执行时报错还不支持。 3. 创建表时会怎么样呢?我们试着创建一个指定CHARSET为UTF8的表,执行时没有报错,是可以执行成功,然而查看表信息的时候发现,表的字符集仍然是SQL_ASCII,说明指定CHARSET的操作并没有执行。创建表:4. 增加列时指定charset会怎么样呢?个人理解,由于GaussDB是在openGauss基础上进行的云化,因此也只在B模式下支持,见下图:当我创建了一个B模式的数据库,执行相同的SQL,报错变了,但仍然是没有支持:5. 可见在GaussDB以及openGauss中,创建数据库时要确定好字符集,否则数据库创建好后,就无法再在低一级的Schema,table和Column中重新制定,遇到不适用的场景只能重新建库。 附录 一些本文中用到的脚本汇总: ---不指定字符集安装数据库 gs_install -X /opt/software/openGauss/clusterconfig.xml ---指定字符集为UTF8安装数据库 gs_install -X /opt/software/openGauss/clusterconfig.xml --gsinit-parameter="--locale=zh_CN.utf8 --encoding=UTF-8" ---不指定字符集创建数据库 create database test_encoding_default; ---指定字符集为UTF8创建数据库 create database test_encoding_utf8 encoding 'utf8'; ---切换到另外一个数据库 \c test_encoding_utf8 ---指定字符集创建表 create table t (id nvarchar2(10)) charset = 'utf8'; ---不指定字符集创建表 create table t (cname nvarchar(10)); create table t (id nvarchar2(10)) ; ---显示表t的详细信息 \d t --detail; ---插入数据 insert into t values('齐天大圣孙悟空美猴王'); ---查询字符集,并显示数值value和字符集的对应关系 select encoding,pg_encoding_to_char(encoding) as encoding ,datname from pg_database; 关于作者 本文内容来自于数据库领域资深技术专家赵锋老师,OpenHarmony WEB3 TSG成员。先后就职于大唐电信、华为和软通动力,拥有多年项目开发,设计和优化运维经验。在数据库领域摸爬滚打多年,经历过Oracle,DB2和SQL Server的时代,国产数据库崛起后,对华为GaussDB系列数据库进行了深入学习和研究,获得华为GaussDB HICA、GaussDB HCIP、GaussDB HICA SI以及openGauss HCIA证书。致力于国产开源数据库在业务项目中的实践和应用。 本篇就到此结束了,欢迎交流~
-
使用pgsql的 TABLESAMPLE BERNOULLI(1) 函数说并不支持语法/不支持数据抽样? 因为该表Mc_T_BaseIdCard 的数据量很大,子查询的需求是随机查询出一条。用random()就执行太慢了
-
我们写了一些函数/存储过程用来展现报表数据,为了存储中间数据用了临时表,并且临时表在运行过程中insert的数据量有时候会很大(百万级),因此在后续对这些临时表引用的时候,需要对这些表做动态采样,否则会导致执行计划有问题。在Oralce中,我们在函数/存储过程中在对临时表做关联查询的时候,采用 SELECT /*+ opt_param('OPTIMIZER_DYNAMIC_SAMPLING',6) */ 这样的hint 来要求做动态采样。在Opengauss中,我们先是尝试在INSERT 临时表数据后,通过ANALYZE tablename;来更新该临时表的统计信息,但是ANALYZE无法在函数/存储过程中执行,否则会报”ANALYZE cannot run inside a transaction block”。请问是否有其它办法可以在函数/存储过程中对临时表做动态采样?
-
GaussDB数据量上多少,应该分区?
-
GaussDB有没有什么函数用来数据脱敏,比如自动将查询出的数据中间打上星号?
-
GaussDB怎么实现分页查询?关键字或者函数是什么?
-
GaussDB支持私有化部署吗?
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家;李炎-华为云码道产品专家;彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战,从0到1打通消息通道;码道鸿蒙端云一体化实战,快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人;蒋春阳-华为云AI开发者案例开发专家
本期直播内容: AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了:看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签