SnowConvert AI – SQL Server – Azure Synapse – DMLs¶

BETWEEN¶

Gibt TRUE zurück, wenn sich der Eingabeausdruck (numerisch oder Zeichenfolge) innerhalb der angegebenen unteren und oberen Grenze befindet.

Applies to

SQL Server
Azure Synapse Analytics

Bemerkung

Einige Teile des Ausgabecodes wurden aus Gründen der Übersichtlichkeit weggelassen.

Quellcode

-- Additional Params: -t JavaScript
CREATE PROCEDURE ProcBetween
AS
BEGIN
declare @aValue int = 1;
IF(@aValue BETWEEN 1 AND 2)
   return 1
END;
GO

Erwarteter Code

CREATE OR REPLACE PROCEDURE ProcBetween ()
RETURNS STRING
LANGUAGE JAVASCRIPT
COMMENT = '{"origin":"sf_sc","name":"snowconvert","version":{"major":1, "minor":0},"attributes":{"component":"transact"}}'
EXECUTE AS CALLER
AS
$$
   // SnowConvert AI Helpers Code section is omitted.

   let AVALUE = 1;
   if (SELECT(`   ? BETWEEN 1 AND 2`,[AVALUE])) {
      return 1;
   }
$$;

BULK-INSERT¶

Übersetzungsreferenz für die BULK INSERT-Anweisung.

Applies to

SQL Server
Azure Synapse Analytics

Einige Teile des Ausgabecodes wurden aus Gründen der Übersichtlichkeit weggelassen.

Die direkte Übersetzung für BULK INSERT ist die Snowflake COPY INTO-Anweisung. COPY INTO verwendet nicht direkt den Dateipfad, um die Werte abzurufen. Die Datei sollte vorher in einer STAGE vorhanden sein. Auch die in BULK INSERT verwendeten Optionen sollten in einem Snowflake FILE FORMAT angegeben werden, das von STAGE oder direkt von COPY INTO verwendet wird.

Um eine Datei zu STAGE hinzuzufügen, sollten Sie den Befehl PUT verwenden. Beachten Sie, dass der Befehl nur von der Datei SnowSQL CLI ausgeführt werden kann. Hier ist ein Beispiel für die Schritte, die wir vor der Ausführung von COPY INTO durchführen sollten:

SQL Server¶

-- Additional Params: -t JavaScript
CREATE PROCEDURE PROCEDURE_SAMPLE
AS

CREATE TABLE #temptable  
 ([col1] varchar(100),  
  [col2] int,  
  [col3] varchar(100))  

BULK INSERT #temptable FROM 'C:\test.txt'  
WITH   
(  
   FIELDTERMINATOR ='\t',  
   ROWTERMINATOR ='\n'
); 

GO

Snowflake¶

CREATE OR REPLACE FILE FORMAT FILE_FORMAT_638434968243607970
FIELD_DELIMITER = '\t'
RECORD_DELIMITER = '\n';

CREATE OR REPLACE STAGE STAGE_638434968243607970
FILE_FORMAT = FILE_FORMAT_638434968243607970;

--** SSC-FDM-TS0004 - PUT STATEMENT IS NOT SUPPORTED ON WEB UI. YOU SHOULD EXECUTE THE CODE THROUGH THE SNOWFLAKE CLI **
PUT file://C:\test.txt @STAGE_638434968243607970 AUTO_COMPRESS = FALSE;

CREATE OR REPLACE PROCEDURE PROCEDURE_SAMPLE ()
RETURNS STRING
LANGUAGE JAVASCRIPT
COMMENT = '{"origin":"sf_sc","name":"snowconvert","version":{"major":1, "minor":0},"attributes":{"component":"transact"}}'
EXECUTE AS CALLER
AS
$$
 // SnowConvert AI Helpers Code section is omitted.

 EXEC(`CREATE OR REPLACE TEMPORARY TABLE T_temptable
(
   col1 VARCHAR(100),
   col2 INT,
   col3 VARCHAR(100))`);
 EXEC(`COPY INTO T_temptable FROM @STAGE_638434968243607970/test.txt`);
$$

As you see in the code above, SnowConvert AI identifies all the BULK INSERTS in the code, and for each instance, a new STAGE and FILE FORMAT will be created before the copy into execution. In addition, after the creation of the STAGE, a PUT command will be created as well to add the file to the stage.

The names of the generated statements are auto-generated using the current timestamp in seconds, to avoid collisions between their usages.

Schließlich werden alle Optionen für die Masseneinfügung, sofern zutreffend, den Dateiformatoptionen zugeordnet. Wenn die Option in Snowflake nicht unterstützt wird, wird sie kommentiert und eine Warnung hinzugefügt. Siehe auch [SSC-FDM-TS0004](../../general/technical-documentation/issues-and-troubleshooting/functional-difference/sqlServerFDM. md#ssc-fdm-ts0004).

Unterstützte Bulk-Optionen¶


SQL Server	Snowflake
FORMAT	TYPE
FIELDTERMINATOR	FIELD_DELIMITER
FIRSTROW	SKIP_HEADER
ROWTERMINATOR	RECORD_DELIMITER
FIELDQUOTE	FIELD_OPTIONALLY_ENCLOSED_BY

Allgemeiner Tabellenausdruck (CTE)¶

Applies to

SQL Server
Azure Synapse Analytics

Einige Teile des Ausgabecodes wurden aus Gründen der Übersichtlichkeit weggelassen.

Allgemeine Tabellenausdrücke werden in Snowflake SQL standardmäßig unterstützt.

Syntax¶

Snowflake SQL¶

Unterabfrage:

[ WITH
       <cte_name1> [ ( <cte_column_list> ) ] AS ( SELECT ...  )
   [ , <cte_name2> [ ( <cte_column_list> ) ] AS ( SELECT ...  ) ]
   [ , <cte_nameN> [ ( <cte_column_list> ) ] AS ( SELECT ...  ) ]
]
SELECT ...

Rekursiver CTE:

[ WITH [ RECURSIVE ]
       <cte_name1> ( <cte_column_list> ) AS ( anchorClause UNION ALL recursiveClause )
   [ , <cte_name2> ( <cte_column_list> ) AS ( anchorClause UNION ALL recursiveClause ) ]
   [ , <cte_nameN> ( <cte_column_list> ) AS ( anchorClause UNION ALL recursiveClause ) ]
]
SELECT ...

Wobei:

anchorClause ::=
    SELECT <anchor_column_list> FROM ...

 recursiveClause ::=
     SELECT <recursive_column_list> FROM ... [ JOIN ... ]

Besondere Details¶

The RECURSIVE keyword does not exist in T-SQL, and the transformation does not actively add the keyword to the result. A warning is added to the output code to state this behavior.

Allgemeiner Tabellenausdruck mit SELECT INTO¶

Die folgende Transformation findet statt, wenn der Ausdruck WITH von einer SELECT INTO-Anweisung gefolgt wird, und er wird in eine TEMPORARY TABLE umgewandelt wird.

SQL Server:¶

WITH ctetable(col1, col2) AS
    (
        SELECT	col1, col2 FROM	t1 poh WHERE poh.col1 = 16 and poh.col2 = 4
    ),
    employeeCte AS
    (
	SELECT BUSINESSENTITYID, VACATIONHOURS FROM employee WHERE BUSINESSENTITYID = (SELECT col1 FROM ctetable)
    ),
    finalCte AS
    (
        SELECT BUSINESSENTITYID, VACATIONHOURS FROM employeeCte  
    ) SELECT * INTO #table2 FROM finalCte;

SELECT * FROM #table2;

Snowflake:¶

CREATE OR REPLACE TEMPORARY TABLE T_table2 AS
	WITH ctetable (
		col1,
		col2
	) AS
		   (
		       SELECT
		   		col1,
		   		col2
		       FROM
		   		t1 poh
		       WHERE
		   		poh.col1 = 16 and poh.col2 = 4
		   ),
		   		employeeCte AS
		   		    (
		   			SELECT
		   		BUSINESSENTITYID,
		   		VACATIONHOURS
		       FROM
		   		employee
		       WHERE
		   		BUSINESSENTITYID = (SELECT
		   						col1
		   					FROM
		   						ctetable
		   		)
		   		    ),
		   		finalCte AS
		   		    (
		   		        SELECT
		   		BUSINESSENTITYID,
		   		VACATIONHOURS
		       FROM
		   		employeeCte
		   		    )
		   		SELECT
		       *
		       FROM
		       finalCte;

		       SELECT
		       *
		       FROM
		       T_table2;

Allgemeiner Tabellenausdruck mit anderen Ausdrücken¶

Die folgende Transformation findet statt, wenn der Ausdruck WITH von den Anweisungen INSERT oder DELETE gefolgt wird.

SQL Server:¶

WITH CTE AS( SELECT * from table1)
INSERT INTO Table2 (a,b,c,d)
SELECT a,b,c,d
FROM CTE
WHERE e IS NOT NULL;

Snowflake:¶

INSERT INTO Table2 (a, b, c, d)
WITH CTE AS( SELECT
*
from
table1
)
SELECT
a,
b,
c,
d
FROM
CTE AS CTE
WHERE
e IS NOT NULL;

Allgemeiner Tabellenausdruck mit Delete From Tabellenausdruck¶

Für diese Transformation gilt das nur für eine CTE (Allgemeiner Tabellenausdruck) mit einem Delete From, allerdings nur für einige bestimmte CTEs. Es darf nur eine CTE haben, und sie muss innerhalb einer Funktion von ROW_NUMBER oder RANK haben.

Der Zweck von CTE mit der Funktion Delete muss es sein, Duplikate aus einer Tabelle zu entfernen. Falls CTE mit Delete eine andere Art von Daten entfernen will, wird diese Transformation nicht angewendet.

Sehen wir uns ein Beispiel an. Für ein funktionierendes Beispiel müssen wir zunächst eine Tabelle mit einigen Daten erstellen.

CREATE TABLE WithQueryTest
(
    ID BIGINT,
    Value BIGINT,
    StringValue NVARCHAR(258)
);

Insert into WithQueryTest values(100, 100, 'First');
Insert into WithQueryTest values(200, 200, 'Second');
Insert into WithQueryTest values(300, 300, 'Third');
Insert into WithQueryTest values(400, 400, 'Fourth');
Insert into WithQueryTest values(100, 100, 'First');

Beachten Sie, dass es einen doppelten Wert gibt. Die Zeilen 8 und 12 fügen denselben Wert ein. Jetzt werden wir die doppelten Zeilen in einer Tabelle eliminieren.

WITH Duplicated AS (
SELECT *, ROW_NUMBER() OVER (PARTITION BY ID ORDER BY ID) AS RN
FROM WithQueryTest
)
DELETE FROM Duplicated
WHERE Duplicated.RN > 1

Wenn wir einen Select aus der Tabelle ausführen, wird das folgende Ergebnis angezeigt


ID	Wert	StringValue
100	100	First
200	200	Second
300	300	Third
400	400	Fourth

Note that the duplicated rows have been removed. To preserve this functionality in Snowflake, which does not support DELETE from a CTE, SnowConvert transforms the statement into the following:

CREATE OR REPLACE TABLE PUBLIC.WithQueryTest AS SELECT
*
FROM PUBLIC.WithQueryTest
QUALIFY ROW_NUMBER()
OVER (PARTITION BY ID ORDER BY ID) = 1 ;

Wie Sie sehen, wird die Abfrage in eine Create Or Replace-Tabelle umgewandelt.

To test it in Snowflake, you will need the table.

CREATE OR REPLACE TABLE PUBLIC.WithQueryTest
(
ID BIGINT,
Value BIGINT,
StringValue VARCHAR(258)
);

Insert into PUBLIC.WithQueryTest values(100, 100, 'First');
Insert into PUBLIC.WithQueryTest values(200, 200, 'Second');
Insert into PUBLIC.WithQueryTest values(300, 300, 'Third');
Insert into PUBLIC.WithQueryTest values(400, 400, 'Fourth');
Insert into PUBLIC.WithQueryTest values(100, 100, 'First');

Wenn wir nun das Ergebnis der Transformation ausführen und dann ein Select, um zu prüfen, ob die doppelten Zeilen gelöscht wurden, wäre dies das Ergebnis.


ID	Wert	StringValue
100	100	First
200	200	Second
300	300	Third
400	400	Fourth

Allgemeiner Tabellenausdruck mit der Anweisung MERGE¶

Die folgende Transformation findet statt, wenn der Ausdruck WITH von der Anweisung MERGE gefolgt wird, und er wird in eine MERGE INTO umgewandelt.

SQL Server:¶

WITH ctetable(col1, col2) as 
    (
        SELECT col1, col2
        FROM t1 poh
        where poh.col1 = 16 and poh.col2 = 88
    ),
    finalCte As
    (
        SELECT col1 FROM ctetable  
    )  
    MERGE  
  table1 AS target
  USING finalCte AS source  
  ON (target.ID = source.COL1)
  WHEN MATCHED THEN UPDATE SET target.ID = source.Col1
  WHEN NOT MATCHED THEN INSERT (ID, col1) VALUES (source.COL1, source.COL1 );

Snowflake:¶

MERGE INTO table1 AS target
USING (
  --** SSC-PRF-TS0001 - PERFORMANCE WARNING - RECURSION FOR CTE NOT CHECKED. MIGHT REQUIRE RECURSIVE KEYWORD **
  WITH ctetable (
    col1,
    col2
  ) as
       (
           SELECT
           col1,
           col2
           FROM
           t1 poh
           where
           poh.col1 = 16 and poh.col2 = 88
       ),
           finalCte As
               (
                   SELECT
           col1
           FROM
           ctetable
               )
           SELECT
           *
           FROM
           finalCte
) AS source
ON (target.ID = source.COL1)
WHEN MATCHED THEN
           UPDATE SET
           target.ID = source.Col1
WHEN NOT MATCHED THEN
           INSERT (ID, col1) VALUES (source.COL1, source.COL1);

Allgemeiner Tabellenausdruck mit der Anweisung UPDATE¶

Die folgende Transformation findet statt, wenn auf den Ausdruck WITH eine Anweisung UPDATE folgt. Er wird in eine UPDATE-Anweisung umgewandelt.

SQL Server:¶

WITH ctetable(col1, col2) AS 
    (
        SELECT col1, col2
        FROM table2 poh
        WHERE poh.col1 = 5 and poh.col2 = 4
    )
UPDATE tab1
SET ID = 8, COL1 = 8
FROM table1 tab1
INNER JOIN ctetable CTE ON tab1.ID = CTE.col1;

Snowflake:¶

UPDATE dbo.table1 tab1
    SET
        ID = 8,
        COL1 = 8
    FROM
        (
            WITH ctetable (
                col1,
                col2
            ) AS
                   (
                       SELECT
                           col1,
                           col2
                       FROM
                           table2 poh
                       WHERE
                           poh.col1 = 5 and poh.col2 = 4
                   )
                   SELECT
                       *
                   FROM
                       ctetable
        ) AS CTE
    WHERE
        tab1.ID = CTE.col1;

Bekannte Probleme¶

Es wurden keine Probleme gefunden.

Zugehörige EWIs¶

[SSC-EWI-0108](../../general/technical-documentation/issues-and-troubleshooting/conversion-issues/generalEWI. md#ssc-ewi-0108): Die folgende Unterabfrage stimmt mit mindestens einem der als ungültig angesehenen Muster überein und kann Kompilierungsfehler verursachen.
SSC-PRF-TS0001: Leistungswarnung – Rekursion für CTE nicht geprüft. Möglicherweise ist ein rekursives Schlüsselwort erforderlich.

DELETE¶

Übersetzungsreferenz für die DELETE-Anweisung von Transact-SQL in Snowflake

Applies to

SQL Server
Azure Synapse Analytics

Bemerkung

Einige Teile des Ausgabecodes wurden aus Gründen der Übersichtlichkeit weggelassen.

Beschreibung¶

Removes one or more rows from a table or view in SQL Server. For more information, see the SQL Server DELETE documentation.

 [ WITH <common_table_expression> [ ,...n ] ]  
DELETE   
    [ TOP ( expression ) [ PERCENT ] ]   
    [ FROM ]   
    { { table_alias  
      | <object>   
      | rowset_function_limited   
      [ WITH ( table_hint_limited [ ...n ] ) ] }   
      | @table_variable  
    }  
    [ <OUTPUT Clause> ]  
    [ FROM table_source [ ,...n ] ]   
    [ WHERE { <search_condition>   
            | { [ CURRENT OF   
                   { { [ GLOBAL ] cursor_name }   
                       | cursor_variable_name   
                   }   
                ]  
              }  
            }   
    ]   
    [ OPTION ( <Query Hint> [ ,...n ] ) ]   
[; ]  
  
<object> ::=  
{   
    [ server_name.database_name.schema_name.   
      | database_name. [ schema_name ] .   
      | schema_name.  
    ]  
    table_or_view_name   
}  

Beispielhafte Quellcode-Muster¶

Beispieldaten¶

SQL Server¶

CREATE TABLE Employees (
    EmployeeID INT PRIMARY KEY,
    FirstName VARCHAR(50),
    LastName VARCHAR(50),
    DepartmentID INT
);

CREATE TABLE Departments (
    DepartmentID INT PRIMARY KEY,
    DepartmentName VARCHAR(50)
);

INSERT INTO Employees (EmployeeID, FirstName, LastName, DepartmentID) VALUES
(1, 'John', 'Doe', 1),
(2, 'Jane', 'Smith', 2),
(3, 'Bob', 'Johnson', 1),
(4, 'Alice', 'Brown', 3),
(5, 'Michael', 'Davis', NULL);

INSERT INTO Departments (DepartmentID, DepartmentName) VALUES
(1, 'Sales'),
(2, 'Marketing'),
(3, 'Engineering'),
(4, 'Finance');

Snowflake¶

CREATE OR REPLACE TABLE Employees (
    EmployeeID INT PRIMARY KEY,
    FirstName VARCHAR(50),
    LastName VARCHAR(50),
    DepartmentID INT
);

CREATE OR REPLACE TABLE Departments (
    DepartmentID INT PRIMARY KEY,
    DepartmentName VARCHAR(50)
);

INSERT INTO Employees (EmployeeID, FirstName, LastName, DepartmentID) VALUES
(1, 'John', 'Doe', 1),
(2, 'Jane', 'Smith', 2),
(3, 'Bob', 'Johnson', 1),
(4, 'Alice', 'Brown', 3),
(5, 'Michael', 'Davis', NULL);

INSERT INTO Departments (DepartmentID, DepartmentName) VALUES
(1, 'Sales'),
(2, 'Marketing'),
(3, 'Engineering'),
(4, 'Finance');

Grundlegender Fall¶

Die Transformation für die Anweisung DELETE ist ziemlich einfach, wenn auch mit einigen Vorbehalten. Einer dieser Vorbehalte ist die Art und Weise, wie Snowflake mehrere Quellen in der FROM-Klausel unterstützt. Es gibt jedoch eine Entsprechung in Snowflake, wie unten gezeigt.

SQL Server¶

 DELETE T1 FROM Departments T2, Employees T1 WHERE T1.DepartmentID = T2.DepartmentID

Snowflake¶

DELETE FROM
Employees T1
USING Departments T2
WHERE
T1.DepartmentID = T2.DepartmentID;

Bemerkung

Beachten Sie, dass das Vorhandensein von TABLE2 T2 in der FROM-Klausel die Erstellung der USING-Klausel erfordert, da das ursprüngliche DELETE für T1 galt.

Duplikate aus einer Tabelle löschen¶

Die folgende Dokumentation erläutert ein gängiges Muster zum Entfernen doppelter Zeilen aus einer Tabelle in SQL Server. Bei diesem Ansatz wird die Funktion ROW_NUMBER verwendet, um die Daten auf der Grundlage der key_value zu partitionieren, die eine oder mehrere durch Kommas getrennte Spalten sein können. Löschen Sie dann alle Datensätze, die einen Zeilennummernwert größer als 1 erhalten haben. Dieser Wert zeigt an, dass es sich bei den Datensätzen um Duplikate handelt. Sie können die referenzierte Dokumentation lesen, um die Verhaltensweise dieser Methode zu verstehen und sie nachzustellen.

DELETE T
FROM
(
SELECT *
, DupRank = ROW_NUMBER() OVER (
              PARTITION BY key_value
              ORDER BY ( {expression} )
            )
FROM original_table
) AS T
WHERE DupRank > 1 

Das folgende Beispiel verwendet diesen Ansatz zum Entfernen von Duplikaten aus einer Tabelle und ihrer Entsprechung in Snowflake. Die Transformation besteht aus einer INSERT OVERWRITE -Anweisung, die die Tabelle abschneidet (alle Daten entfernt) und dann die Zeilen in derselben Tabelle wieder einfügt, wobei die duplizierten Zeilen ignoriert werden. Der Ausgabecode wird unter Berücksichtigung der gleichen PARTITION BY- und ORDER BY-Klauseln generiert, die im Originalcode verwendet wurden.

SQL Server¶

Erstellen Sie eine Tabelle mit doppelten Zeilen

Duplikate einfügen¶

 create table duplicatedRows(
    someID int,
    col2 bit,
    col3 bit,
    col4 bit,
    col5 bit
);

insert into duplicatedRows VALUES(10, 1, 0, 0, 1);
insert into duplicatedRows VALUES(10, 1, 0, 0, 1);
insert into duplicatedRows VALUES(11, 1, 1, 0, 1);
insert into duplicatedRows VALUES(12, 0, 0, 1, 1);
insert into duplicatedRows VALUES(12, 0, 0, 1, 1);
insert into duplicatedRows VALUES(13, 1, 0, 1, 0);
insert into duplicatedRows VALUES(14, 1, 0, 1, 0);
insert into duplicatedRows VALUES(14, 1, 0, 1, 0);

select * from duplicatedRows;

Ausgabe¶


someID	col2	col3	col4	col5
10	true	false	false	true
10	true	false	false	true
11	true	true	false	true
12	false	false	true	true
12	false	false	true	true
13	true	false	true	false
14	true	false	true	false
14	true	false	true	false

Duplikate entfernen¶

 DELETE f FROM (
	select  someID, row_number() over (
		partition by someID, col2
		order by
			case when COL3 = 1 then 1 else 0 end
			+ case when col4 = 1 then 1 else 0 end
			+ case when col5 = 1 then 1 else 0 end
			asc
		) as rownum
	from
		duplicatedRows
	) f where f.rownum > 1;
	
select * from duplicatedRows;

Ausgabe¶


someID	col2	col3	col4	col5
10	true	false	false	true
11	true	true	false	true
12	false	false	true	true
13	true	false	true	false
14	true	false	true	false

Snowflake¶

Erstellen Sie eine Tabelle mit doppelten Zeilen

Duplikate einfügen¶

 create table duplicatedRows(
    someID int,
    col2 BOOLEAN,
    col3 BOOLEAN,
    col4 BOOLEAN,
    col5 BOOLEAN
);

insert into duplicatedRows VALUES(10, 1, 0, 0, 1);
insert into duplicatedRows VALUES(10, 1, 0, 0, 1);
insert into duplicatedRows VALUES(11, 1, 1, 0, 1);
insert into duplicatedRows VALUES(12, 0, 0, 1, 1);
insert into duplicatedRows VALUES(12, 0, 0, 1, 1);
insert into duplicatedRows VALUES(13, 1, 0, 1, 0);
insert into duplicatedRows VALUES(14, 1, 0, 1, 0);
insert into duplicatedRows VALUES(14, 1, 0, 1, 0);

select * from duplicatedRows;

Ausgabe¶


someID	col2	col3	col4	col5
10	true	false	false	true
10	true	false	false	true
11	true	true	false	true
12	false	false	true	true
12	false	false	true	true
13	true	false	true	false
14	true	false	true	false
14	true	false	true	false

Duplikate entfernen¶

   insert overwrite into duplicatedRows
            SELECT
                *
            FROM
                duplicatedRows
            QUALIFY
                ROW_NUMBER()
                over
                (partition by someID, col2
		    order by
			case when COL3 = 1 then 1 else 0 end
			+ case when col4 = 1 then 1 else 0 end
			+ case when col5 = 1 then 1 else 0 end
			asc) = 1;
	
select * from duplicatedRows;

Ausgabe¶


someID	col2	col3	col4	col5
10	true	false	false	true
11	true	true	false	true
12	false	false	true	true
13	true	false	true	false
14	true	false	true	false

Warnung

Bedenken Sie, dass es mehrere Variationen dieses Musters geben kann, die aber alle auf demselben Prinzip beruhen und dieselbe Struktur haben.

DELETE WITH INNER JOIN¶

SQL-SERVER¶

DELETE ee
FROM Employees ee INNER JOIN Departments dept
ON ee.DepartmentID = dept.DepartmentID;

SELECT * FROM Employees;

Ausgabe¶


EmployeeID	FirstName	LastName	DepartmentID
5	Michael	Davis	null
6	Lucas	Parker	8

Snowflake¶

DELETE FROM
    Employees ee
USING Departments dept
WHERE
    ee.DepartmentID = dept.DepartmentID;

SELECT
    *
FROM
    Employees;

Ausgabe¶


EmployeeID	FirstName	LastName	DepartmentID
5	Michael	Davis	null
6	Lucas	Parker	8

DELETE WITH LEFT JOIN¶

SQL Server¶

DELETE Employees
FROM Employees LEFT JOIN Departments
ON Employees.DepartmentID = Departments.DepartmentID
WHERE Departments.DepartmentID IS NULL;

SELECT * FROM Employees;

Ausgabe¶


EmployeeID	FirstName	LastName	DepartmentID
1	John	Doe	1
2	Jane	Smith	2
3	Bob	Johnson	1
4	Alice	Brown	3

Snowflake¶

DELETE FROM
    Employees
USING Departments
WHERE
    Departments.DepartmentID IS NULL
    AND Employees.DepartmentID = Departments.DepartmentID(+);

SELECT
    *
FROM
    Employees;

Ausgabe¶


EmployeeID	FirstName	LastName	DepartmentID
1	John	Doe	1
2	Jane	Smith	2
3	Bob	Johnson	1
4	Alice	Brown	3

DELETE WITH RIGHT JOIN¶

SQL-SERVER¶

DELETE Employees
FROM Employees RIGHT JOIN Departments
ON Employees.DepartmentID = Departments.DepartmentID
WHERE Employees.DepartmentID IS NOT NULL;

SELECT * FROM Employees;

Ausgabe¶


EmployeeID	FirstName	LastName	DepartmentID
5	Michael	Davis	null
6	Lucas	Parker	8

Snowflake¶

DELETE FROM
    Employees
USING Departments
WHERE
    Employees.DepartmentID IS NOT NULL
    AND Employees.DepartmentID(+) = Departments.DepartmentID;

SELECT
    *
FROM
    Employees;

Ausgabe¶


EmployeeID	FirstName	LastName	DepartmentID
5	Michael	Davis	null
6	Lucas	Parker	8

Bekannte Probleme¶

FULL JOIN nicht unterstützt\ FULL JOIN kann nicht mit der (+)-Syntax dargestellt werden. Wird die Anweisung gefunden, warnt SnowConvert AI Benutzende mit einer FDM davor.

SQL Server¶

DELETE Employees
FROM Employees FULL OUTER JOIN Departments
ON Employees.DepartmentID = Departments.DepartmentID
WHERE Departments.DepartmentID IS NULL;

Snowflake¶

 !!!RESOLVE EWI!!! /*** SSC-EWI-TS0081 - USING A FULL JOIN IN A DELETE STATEMENT IS NOT SUPPORTED ***/!!!
DELETE FROM
    Employees
USING Departments
WHERE
    Departments.DepartmentID IS NULL
    AND Employees.DepartmentID = Departments.DepartmentID;

Zugehörige EWIs¶

SSC-EWI-TS0081: Die Verwendung von FULL JOIN in einer DELETE-Anweisung wird nicht unterstützt

DROP-STATEMENT¶

DROP-Anweisungen

Applies to

SQL Server
Azure Synapse Analytics

Einige Teile des Ausgabecodes wurden aus Gründen der Übersichtlichkeit weggelassen.

DROP TABLE¶

Transact-SQL¶

DROP TABLE [ IF EXISTS ] <table_name> [ ,...n ]  
[ ; ]  

Snowflake¶

DROP TABLE [ IF EXISTS ] <name> [ CASCADE | RESTRICT ]

Übersetzung¶

Die Übersetzung für einzelne DROP TABLE-Anweisungen ist sehr einfach. Solange nur eine Tabelle in der Anweisung gelöscht wird, bleibt sie unverändert.

Beispiel:

DROP TABLE IF EXISTS [table_name]

DROP TABLE IF EXISTS table_name;

Der einzige bemerkenswerte Unterschied zwischen SQL Server und Snowflake tritt auf, wenn die Eingabeanweisung mehr als eine Tabelle fallen lässt. In diesen Szenarien wird für jede Tabelle, die gelöscht werden soll, eine andere DROP TABLE-Anweisung erstellt.

Beispiel:

SQL Server¶

DROP TABLE IF EXISTS [table_name], [table_name2], [table_name3]

Snowflake¶

DROP TABLE IF EXISTS table_name;

DROP TABLE IF EXISTS table_name2;

DROP TABLE IF EXISTS table_name3;

EXISTS¶

Transact-SQL-Unterabfragen mit EXISTS-Anweisung – Transformationsdetails

Applies to

SQL Server
Azure Synapse Analytics

Einige Teile des Ausgabecodes wurden aus Gründen der Übersichtlichkeit weggelassen.

Typen von Unterabfragen¶

Unterabfragen können als korreliert oder unkorrelierte kategorisiert werden:

Eine korrelierte Unterabfrage verweist auf eine oder mehrere Spalten außerhalb der Unterabfrage. (Die Spalten werden normalerweise in der WHERE-Klausel der Unterabfrage referenziert.) Eine korrelierte Unterabfrage kann als Filter für die Tabelle betrachtet werden, auf die sie verweist, als ob die Unterabfrage für jede Zeile der Tabelle in der äußeren Abfrage ausgewertet würde.

Eine unkorrelierte Unterabfrage enthält keine derartigen externen Spaltenverweise. Sie ist eine unabhängige Abfrage, deren Ergebnisse einmal an die äußere Abfrage zurückgegeben und von dieser verwendet werden (nicht pro Zeile).

Die Anweisung EXISTS wird als korrelierte Unterabfrage betrachtet.

SQL-SERVER¶

-- Additional Params: -t JavaScript
CREATE PROCEDURE ProcExists
AS
BEGIN
IF(EXISTS(Select AValue from ATable))
  return 1;
END;

Snowflake¶

CREATE OR REPLACE PROCEDURE ProcExists ()
RETURNS STRING
LANGUAGE JAVASCRIPT
COMMENT = '{"origin":"sf_sc","name":"snowconvert","version":{"major":1, "minor":0},"attributes":{"component":"transact"}}'
EXECUTE AS CALLER
AS
$$
  // SnowConvert AI Helpers Code section is omitted.

  if (SELECT(`   EXISTS(Select
         AValue
      from
         ATable
   )`)) {
    return 1;
  }
$$;

IN¶

Transact-SQL-Unterabfragen mit IN-Anweisung – Transformationsdetails

Applies to

SQL Server
Azure Synapse Analytics

Einige Teile des Ausgabecodes wurden aus Gründen der Übersichtlichkeit weggelassen.

Der IN Operator prüft, ob ein Ausdruck in den Werten enthalten ist, die von einer Unterabfrage zurückgegeben werden.

SQL-SERVER¶

-- Additional Params: -t JavaScript
CREATE PROCEDURE dbo.SP_IN_EXAMPLE
AS
	DECLARE @results as VARCHAR(50);

	SELECT @results = COUNT(*) FROM TABLE1

	IF @results IN (1,2,3)
		SELECT 'is IN';
	ELSE
		SELECT 'is NOT IN';
	
	return
GO

-- =============================================
-- Example to execute the stored procedure
-- =============================================
EXECUTE dbo.SP_IN_EXAMPLE
GO
                              

Snowflake¶

CREATE OR REPLACE PROCEDURE dbo.SP_IN_EXAMPLE ()
RETURNS STRING
LANGUAGE JAVASCRIPT
COMMENT = '{"origin":"sf_sc","name":"snowconvert","version":{"major":1, "minor":0},"attributes":{"component":"transact"}}'
EXECUTE AS CALLER
AS
$$
	// SnowConvert AI Helpers Code section is omitted.

	let RESULTS;
	SELECT(`   COUNT(*) FROM
   TABLE1`,[],(value) => RESULTS = value);
	if ([1,2,3].includes(RESULTS)) {
	} else {
	}
	return;
$$;

-- =============================================
-- Example to execute the stored procedure
-- =============================================
CALL dbo.SP_IN_EXAMPLE();

INSERT¶

Übersetzungsreferenz für die INSERT-Anweisung von SQL Server in Snowflake

Applies to

SQL Server
Azure Synapse Analytics

Einige Teile des Ausgabecodes wurden aus Gründen der Übersichtlichkeit weggelassen.

Beschreibung¶

Adds one or more rows to a table or a view in SQL Server. For more information, see the SQL Server INSERT documentation.

Syntax-Vergleich¶

Die grundlegende Insert-Grammatik ist in beiden SQL-Sprachen gleich. Es gibt jedoch noch einige andere Syntaxelemente in SQL Server, die Unterschiede aufweisen. So kann der Entwickler beispielsweise mit dem Zuweisungsoperator einen Wert zu einer Spalte hinzufügen. Die genannte Syntax wird ebenfalls in die grundlegende Insert-Syntax umgewandelt.

Snowflake¶

INSERT [ OVERWRITE ] INTO <target_table> [ ( <target_col_name> [ , ... ] ) ]
       {
         VALUES ( { <value> | DEFAULT | NULL } [ , ... ] ) [ , ( ... ) ]  |
         <query>
       }

SQL Server¶

[ WITH <common_table_expression> [ ,...n ] ]  
INSERT   
{  
        [ TOP ( expression ) [ PERCENT ] ]   
        [ INTO ]   
        { <object> | rowset_function_limited   
          [ WITH ( <Table_Hint_Limited> [ ...n ] ) ]  
        }  
    {  
        [ ( column_list ) ]   
        [ <OUTPUT Clause> ]  
        { VALUES ( { DEFAULT | NULL | expression } [ ,...n ] ) [ ,...n     ]   
        | derived_table   
        | execute_statement  
        | <dml_table_source>  
        | DEFAULT VALUES   
        }  
    }  
}  
[;]  
  
<object> ::=  
{   
    [ server_name . database_name . schema_name .   
      | database_name .[ schema_name ] .   
      | schema_name .   
    ]  
  table_or_view_name  
}  
  
<dml_table_source> ::=  
    SELECT <select_list>  
    FROM ( <dml_statement_with_output_clause> )   
      [AS] table_alias [ ( column_alias [ ,...n ] ) ]  
    [ WHERE <search_condition> ]  
        [ OPTION ( <query_hint> [ ,...n ] ) ] 

Beispielhafte Quellcode-Muster¶

Grundlegendes INSERT¶

SQL Server¶

INSERT INTO TABLE1 VALUES (1, 2, 123, 'LiteralValue');

Snowflake¶

INSERT INTO TABLE1 VALUES (1, 2, 123, 'LiteralValue');

INSERT with assign operator¶

SQL Server¶

INSERT INTO aTable (columnA = 'varcharValue', columnB = 1);

Snowflake¶

INSERT INTO aTable (columnA = 'varcharValue', columnB = 1);

INSERT ohne INTO¶

SQL Server¶

INSERT exampleTable VALUES ('Hello', 23);

Snowflake¶

INSERT INTO exampleTable VALUES ('Hello', 23);

INSERT mit einem allgemeinen Tabellenausdruck¶

SQL Server¶

WITH ctevalues (textCol, numCol) AS (SELECT 'cte string', 155)
INSERT INTO exampleTable SELECT * FROM ctevalues;

Snowflake¶

INSERT INTO exampleTable
WITH ctevalues (
textCol,
numCol
) AS (SELECT 'cte string', 155)
SELECT
*
FROM
ctevalues AS ctevalues;

INSERT mit Tabellen-DML-Faktor mit MERGE als DML¶

Dieser Fall ist so spezifisch, da die INSERT-Anweisung eine SELECT-Abfrage aufweist und die FROM-Klausel der erwähnten SELECT-Abfrage eine MERGE DML-Anweisung enthält. Auf der Suche nach einem Äquivalent in Snowflake werden die nächsten Anweisungen erstellt: eine temporäre Tabelle, die konvertierte MERGE-Anweisung und schließlich die INSERT-Anweisung.#x20;

SQL Server¶

INSERT INTO T3
SELECT
  col1,
  col2
FROM (
  MERGE T1 USING T2
  	ON T1.col1 = T2.col1
  WHEN NOT MATCHED THEN
    INSERT VALUES ( T2.col1, T2.col2 )
  WHEN MATCHED THEN
    UPDATE SET T1.col2 = t2.col2
  OUTPUT
  	$action ACTION_OUT,
    T2.col1,
    T2.col2
) AS MERGE_OUT
 WHERE ACTION_OUT='UPDATE';

Snowflake¶

--** SSC-FDM-TS0026 - DELETE CASE IS NOT BEING CONSIDERED, PLEASE CHECK IF THE ORIGINAL MERGE PERFORMS IT **
CREATE OR REPLACE TEMPORARY TABLE MERGE_OUT AS
SELECT
	CASE WHEN T1.$1 IS NULL THEN 'INSERT' ELSE 'UPDATE' END ACTION_OUT,
	T2.col1,
	T2.col2
FROM T2 LEFT JOIN T1 ON T1.col1 = T2.col1;

MERGE INTO T1
USING T2
ON T1.col1 = T2.col1
WHEN NOT MATCHED THEN INSERT VALUES (T2.col1, T2.col2)
WHEN MATCHED THEN UPDATE SET T1.col2 = t2.col2
!!!RESOLVE EWI!!! /*** SSC-EWI-0021 - OUTPUT CLAUSE NOT SUPPORTED IN SNOWFLAKE ***/!!!
OUTPUT
	$action ACTION_OUT,
	T2.col1,
	T2.col2 ;

INSERT INTO T3
SELECT col1, col2
FROM MERGE_OUT
WHERE ACTION_OUT ='UPDATE';

NOTE: Wie der Name des Musters vermuten lässt, ist es ONLY für Fälle, in denen die Einfügung mit einer SELECT-Anweisung erfolgt … wobei der Body eine MERGE-Anweisung enthält.#x20;

Bekannte Probleme¶

1. Syntaxelemente, die besondere Zuordnungen erfordern:

[INTO]: Dieses Schlüsselwort ist in Snowflake obligatorisch und sollte hinzugefügt werden, wenn es nicht vorhanden ist.
[DEFAULT VALUES]: Fügt den Standardwert in alle in der Einfügung angegebenen Spalten ein. Sollte in VALUES umgewandelt werden (DEFAULT, DEFAULT, …), die Anzahl der hinzugefügten DEFAULTs entspricht der Anzahl der Spalten, die durch die Einfügung geändert werden. Im Moment wird eine Warnung hinzugefügt.

SQL Server¶

INSERT INTO exampleTable DEFAULT VALUES;

Snowflake¶

!!!RESOLVE EWI!!! /*** SSC-EWI-0073 - PENDING FUNCTIONAL EQUIVALENCE REVIEW FOR 'INSERT WITH DEFAULT VALUES' NODE ***/!!!
INSERT INTO exampleTable DEFAULT VALUES;

2. Syntaxelemente werden nicht unterstützt oder sind irrelevant:

[TOP (Ausdruck) [PERCENT]]: Gibt die Anzahl oder den Prozentsatz der Zeilen an, die eingefügt werden sollen. Nicht unterstützt.
[rowset_function\_limited]: Es handelt sich entweder um OPENQUERY() oder OPENROWSET(), die zum Lesen von Daten von entfernten Servern verwendet werden. Nicht unterstützt.
[WITH table\_hint_limited]: Diese werden verwendet, um Lese-/Schreibsperren für Tabellen zu erhalten. Nicht relevant in Snowflake.
[<OUTPUT-Klausel]: Gibt eine Tabelle oder ein Resultset an, in das die eingefügten Zeilen ebenfalls eingefügt werden. Nicht unterstützt.
[execute_statement]: Kann verwendet werden, um eine Abfrage zum Abrufen von Daten auszuführen. Nicht unterstützt.
[dml_table_source]: Ein temporäres Resultset, das durch die OUTPUT-Klausel einer anderen DML-Anweisung erzeugt wurde. Nicht unterstützt.

3. Der DELETE-Fall wird nicht berücksichtigt.

Für INSERT mit dem DML-Tabellenfaktor mit MERGE als DML-Muster wird der DELETE-Fall in der Lösung nicht berücksichtigt. Wenn also die MERGE-Anweisung des Quellcodes einen DELETE-Fall enthält, denken Sie daran, dass sie in diesem Fall möglicherweise nicht wie erwartet funktioniert.

Zugehörige EWIs¶

[SSC-EWI-0073](../../general/technical-documentation/issues-and-troubleshooting/conversion-issues/generalEWI. md#ssc-ewi-0073): Überprüfung der Funktionsäquivalenz ausstehend.
[SSC-FDM-TS0026](../../general/technical-documentation/issues-and-troubleshooting/functional-difference/sqlServerFDM. md#ssc-fdm-ts0026): DELETE-Fall wird nicht berücksichtigt.

MERGE¶

MERGE-Anweisung von Transact-SQL – Transformationsdetails

Applies to

SQL Server
Azure Synapse Analytics

Syntax-Vergleich¶

Snowflake¶

MERGE
    INTO <target_table>
    USING <source>
    ON <join_expr>
    { matchedClause | notMatchedClause } [ ... ]

Transact-SQL¶

-- SQL Server and Azure SQL Database
[ WITH <common_table_expression> [,...n] ]  
MERGE
    [ TOP ( expression ) [ PERCENT ] ]
    [ INTO ] <target_table> [ WITH ( <merge_hint> ) ] [ [ AS ] table_alias ]  
    USING <table_source> [ [ AS ] table_alias ]
    ON <merge_search_condition>  
    [ WHEN MATCHED [ AND <clause_search_condition> ]  
        THEN <merge_matched> ] [ ...n ]  
    [ WHEN NOT MATCHED [ BY TARGET ] [ AND <clause_search_condition> ]  
        THEN <merge_not_matched> ]  
    [ WHEN NOT MATCHED BY SOURCE [ AND <clause_search_condition> ]  
        THEN <merge_matched> ] [ ...n ]  
    [ <output_clause> ]  
    [ OPTION ( <query_hint> [ ,...n ] ) ]
;  

Beispiel¶

Angenommen, es gibt folgenden Quellcode:

SQL Server¶

MERGE
INTO
  targetTable WITH(KEEPIDENTITY, KEEPDEFAULTS, HOLDLOCK, IGNORE_CONSTRAINTS, IGNORE_TRIGGERS, NOLOCK, INDEX(value1, value2, value3)) as tableAlias
USING
  tableSource AS tableAlias2
ON
  mergeSetCondition > mergeSetCondition
WHEN MATCHED BY TARGET AND pi.Quantity - src.OrderQty >= 0
  THEN UPDATE SET pi.Quantity = pi.Quantity - src.OrderQty
OUTPUT $action, DELETED.v AS DELETED, INSERTED.v INSERTED INTO @localVar(col, list)
OPTION(RECOMPILE);

Sie können in etwa Folgendes erwarten:

Snowflake¶

MERGE INTO targetTable as tableAlias
USING tableSource AS tableAlias2
ON mergeSetCondition > mergeSetCondition
WHEN MATCHED AND pi.Quantity - src.OrderQty >= 0 THEN
  UPDATE SET
    pi.Quantity = pi.Quantity - src.OrderQty
    !!!RESOLVE EWI!!! /*** SSC-EWI-0021 - OUTPUT CLAUSE NOT SUPPORTED IN SNOWFLAKE ***/!!!
   OUTPUT $action, DELETED.v AS DELETED, INSERTED.v INSERTED INTO @localVar(col, list);

Zugehörige EWIs¶

[SSC-EWI-0021](../../general/technical-documentation/issues-and-troubleshooting/conversion-issues/generalEWI. md#ssc-ewi-0021): Syntax wird in Snowflake nicht unterstützt.

SELECT¶

Übersetzungsreferenz für die Konvertierung der SELECT-Anweisung von SQL Server in Snowflake

Applies to

SQL Server
Azure Synapse Analytics

Einige Teile des Ausgabecodes wurden aus Gründen der Übersichtlichkeit weggelassen.

Beschreibung¶

Allows the selection of one or more rows or columns of one or more tables in SQL Server. For more information, see the SQL Server SELECT documentation.

<SELECT statement> ::=    
    [ WITH { [ XMLNAMESPACES ,] [ <common_table_expression> [,...n] ] } ]  
    <query_expression>   
    [ ORDER BY <order_by_expression> ] 
    [ <FOR Clause>]   
    [ OPTION ( <query_hint> [ ,...n ] ) ]   
<query_expression> ::=   
    { <query_specification> | ( <query_expression> ) }   
    [  { UNION [ ALL ] | EXCEPT | INTERSECT }  
        <query_specification> | ( <query_expression> ) [...n ] ]   
<query_specification> ::=   
SELECT [ ALL | DISTINCT ]   
    [TOP ( expression ) [PERCENT] [ WITH TIES ] ]   
    < select_list >   
    [ INTO new_table ]   
    [ FROM { <table_source> } [ ,...n ] ]   
    [ WHERE <search_condition> ]   
    [ <GROUP BY> ]   
    [ HAVING < search_condition > ]   

Beispielhafte Quellcode-Muster¶

SELECT WITH COLUMN ALIASES¶

Das folgende Beispiel zeigt, wie Sie Spalten-Aliase in Snowflake verwenden können. Es wird erwartet, dass die ersten beiden Spalten aus dem SQL Server-Code mit dem Schlüsselwort AS von einer Zuweisungsform in eine normalisierte Form umgewandelt werden. In der dritten und vierten Spalte werden gültige Snowflake-Formate verwendet.

SQL Server¶

SELECT
    MyCol1Alias = COL1,
    MyCol2Alias = COL2,
    COL3 AS MyCol3Alias,
    COL4 MyCol4Alias
FROM TABLE1;

Snowflake¶

SELECT
    COL1 AS MyCol1Alias,
    COL2 AS MyCol2Alias,
    COL3 AS MyCol3Alias,
    COL4 MyCol4Alias
FROM
    TABLE1;

SELECT TOP¶

SQL Server¶

SELECT TOP 1 * from ATable;

Snowflake¶

SELECT TOP 1
*
from
ATable;

SELECT INTO¶

Das folgende Beispiel zeigt, dass SELECT INTO in CREATE TABLE AS umgewandelt wird. Das liegt daran, dass es in Snowflake kein Äquivalent für SELECT INTO gibt. Zum Erstellen einer Tabelle auf Basis einer Abfrage muss CREATE TABLE AS verwendet werden.

SQL Server¶

SELECT * INTO NEWTABLE FROM TABLE1;

Snowflake¶

CREATE OR REPLACE TABLE NEWTABLE AS
SELECT
*
FROM
TABLE1;

Ein weiterer Fall ist die Einbeziehung von Mengenoperatoren wie EXCEPT und INTERSECT. Die Transformation ist im Grunde die gleiche wie die vorherige.

SQL Server¶

SELECT * INTO NEWTABLE FROM TABLE1
EXCEPT
SELECT * FROM TABLE2
INTERSECT
SELECT * FROM TABLE3;

Snowflake¶

CREATE OR REPLACE TABLE NEWTABLE AS
SELECT
*
FROM
TABLE1
EXCEPT
SELECT
*
FROM
TABLE2
INTERSECT
SELECT
*
FROM
TABLE3;

SELECT TOP Additional Arguments¶

Da die Schlüsselwörter PERCENT und WITH TIES das Ergebnis beeinflussen und von Snowflake nicht unterstützt werden, werden sie auskommentiert und als Fehler hinzugefügt.

SQL Server¶

SELECT TOP 1 PERCENT * from ATable;
SELECT TOP 1 WITH TIES * from ATable;
SELECT TOP 1 PERCENT WITH TIES * from ATable;

Snowflake¶

SELECT
TOP 1 !!!RESOLVE EWI!!! /*** SSC-EWI-0040 - THE 'TOP PERCENT' CLAUSE IS NOT SUPPORTED IN SNOWFLAKE ***/!!!
*
from
ATable;

SELECT
TOP 1 !!!RESOLVE EWI!!! /*** SSC-EWI-0040 - THE 'TOP WITH TIES' CLAUSE IS NOT SUPPORTED IN SNOWFLAKE ***/!!!
*
from
ATable;

SELECT
TOP 1 !!!RESOLVE EWI!!! /*** SSC-EWI-0040 - THE 'TOP PERCENT AND WITH TIES' CLAUSE IS NOT SUPPORTED IN SNOWFLAKE ***/!!!
*
from
ATable;

SELECT FOR¶

The FOR XML clause is transformed differently depending on whether the path is empty or not.

FOR XML PATH(‚‘) — Empty path (string concatenation pattern): FOR XML PATH('') is a common SQL Server pattern used for string concatenation (before STRING_AGG was introduced). When the path is empty and there is no ROOT clause, the query is transformed to use LISTAGG with CONCAT instead of XML functions, because the intent is string aggregation rather than XML generation.

SQL Server¶

SELECT ',' + column1,
       ' ' + column2
FROM my_table
FOR XML PATH('');

Snowflake¶

SELECT
  LISTAGG ( CONCAT(',' || column1, ' ' || column2), '')
FROM
  my_table;

When there is a single expression, CONCAT is omitted:

SQL Server¶

SELECT ',' + column1 FROM my_table FOR XML PATH('');

Snowflake¶

SELECT
  LISTAGG ( ',' || column1, '')
FROM
  my_table;

FOR XML PATH — Non-empty path (XML generation): When the path is not empty, the FOR XML PATH clause is converted to use FOR_XML_UDF with OBJECT_CONSTRUCT to produce XML output. This conversion emits SSC-FDM-TS0016 because the resulting XML format in Snowflake may differ from SQL Server.

SQL Server¶

SELECT t.id, t.name as full_name, t.hint FROM demo t FOR XML PATH;

Snowflake¶

SELECT
--** SSC-FDM-TS0016 - XML COLUMNS IN SNOWFLAKE MIGHT HAVE A DIFFERENT FORMAT **
PUBLIC.FOR_XML_UDF(OBJECT_CONSTRUCT('id', t.id, 'full_name', t.name, 'hint', t.hint), 'row')
FROM
demo t;

SELECT OPTION¶

Die OPTION-Klausel wird von Snowflake nicht unterstützt. Sie wird auskommentiert und als Warnung während der Transformation hinzugefügt.

Beachten Sie, dass die Anweisung OPTION aus der Transformation entfernt wurde, da sie in Snowflake nicht relevant ist oder nicht benötigt wird.

SQL Server¶

SELECT column1, column2 FROM my_table OPTION (HASH GROUP, FAST 10);

Snowflake¶

SELECT
column1,
column2
FROM
my_table;

SELECT WITH¶

Die WITH-Klausel wird von Snowflake nicht unterstützt. Sie wird auskommentiert und als Warnung während der Transformation hinzugefügt.

Beachten Sie, dass die Anweisung WITH(NOLOCK, NOWAIT) aus der Transformation entfernt wurde, da sie in Snowflake nicht relevant ist oder nicht benötigt wird.

SQL Server¶

SELECT AValue from ATable WITH(NOLOCK, NOWAIT);

Snowflake¶

SELECT
AValue
from
ATable;

Zugehörige EWIs¶

[SSC-EWI-0040](../../general/technical-documentation/issues-and-troubleshooting/conversion-issues/generalEWI. md#ssc-ewi-0040): Anweisung wird nicht unterstützt.
[SSC-FDM-TS0016](../../general/technical-documentation/issues-and-troubleshooting/functional-difference/sqlServerFDM. md#ssc-fdm-ts0016): XML-Spalten in Snowflake haben möglicherweise ein anderes Format

SET-OPERATORS¶

Applies to

SQL Server
Azure Synapse Analytics

Die Mengenoperatoren in TSQL und Snowflake weisen dieselbe Syntax und dieselben unterstützten Szenarien auf (EXCEPT, INTERSECT, UNION und UNION ALL), mit Ausnahme von MINUS, das in TSQL nicht unterstützt wird, was zu demselben Code bei der Konvertierung führt.

SELECT LastName, FirstName FROM employees
UNION ALL
SELECT FirstName, LastName FROM contractors;

SELECT ...
INTERSECT
SELECT ...

SELECT ...
EXCEPT
SELECT ...

TRUNCATE¶

TRUNCATE-Anweisung von Transact-SQL – Transformationsdetails

Applies to

SQL Server
Azure Synapse Analytics

Einige Teile des Ausgabecodes wurden aus Gründen der Übersichtlichkeit weggelassen.

SQL Server¶

TRUNCATE TABLE TABLE1;

Snowflake¶

TRUNCATE TABLE TABLE1;

UPDATE¶

Übersetzungsreferenz für die Konvertierung der UPDATE-Anweisung von SQL Server in Snowflake

Applies to

SQL Server
Azure Synapse Analytics

Bemerkung

Einige Teile des Ausgabecodes wurden aus Gründen der Übersichtlichkeit weggelassen.

Beschreibung¶

Changes existing data in a table or view in SQL Server. For more information, see the SQL Server UPDATE documentation.

[ WITH <common_table_expression> [...n] ]  
UPDATE   
    [ TOP ( expression ) [ PERCENT ] ]   
    { { table_alias | <object> | rowset_function_limited   
         [ WITH ( <Table_Hint_Limited> [ ...n ] ) ]  
      }  
      | @table_variable      
    }  
    SET  
        { column_name = { expression | DEFAULT | NULL }  
          | { udt_column_name.{ { property_name = expression  
                                | field_name = expression }  
                                | method_name ( argument [ ,...n ] )  
                              }  
          }  
          | column_name { .WRITE ( expression , @Offset , @Length ) }  
          | @variable = expression  
          | @variable = column = expression  
          | column_name { += | -= | *= | /= | %= | &= | ^= | |= } expression  
          | @variable { += | -= | *= | /= | %= | &= | ^= | |= } expression  
          | @variable = column { += | -= | *= | /= | %= | &= | ^= | |= } expression  
        } [ ,...n ]   
  
    [ <OUTPUT Clause> ]  
    [ FROM{ <table_source> } [ ,...n ] ]   
    [ WHERE { <search_condition>   
            | { [ CURRENT OF   
                  { { [ GLOBAL ] cursor_name }   
                      | cursor_variable_name   
                  }   
                ]  
              }  
            }   
    ]   
    [ OPTION ( <query_hint> [ ,...n ] ) ]  
[ ; ]  
  
<object> ::=  
{   
    [ server_name . database_name . schema_name .   
    | database_name .[ schema_name ] .   
    | schema_name .  
    ]  
    table_or_view_name}  

Beispielhafte Quellcode-Muster¶

Grundlegendes UPDATE¶

Die Konvertierung für eine reguläre UPDATE-Anweisung ist sehr einfach. Da die grundlegenden UPDATE-Struktur in Snowflake standardmäßig unterstützt wird, sind die Ausreißer die Teile, bei denen Sie einige Unterschiede feststellen werden.

SQL Server¶

Update UpdateTest1
Set Col1 = 5;

Snowflake¶

Update UpdateTest1
Set
Col1 = 5;

Kartesische Produkte¶

SQL Server erlaubt das Hinzufügen von zirkulären Referenzen zwischen der Zieltabelle der Aktualisierungsanweisung und der FROM-Klausel. Bei der Ausführung entfernt der Datenbankoptimierer jedes erzeugte kartesische Produkt. Andernfalls optimiert Snowflake dieses Szenario derzeit nicht und erzeugt ein kartesisches Produkt, das im Ausführungsplan überprüft werden kann. \

Um dies zu beheben, wird bei einem JOIN, bei dem eine der Tabellen mit dem Aktualisierungsziel übereinstimmt, diese Referenz entfernt und zur WHERE-Klausel hinzugefügt. Sie wird verwendet, um die Daten zu filtern und eine Mengenoperation zu vermeiden.

SQL Server¶

UPDATE [HumanResources].[EMPLOYEEDEPARTMENTHISTORY_COPY]
SET
	BusinessEntityID = b.BusinessEntityID ,
	DepartmentID = b.DepartmentID,
	ShiftID = b.ShiftID,
	StartDate = b.StartDate,
	EndDate = b.EndDate,
	ModifiedDate = b.ModifiedDate
	FROM [HumanResources].[EMPLOYEEDEPARTMENTHISTORY_COPY] AS a
	RIGHT OUTER JOIN [HumanResources].[EmployeeDepartmentHistory] AS b
	ON a.BusinessEntityID = b.BusinessEntityID and a.ShiftID = b.ShiftID;

Snowflake¶

UPDATE HumanResources.EMPLOYEEDEPARTMENTHISTORY_COPY a
	SET
		BusinessEntityID = b.BusinessEntityID,
		DepartmentID = b.DepartmentID,
		ShiftID = b.ShiftID,
		StartDate = b.StartDate,
		EndDate = b.EndDate,
		ModifiedDate = b.ModifiedDate
	FROM
		HumanResources.EmployeeDepartmentHistory AS b
	WHERE
		a.BusinessEntityID(+) = b.BusinessEntityID
		AND a.ShiftID(+) = b.ShiftID;

OUTPUT-Klausel.¶

Die OUTPUT-Klausel wird von Snowflake nicht unterstützt.

SQL Server¶

Update UpdateTest2
Set Col1 = 5
OUTPUT
	deleted.Col1,
	inserted.Col1
	into ValuesTest;

Snowflake¶

Update UpdateTest2
	Set
		Col1 = 5
!!!RESOLVE EWI!!! /*** SSC-EWI-0021 - OUTPUT CLAUSE NOT SUPPORTED IN SNOWFLAKE ***/!!!
OUTPUT
	deleted.Col1,
	inserted.Col1
	into ValuesTest;

CTE¶

Die WITH CTE-Klausel wird in die interne Abfrage in der Aktualisierungsanweisung verschoben, um von Snowflake unterstützt zu werden.

SQL Server¶

With ut as (select * from UpdateTest3)
Update x
Set Col1 = 5 
from ut as x;

Snowflake¶

UPDATE UpdateTest3
Set
Col1 = 5
FROM
(
WITH ut as (select
*
from
UpdateTest3
)
SELECT
*
FROM
ut
) AS x;

TOP-Klausel.¶

Die TOP-Klausel wird von Snowflake nicht unterstützt.

SQL Server¶

Update TOP(10) UpdateTest4
Set Col1 = 5;

Snowflake¶

Update
--       !!!RESOLVE EWI!!! /*** SSC-EWI-0021 - TOP CLAUSE NOT SUPPORTED IN SNOWFLAKE ***/!!!
-- TOP(10)
         UpdateTest4
Set
Col1 = 5;

WITH TABLE HINT LIMITED¶

Die UPDATE WITH-Klausel wird von Snowflake nicht unterstützt.

SQL Server¶

Update UpdateTest5 WITH(TABLOCK)
Set Col1 = 5;

Snowflake¶

Update UpdateTest5
Set
Col1 = 5;

Zugehörige EWIs¶

[SSC-EWI-0021](../../general/technical-documentation/issues-and-troubleshooting/conversion-issues/generalEWI. md#ssc-ewi-0021): Syntax wird in Snowflake nicht unterstützt.

UPDATE WITH JOIN¶

Übersetzungsspezifikation für die UPDATE-Anweisung mit WHERE- und JOIN-Klauseln

Warnung

Dieser Abschnitt ist noch in Arbeit, die Informationen können sich in Zukunft ändern.

Beschreibung¶

Das Muster UPDATE FROM wird verwendet, um Daten auf der Grundlage von Daten aus anderen Tabellen zu aktualisieren. Diese SQLServer-Dokumentation enthält ein einfaches Beispiel.

Sie finden die entsprechende SQL Server-Syntax in der Dokumentation.

SQL Server-Syntax¶

UPDATE [table_name] 
SET column_name = expression [, ...]
[FROM <table_source> [, ...]]
[WHERE <search_condition>]
[OPTION (query_hint)]

table_name: Die Tabelle oder Ansicht, die Sie aktualisieren.
SET: Gibt die Spalten und ihre neuen Werte an. Die SET-Klausel weist einer oder mehreren Spalten einen neuen Wert (oder Ausdruck) zu.
FROM: Wird verwendet, um eine oder mehrere Quelltabellen anzugeben (wie ein Join). Damit können Sie festlegen, woher die Daten für die Aktualisierung kommen.
WHERE: Gibt an, welche Zeilen auf der Grundlage der Bedingung(en) aktualisiert werden sollen. Ohne diese Klausel würden alle Zeilen der Tabelle aktualisiert werden.
OPTION (query_hint): Gibt Hinweise zur Optimierung von Abfragen an.

Snowflake-Syntax¶

Die Snowflake-Syntax können Sie auch in der Snowflake-Dokumentation nachlesen.

Bemerkung

Snowflake unterstützt keine JOINs in UPDATE Klauseln.

 UPDATE <target_table>
       SET <col_name> = <value> [ , <col_name> = <value> , ... ]
        [ FROM <additional_tables> ]
        [ WHERE <condition> ]

Erforderliche Parameter

_ target_table: _Gibt die zu aktualisierende Tabelle an.
_ col_name: Gibt den Namen einer Spalte in _ target_table an. Geben Sie nicht den Tabellennamen an. UPDATE t1 SET t1.col = 1 ist beispielsweise ungültig.
_ value :_ Gibt den neuen Wert an, der in _ col_name_ festgelegt werden soll.

Optionale Parameter

FROM`` _ additional_tables: _ Gibt eine oder mehrere Tabellen an, die zur Auswahl der zu aktualisierenden Zeilen oder zum Setzen neuer Werte verwendet werden sollen.Beachten Sie, dass die Wiederholung der Zieltabelle zu einem Self-Join führt.
WHERE`` Bedingung: _ Der Ausdruck, der die Zeilen in der Zieltabelle angibt, die aktualisiert werden sollen. Standard: Kein Wert (alle Zeilen der Zieltabelle werden aktualisiert)

Zusammenfassung der Übersetzung¶


JOIN-Typ von SQL Server	Beste Alternative von Snowflake
Einfacher `INNER JOIN`	Verwenden Sie die Zieltabelle in der `FROM`-Klausel, um einen `INNER JOIN` zu emulieren.
Mehrere `INNER JOIN`	Verwenden Sie die Zieltabelle in der `FROM`-Klausel, um einen `INNER JOIN` zu emulieren.
Mehrere `INNER JOIN` + Aggregatbedingung	Unterabfrage + IN-Operation verwenden
Einfacher `LEFT JOIN`	Unterabfrage + IN-Operation verwenden
Mehrere `LEFT JOIN`	Mit der `UPDATE`-Anweisung von Snowflake können Sie die Anweisungen nach Bedarf neu anordnen. `UPDATE` `[target_table_name]` `SET` `[all_set_statements]` `FROM` `[all_left_join_tables_separated_by_comma]` `WHERE` `[all_clauses_into_the_ON_part]`
Mehrere `RIGHT JOIN`	Mit der `UPDATE`-Anweisung von Snowflake können Sie die Anweisungen nach Bedarf neu anordnen. `UPDATE` `[target_table_name]` `SET` `[all_set_statements]` `FROM` `[all_right_join_tables_separated_by_comma]` `WHERE` `[all_clauses_into_the_ON_part]`
Einfacher RIGHT JOIN	Verwenden Sie die Tabelle in der `FROM`-Klausel und fügen nach Bedarf Filter in der `WHERE`-Klausel hinzu.

Hinweis 1: Ein einfaches JOIN kann die Tabelle in der FROM-Klausel verwenden und bei Bedarf Filter in der WHERE-Klausel hinzufügen.

Hinweis 2: Andere Ansätze können einen (+)-Operanden enthalten, um die JOINs zu definieren.

Beispielhafte Quellcode-Muster¶

Datenkonfiguration¶

SQLServer¶

CREATE TABLE Orders (
    OrderID INT PRIMARY KEY,
    CustomerID INT,
    ProductID INT,
    Quantity INT,
    OrderDate DATE
);

CREATE TABLE Customers (
    CustomerID INT PRIMARY KEY,
    CustomerName VARCHAR(100)
);

CREATE TABLE Products (
    ProductID INT PRIMARY KEY,
    ProductName VARCHAR(100),
    Price DECIMAL(10, 2)
);

Snowflake¶

CREATE OR REPLACE TABLE Orders (
    OrderID INT PRIMARY KEY,
    CustomerID INT,
    ProductID INT,
    Quantity INT,
    OrderDate DATE
)
COMMENT = '{ "origin": "sf_sc", "name": "snowconvert", "version": {  "major": 0,  "minor": 0,  "patch": "0" }, "attributes": {  "component": "transact",  "convertedOn": "11/12/2024",  "domain": "test" }}'
;

CREATE OR REPLACE TABLE Customers (
    CustomerID INT PRIMARY KEY,
    CustomerName VARCHAR(100)
)
COMMENT = '{ "origin": "sf_sc", "name": "snowconvert", "version": {  "major": 0,  "minor": 0,  "patch": "0" }, "attributes": {  "component": "transact",  "convertedOn": "11/12/2024",  "domain": "test" }}'
;

CREATE OR REPLACE TABLE Products (
    ProductID INT PRIMARY KEY,
    ProductName VARCHAR(100),
    Price DECIMAL(10, 2)
)
COMMENT = '{ "origin": "sf_sc", "name": "snowconvert", "version": {  "major": 0,  "minor": 0,  "patch": "0" }, "attributes": {  "component": "transact",  "convertedOn": "11/12/2024",  "domain": "test" }}'
;

Data Insertion for samples

 
-- Insert Customer Data
INSERT INTO Customers (CustomerID, CustomerName) VALUES (1, 'John Doe');
INSERT INTO Customers (CustomerID, CustomerName) VALUES (2, 'Jane Smith');
INSERT INTO Customers (CustomerID, CustomerName) VALUES (3, 'Alice Johnson');
INSERT INTO Customers (CustomerID, CustomerName) VALUES (4, 'Bob Lee');
INSERT INTO Customers (CustomerID, CustomerName) VALUES (5, 'Charlie Brown');
INSERT INTO Customers (CustomerID, CustomerName) VALUES (6, 'David White');
INSERT INTO Customers (CustomerID, CustomerName) VALUES (7, 'Eve Black');
INSERT INTO Customers (CustomerID, CustomerName) VALUES (8, 'Grace Green');
INSERT INTO Customers (CustomerID, CustomerName) VALUES (9, 'Hank Blue');
INSERT INTO Customers (CustomerID, CustomerName) VALUES (10, 'Ivy Red');
INSERT INTO Customers (CustomerID, CustomerName) VALUES (11, 'Jack Grey');
INSERT INTO Customers (CustomerID, CustomerName) VALUES (12, 'Kim Yellow');
INSERT INTO Customers (CustomerID, CustomerName) VALUES (13, 'Leo Purple');
INSERT INTO Customers (CustomerID, CustomerName) VALUES (14, 'Mona Pink');
INSERT INTO Customers (CustomerID, CustomerName) VALUES (15, 'Nathan Orange');
INSERT INTO Customers (CustomerID, CustomerName) VALUES (16, 'Olivia Cyan');
INSERT INTO Customers (CustomerID, CustomerName) VALUES (17, 'Paul Violet');
INSERT INTO Customers (CustomerID, CustomerName) VALUES (18, 'Quincy Brown');
INSERT INTO Customers (CustomerID, CustomerName) VALUES (19, 'Rita Silver');
INSERT INTO Customers (CustomerID, CustomerName) VALUES (20, 'Sam Green');
INSERT INTO Customers (CustomerID, CustomerName) VALUES (21, 'Tina Blue');
INSERT INTO Customers (CustomerID, CustomerName) VALUES (22, 'Ursula Red');
INSERT INTO Customers (CustomerID, CustomerName) VALUES (23, 'Vince Yellow');
INSERT INTO Customers (CustomerID, CustomerName) VALUES (24, 'Wendy Black');
INSERT INTO Customers (CustomerID, CustomerName) VALUES (25, 'Xander White');

-- Insert Product Data
INSERT INTO Products (ProductID, ProductName, Price) VALUES (1, 'Laptop', 999.99);
INSERT INTO Products (ProductID, ProductName, Price) VALUES (2, 'Smartphone', 499.99);
INSERT INTO Products (ProductID, ProductName, Price) VALUES (3, 'Tablet', 299.99);
INSERT INTO Products (ProductID, ProductName, Price) VALUES (4, 'Headphones', 149.99);
INSERT INTO Products (ProductID, ProductName, Price) VALUES (5, 'Monitor', 199.99);
INSERT INTO Products (ProductID, ProductName, Price) VALUES (6, 'Keyboard', 49.99);
INSERT INTO Products (ProductID, ProductName, Price) VALUES (7, 'Mouse', 29.99);
INSERT INTO Products (ProductID, ProductName, Price) VALUES (8, 'Camera', 599.99);
INSERT INTO Products (ProductID, ProductName, Price) VALUES (9, 'Printer', 99.99);
INSERT INTO Products (ProductID, ProductName, Price) VALUES (10, 'Speaker', 129.99);
INSERT INTO Products (ProductID, ProductName, Price) VALUES (11, 'Charger', 29.99);
INSERT INTO Products (ProductID, ProductName, Price) VALUES (12, 'TV', 699.99);
INSERT INTO Products (ProductID, ProductName, Price) VALUES (13, 'Smartwatch', 199.99);
INSERT INTO Products (ProductID, ProductName, Price) VALUES (14, 'Projector', 499.99);
INSERT INTO Products (ProductID, ProductName, Price) VALUES (15, 'Game Console', 399.99);
INSERT INTO Products (ProductID, ProductName, Price) VALUES (16, 'Speaker System', 299.99);
INSERT INTO Products (ProductID, ProductName, Price) VALUES (17, 'Earphones', 89.99);
INSERT INTO Products (ProductID, ProductName, Price) VALUES (18, 'USB Drive', 15.99);
INSERT INTO Products (ProductID, ProductName, Price) VALUES (19, 'External Hard Drive', 79.99);
INSERT INTO Products (ProductID, ProductName, Price) VALUES (20, 'Router', 89.99);
INSERT INTO Products (ProductID, ProductName, Price) VALUES (21, 'Printer Ink', 49.99);
INSERT INTO Products (ProductID, ProductName, Price) VALUES (22, 'Flash Drive', 9.99);
INSERT INTO Products (ProductID, ProductName, Price) VALUES (23, 'Gamepad', 34.99);
INSERT INTO Products (ProductID, ProductName, Price) VALUES (24, 'Webcam', 49.99);
INSERT INTO Products (ProductID, ProductName, Price) VALUES (25, 'Docking Station', 129.99);

-- Insert Orders Data
INSERT INTO Orders (OrderID, CustomerID, ProductID, Quantity, OrderDate) VALUES (1, 1, 1, 2, '2024-11-01');
INSERT INTO Orders (OrderID, CustomerID, ProductID, Quantity, OrderDate) VALUES (2, 2, 2, 1, '2024-11-02');
INSERT INTO Orders (OrderID, CustomerID, ProductID, Quantity, OrderDate) VALUES (3, 3, 3, 5, '2024-11-03');
INSERT INTO Orders (OrderID, CustomerID, ProductID, Quantity, OrderDate) VALUES (4, 4, 4, 3, '2024-11-04');
INSERT INTO Orders (OrderID, CustomerID, ProductID, Quantity, OrderDate) VALUES (5, NULL, 5, 7, '2024-11-05');  -- NULL Customer
INSERT INTO Orders (OrderID, CustomerID, ProductID, Quantity, OrderDate) VALUES (6, 6, 6, 2, '2024-11-06');
INSERT INTO Orders (OrderID, CustomerID, ProductID, Quantity, OrderDate) VALUES (7, 7, NULL, 4, '2024-11-07');  -- NULL Product
INSERT INTO Orders (OrderID, CustomerID, ProductID, Quantity, OrderDate) VALUES (8, 8, 8, 1, '2024-11-08');
INSERT INTO Orders (OrderID, CustomerID, ProductID, Quantity, OrderDate) VALUES (9, 9, 9, 3, '2024-11-09');
INSERT INTO Orders (OrderID, CustomerID, ProductID, Quantity, OrderDate) VALUES (10, 10, 10, 2, '2024-11-10');
INSERT INTO Orders (OrderID, CustomerID, ProductID, Quantity, OrderDate) VALUES (11, 11, 11, 5, '2024-11-11');
INSERT INTO Orders (OrderID, CustomerID, ProductID, Quantity, OrderDate) VALUES (12, 12, 12, 2, '2024-11-12');
INSERT INTO Orders (OrderID, CustomerID, ProductID, Quantity, OrderDate) VALUES (13, NULL, 13, 8, '2024-11-13');  -- NULL Customer
INSERT INTO Orders (OrderID, CustomerID, ProductID, Quantity, OrderDate) VALUES (14, 14, NULL, 4, '2024-11-14');  -- NULL Product
INSERT INTO Orders (OrderID, CustomerID, ProductID, Quantity, OrderDate) VALUES (15, 15, 15, 3, '2024-11-15');
INSERT INTO Orders (OrderID, CustomerID, ProductID, Quantity, OrderDate) VALUES (16, 16, 16, 2, '2024-11-16');
INSERT INTO Orders (OrderID, CustomerID, ProductID, Quantity, OrderDate) VALUES (17, 17, 17, 1, '2024-11-17');
INSERT INTO Orders (OrderID, CustomerID, ProductID, Quantity, OrderDate) VALUES (18, 18, 18, 4, '2024-11-18');
INSERT INTO Orders (OrderID, CustomerID, ProductID, Quantity, OrderDate) VALUES (19, 19, 19, 3, '2024-11-19');
INSERT INTO Orders (OrderID, CustomerID, ProductID, Quantity, OrderDate) VALUES (20, 20, 20, 6, '2024-11-20');
INSERT INTO Orders (OrderID, CustomerID, ProductID, Quantity, OrderDate) VALUES (21, 21, 21, 3, '2024-11-21');
INSERT INTO Orders (OrderID, CustomerID, ProductID, Quantity, OrderDate) VALUES (22, 22, 22, 5, '2024-11-22');
INSERT INTO Orders (OrderID, CustomerID, ProductID, Quantity, OrderDate) VALUES (23, 23, 23, 2, '2024-11-23');
INSERT INTO Orders (OrderID, CustomerID, ProductID, Quantity, OrderDate) VALUES (24, 24, 24, 4, '2024-11-24');
INSERT INTO Orders (OrderID, CustomerID, ProductID, Quantity, OrderDate) VALUES (25, 25, 25, 3, '2024-11-25');

Fall 1: Einzelnes `INNER JOIN`-Update¶

Wenn die Tabelle INNER JOIN innerhalb der FROM-Anweisungen verwendet wird, wird sie automatisch zu INNER JOIN. Beachten Sie, dass es mehrere Ansätze zur Unterstützung von JOINs in UPDATE-Anweisungen in Snowflake gibt. Dies ist eines der einfachsten Muster, um die Lesbarkeit zu gewährleisten.

SQL Server¶

UPDATE Orders
SET Quantity = 10
FROM Orders O
INNER JOIN Customers C ON O.CustomerID = C.CustomerID
WHERE C.CustomerName = 'John Doe';

-- Select the changes
SELECT Orders.CustomerID, Orders.Quantity, Customers.CustomerName
FROM Orders, Customers
WHERE Orders.CustomerID = Customers.CustomerID
AND Customers.CustomerName = 'John Doe';

Ausgabe¶


CustomerID	Menge	CustomerName
1	10	John Doe

Snowflake¶

UPDATE Orders O
SET O.Quantity = 10
FROM 
  Customers C
WHERE 
  C.CustomerName = 'John Doe'
  AND O.CustomerID = C.CustomerID;


-- Select the changes
SELECT Orders.CustomerID, Orders.Quantity, Customers.CustomerName
FROM Orders, Customers
WHERE Orders.CustomerID = Customers.CustomerID
AND Customers.CustomerName = 'John Doe';

Ausgabe¶


CustomerID	Menge	CustomerName
1	10	John Doe

Andere Ansätze:

MERGE INTO

MERGE INTO Orders O
USING Customers C
ON O.CustomerID = C.CustomerID
WHEN MATCHED AND C.CustomerName = 'John Doe' THEN
  UPDATE SET O.Quantity = 10;

IN Operation

UPDATE Orders O
SET O.Quantity = 10
WHERE O.CustomerID IN 
  (SELECT CustomerID FROM Customers WHERE CustomerName = 'John Doe');

Fall 2: Update mehrere `INNER JOIN`¶

SQL Server¶

 UPDATE Orders
SET Quantity = 5
FROM Orders O
INNER JOIN Customers C ON O.CustomerID = C.CustomerID
INNER JOIN Products P ON O.ProductID = P.ProductID
WHERE C.CustomerName = 'Alice Johnson' AND P.ProductName = 'Tablet';

-- Select the changes
SELECT Orders.CustomerID, Orders.Quantity, Customers.CustomerName FROM Orders, Customers
WHERE Orders.CustomerID = Customers.CustomerID
AND Customers.CustomerName = 'Alice Johnson';

Ausgabe¶


CustomerID	Menge	CustomerName
3	5	Alice Johnson

Snowflake¶

UPDATE Orders O
SET O.Quantity = 5
FROM Customers C, Products P
WHERE O.CustomerID = C.CustomerID
  AND C.CustomerName = 'Alice Johnson'
  AND P.ProductName = 'Tablet'
  AND O.ProductID = P.ProductID;

-- Select the changes
SELECT Orders.CustomerID, Orders.Quantity, Customers.CustomerName FROM Orders, Customers
WHERE Orders.CustomerID = Customers.CustomerID
AND Customers.CustomerName = 'Alice Johnson';

Ausgabe¶


CustomerID	Menge	CustomerName
3	5	Alice Johnson

Fall 3: Update mehrere `INNER JOIN` mit Aggregatbedingungen¶

SQL Server¶

UPDATE Orders
SET Quantity = 6
FROM Orders O
INNER JOIN Customers C ON O.CustomerID = C.CustomerID
INNER JOIN Products P ON O.ProductID = P.ProductID
WHERE C.CustomerID IN (SELECT CustomerID FROM Orders WHERE Quantity > 3)
AND P.Price < 200;

SELECT C.CustomerID, C.CustomerName, O.Quantity, P.Price FROM Orders O
INNER JOIN Customers C ON O.CustomerID = C.CustomerID
INNER JOIN Products P ON O.ProductID = P.ProductID
WHERE C.CustomerID IN (SELECT CustomerID FROM Orders WHERE Quantity > 3)
AND P.Price < 200;

Ausgabe¶


CustomerID	CustomerName	Menge	Preis (price)
11	Jack Grey	6	29,99
18	Quincy Brown	6	15,99
20	Sam Green	6	89,99
22	Ursula Rot	6	9,99
24	Wendy Schwarz	6	49,99

Snowflake¶

UPDATE Orders O
SET Quantity = 6
WHERE O.CustomerID IN (SELECT CustomerID FROM Orders WHERE Quantity > 3)
AND O.ProductID IN (SELECT ProductID FROM Products WHERE Price < 200);

-- Select changes
SELECT C.CustomerID, C.CustomerName, O.Quantity, P.Price FROM Orders O
INNER JOIN Customers C ON O.CustomerID = C.CustomerID
INNER JOIN Products P ON O.ProductID = P.ProductID
WHERE C.CustomerID IN (SELECT CustomerID FROM Orders WHERE Quantity > 3)
AND P.Price < 200;

Ausgabe¶


CustomerID	CustomerName	Menge	Preis (price)
11	Jack Grey	6	29,99
18	Quincy Brown	6	15,99
20	Sam Green	6	89,99
22	Ursula Rot	6	9,99
24	Wendy Schwarz	6	49,99

Fall 4: Update einzelner `LEFT JOIN`¶

SQL Server¶

UPDATE Orders
SET Quantity = 13
FROM Orders O
LEFT JOIN Customers C ON O.CustomerID = C.CustomerID
WHERE C.CustomerID IS NULL AND O.ProductID = 13;

-- Select the changes
SELECT * FROM orders
WHERE CustomerID IS NULL;

Ausgabe¶


OrderID	CustomerID	ProductID	Menge	OrderDate
5	null	5	7	2024-11-05
13	null	13	13	2024-11-13

Snowflake¶

UPDATE Orders
SET Quantity = 13
WHERE OrderID IN (
  SELECT O.OrderID
  FROM Orders O
  LEFT JOIN Customers C ON O.CustomerID = C.CustomerID
  WHERE C.CustomerID IS NULL AND O.ProductID = 13
);


-- Select the changes
SELECT * FROM orders
WHERE CustomerID IS NULL;

Ausgabe¶


OrderID	CustomerID	ProductID	Menge	OrderDate
5	null	5	7	2024-11-05
13	null	13	13	2024-11-13

Bemerkung

Dieser Ansatz funktioniert in Snowflake nicht, da er die erforderlichen Zeilen nicht aktualisiert:

UPDATE Orders O SET O.Quantity = 13 FROM Customers C WHERE O.CustomerID = C.CustomerID AND C.CustomerID IS NULL AND O.ProductID = 13;

Fall 5: Update mehrere `LEFT JOIN` und `RIGHT JOIN`¶

Dies ist ein komplexeres Muster. Um mehrere LEFT JOINs zu übersetzen, sehen Sie sich bitte das folgende Muster an:

Bemerkung

LEFT JOIN und RIGHT JOIN hängen von der Reihenfolge in der FROM-Klausel ab.

UPDATE [target_table_name]
SET [all_set_statements]
FROM [all_left_join_tables_separated_by_comma]
WHERE [all_clauses_into_the_ON_part]

SQL Server¶

UPDATE Orders
SET
    Quantity = C.CustomerID
FROM Orders O
LEFT JOIN Customers C ON C.CustomerID = O.CustomerID
LEFT JOIN Products P ON P.ProductID = O.ProductID
WHERE C.CustomerName = 'Alice Johnson'
  AND P.ProductName = 'Tablet';

SELECT O.OrderID, O.CustomerID, O.ProductID, O.Quantity, O.OrderDate
FROM Orders O
LEFT JOIN Customers C ON C.CustomerID = O.CustomerID
LEFT JOIN Products P ON P.ProductID = O.ProductID
WHERE C.CustomerName = 'Alice Johnson'
  AND P.ProductName = 'Tablet';

Ausgabe¶


OrderID	CustomerID	ProductID	Menge	OrderDate
3	3	3	3	2024-11-12

Snowflake¶

UPDATE Orders O
SET O.Quantity = C.CustomerID
FROM Customers C, Products P
WHERE O.CustomerID = C.CustomerID
  AND C.CustomerName = 'Alice Johnson'
  AND P.ProductName = 'Tablet'
  AND O.ProductID = P.ProductID;

  SELECT O.OrderID, O.CustomerID, O.ProductID, O.Quantity, O.OrderDate
FROM Orders O
LEFT JOIN Customers C ON C.CustomerID = O.CustomerID
LEFT JOIN Products P ON P.ProductID = O.ProductID
WHERE C.CustomerName = 'Alice Johnson'
  AND P.ProductName = 'Tablet';

Ausgabe¶


OrderID	CustomerID	ProductID	Menge	OrderDate
3	3	3	3	2024-11-12

Fall 6: Update gemischte `INNER JOIN` und `LEFT JOIN`¶

SQL Server¶

UPDATE Orders
SET Quantity = 4
FROM Orders O
INNER JOIN Products P ON O.ProductID = P.ProductID
LEFT JOIN Customers C ON O.CustomerID = C.CustomerID
WHERE C.CustomerID IS NULL AND P.ProductName = 'Monitor';

-- Select changes
SELECT O.CustomerID, C.CustomerName, O.Quantity FROM Orders O
INNER JOIN Products P ON O.ProductID = P.ProductID
LEFT JOIN Customers C ON O.CustomerID = C.CustomerID
WHERE C.CustomerID IS NULL AND P.ProductName = 'Monitor';

Ausgabe¶


CustomerID	CustomerName	Menge
null	null	4

Snowflake¶

UPDATE Orders O
SET Quantity = 4
WHERE O.ProductID IN (SELECT ProductID FROM Products WHERE ProductName = 'Monitor')
AND O.CustomerID IS NULL;

-- Select changes
SELECT O.CustomerID, C.CustomerName, O.Quantity FROM Orders O
INNER JOIN Products P ON O.ProductID = P.ProductID
LEFT JOIN Customers C ON O.CustomerID = C.CustomerID
WHERE C.CustomerID IS NULL AND P.ProductName = 'Monitor';

Ausgabe¶


CustomerID	CustomerName	Menge
null	null	4

Fall 7: Update einzelner `RIGHT JOIN`¶

SQL Server¶

UPDATE O
SET O.Quantity = 1000
FROM Orders O
RIGHT JOIN Customers C ON O.CustomerID = C.CustomerID
WHERE C.CustomerName = 'Alice Johnson';

-- Select changes 
SELECT
    O.OrderID,
    O.CustomerID,
    O.ProductID,
    O.Quantity,
    O.OrderDate,
    C.CustomerName
FROM
    Orders O
RIGHT JOIN Customers C ON O.CustomerID = C.CustomerID
WHERE
    C.CustomerName = 'Alice Johnson';

Ausgabe¶


OrderID	CustomerID	ProductID	Menge	CustomerName
3	3	3	1000	Alice Johnson

Snowflake¶

UPDATE Orders O
SET O.Quantity = 1000
FROM Customers C
WHERE O.CustomerID = C.CustomerID
  AND C.CustomerName = 'Alice Johnson';


  -- Select changes 
SELECT
    O.OrderID,
    O.CustomerID,
    O.ProductID,
    O.Quantity,
    O.OrderDate,
    C.CustomerName
FROM
    Orders O
RIGHT JOIN Customers C ON O.CustomerID = C.CustomerID
WHERE
    C.CustomerName = 'Alice Johnson';

Ausgabe¶


OrderID	CustomerID	ProductID	Menge	CustomerName
3	3	3	1000	Alice Johnson

Bekannte Probleme¶

Da UPDATE in Snowflake die Verwendung von JOINs nicht direkt erlaubt, kann es Fälle geben, die nicht den beschriebenen Mustern entsprechen.

UPDATE mit LEFT und RIGHT JOIN¶

Übersetzungsspezifikation für die UPDATE-Anweisung mit JOINs

Applies to

SQL Server
Azure Synapse Analytics

Warnung

Teilweise unterstützt in Snowflake

Beschreibung¶

Das Muster UPDATE FROM wird verwendet, um Daten auf der Grundlage von Daten aus anderen Tabellen zu aktualisieren. Diese SQLServer-Dokumentation enthält ein einfaches Beispiel.

Sie finden die entsprechende SQL Server-Syntax in der Dokumentation.

SQL Server-Syntax¶

UPDATE [table_name] 
SET column_name = expression [, ...]
[FROM <table_source> [, ...]]
[WHERE <search_condition>]
[OPTION (query_hint)]

table_name: Die Tabelle oder Ansicht, die Sie aktualisieren.
SET: Gibt die Spalten und ihre neuen Werte an. Die SET-Klausel weist einer oder mehreren Spalten einen neuen Wert (oder Ausdruck) zu.
FROM: Wird verwendet, um eine oder mehrere Quelltabellen anzugeben (wie ein Join). Damit können Sie festlegen, woher die Daten für die Aktualisierung kommen.
WHERE: Gibt an, welche Zeilen auf der Grundlage der Bedingung(en) aktualisiert werden sollen. Ohne diese Klausel würden alle Zeilen der Tabelle aktualisiert werden.
OPTION (query_hint): Gibt Hinweise zur Optimierung von Abfragen an.

Snowflake-Syntax¶

Die Snowflake-Syntax können Sie auch in der Snowflake-Dokumentation nachlesen.

Bemerkung

Snowflake unterstützt keine JOINs in UPDATE Klauseln.

 UPDATE <target_table>
       SET <col_name> = <value> [ , <col_name> = <value> , ... ]
        [ FROM <additional_tables> ]

Erforderliche Parameter

_ target_table: _Gibt die zu aktualisierende Tabelle an.
_ col_name: Gibt den Namen einer Spalte in _ target_table an. Geben Sie nicht den Tabellennamen an. UPDATE t1 SET t1.col = 1 ist beispielsweise ungültig.
_ value :_ Gibt den neuen Wert an, der in _ col_name_ festgelegt werden soll.

Optionale Parameter

FROM`` _ additional_tables: _ Gibt eine oder mehrere Tabellen an, die zur Auswahl der zu aktualisierenden Zeilen oder zum Setzen neuer Werte verwendet werden sollen.Beachten Sie, dass die Wiederholung der Zieltabelle zu einem Self-Join führt.
WHERE`` Bedingung: _ Der Ausdruck, der die Zeilen in der Zieltabelle angibt, die aktualisiert werden sollen. Standard: Kein Wert (alle Zeilen der Zieltabelle werden aktualisiert)

Zusammenfassung der Übersetzung¶

Wie in der Syntaxbeschreibung erläutert wird, gibt es nicht direkt eine äquivalente Lösung für JOINs innerhalb der UPDATE-Klausel. Aus diesem Grund besteht der Ansatz zur Transformation dieser Anweisungen darin, den Operator (+) zu der Spalte hinzuzufügen, der die erforderlichen Daten logisch zur Tabelle hinzufügt. Dieser Operator (+) wird zu den Fällen hinzugefügt, für die die Tabellen im Abschnitt LEFT/RIGHT JOIN referenziert werden.

Notice that there are other languages that use this operator (+) and the position of the operator may determine the type of join. In this specific case in Snowflake, the position will not determine the join type but the association with the logically needed tables and columns will.

Even when there are other alternative as MERGE clause or the usages of a CTE; these alternatives tend to turn difficult to read when there are complex queries, and get extensive.

Beispielhafte Quellcode-Muster¶

Datenkonfiguration¶

SQL Server¶

 CREATE TABLE GenericTable1 (
    Col1 INT,
    Col2 VARCHAR(10),
    Col3 VARCHAR(10),
    Col4 VARCHAR(10),
    Col5 VARCHAR(10),
    Col6 VARCHAR(100)
);

CREATE TABLE GenericTable2 (
    Col1 VARCHAR(10),
    Col2 VARCHAR(10),
    Col3 VARCHAR(10),
    Col4 VARCHAR(10),
    Col5 VARCHAR(10)
);

CREATE TABLE GenericTable3 (
    Col1 VARCHAR(10),
    Col2 VARCHAR(100),
    Col3 CHAR(1)
);

INSERT INTO GenericTable1 (Col1, Col2, Col3, Col4, Col5, Col6)
VALUES
(1, 'A1', 'B1', 'C1', NULL, NULL),
(2, 'A2', 'B2', 'C2', NULL, NULL),
(3, 'A3', 'B3', 'C3', NULL, NULL);

INSERT INTO GenericTable2 (Col1, Col2, Col3, Col4, Col5)
VALUES
('1', 'A1', 'B1', 'C1', 'X1'),
('2', 'A2', 'B2', 'C2', 'X2'),
('3', 'A3', 'B3', 'C3', 'X3');

INSERT INTO GenericTable3 (Col1, Col2, Col3)
VALUES
('X1', 'Description1', 'A'),
('X2', 'Description2', 'A'),
('X3', 'Description3', 'A');

Snowflake¶

 CREATE OR REPLACE TABLE GenericTable1 (
    Col1 INT,
    Col2 VARCHAR(10),
    Col3 VARCHAR(10),
    Col4 VARCHAR(10),
    Col5 VARCHAR(10),
    Col6 VARCHAR(100)
)
COMMENT = '{ "origin": "sf_sc", "name": "snowconvert", "version": {  "major": 0,  "minor": 0,  "patch": "0" }, "attributes": {  "component": "transact",  "convertedOn": "12/18/2024",  "domain": "test" }}'
;

CREATE OR REPLACE TABLE GenericTable2 (
    Col1 VARCHAR(10),
    Col2 VARCHAR(10),
    Col3 VARCHAR(10),
    Col4 VARCHAR(10),
    Col5 VARCHAR(10)
)
COMMENT = '{ "origin": "sf_sc", "name": "snowconvert", "version": {  "major": 0,  "minor": 0,  "patch": "0" }, "attributes": {  "component": "transact",  "convertedOn": "12/18/2024",  "domain": "test" }}'
;

CREATE OR REPLACE TABLE GenericTable3 (
    Col1 VARCHAR(10),
    Col2 VARCHAR(100),
    Col3 CHAR(1)
)
COMMENT = '{ "origin": "sf_sc", "name": "snowconvert", "version": {  "major": 0,  "minor": 0,  "patch": "0" }, "attributes": {  "component": "transact",  "convertedOn": "12/18/2024",  "domain": "test" }}'
;

INSERT INTO GenericTable1 (Col1, Col2, Col3, Col4, Col5, Col6)
VALUES
(1, 'A1', 'B1', 'C1', NULL, NULL),
(2, 'A2', 'B2', 'C2', NULL, NULL),
(3, 'A3', 'B3', 'C3', NULL, NULL);

INSERT INTO GenericTable2 (Col1, Col2, Col3, Col4, Col5)
VALUES
('1', 'A1', 'B1', 'C1', 'X1'),
('2', 'A2', 'B2', 'C2', 'X2'),
('3', 'A3', 'B3', 'C3', 'X3');

INSERT INTO GenericTable3 (Col1, Col2, Col3)
VALUES
('X1', 'Description1', 'A'),
('X2', 'Description2', 'A'),
('X3', 'Description3', 'A');

LEFT JOIN¶

SQL Server¶

 UPDATE T1
SET
    T1.Col5 = T2.Col5,
    T1.Col6 = T3.Col2
FROM GenericTable1 T1
LEFT JOIN GenericTable2 T2 ON
    T2.Col1 COLLATE SQL_Latin1_General_CP1_CI_AS = T1.Col1
    AND T2.Col2 = T1.Col2
    AND T2.Col3 = T1.Col3
    AND T2.Col4 = T1.Col4
LEFT JOIN GenericTable3 T3 ON
    T3.Col1 = T2.Col5 AND T3.Col3 = 'A';

Ausgabe vor der Abfrage¶


Col1	Col2	Col3	Col4	Col5	Col6
1	A1	B1	C1	null	null
2	A2	B2	C2	null	null
3	A3	B3	C3	null	null

Ausgabe nach der Abfrage¶


Col1	Col2	Col3	Col4	Col5	Col6
1	A1	B1	C1	X1	Description1
2	A2	B2	C2	X2	Description2
3	A3	B3	C3	X3	Description3

Snowflake¶

 UPDATE dbo.GenericTable1 T1
    SET
        T1.Col5 = T2.Col5,
        T1.Col6 = T3.Col2
    FROM
        GenericTable2 T2,
        GenericTable3 T3
    WHERE
        T2.Col1(+) COLLATE 'EN-CI-AS' /*** SSC-FDM-TS0002 - COLLATION FOR VALUE CP1 NOT SUPPORTED ***/ = T1.Col1
        AND T2.Col2(+) = T1.Col2
        AND T2.Col3(+) = T1.Col3
        AND T2.Col4(+) = T1.Col4
        AND T3.Col1(+) = T2.Col5
        AND T3.Col3 = 'A';

Ausgabe vor der Abfrage¶


Col1	Col2	Col3	Col4	Col5	Col6
1	A1	B1	C1	null	null
2	A2	B2	C2	null	null
3	A3	B3	C3	null	null

Ausgabe nach der Abfrage¶


Col1	Col2	Col3	Col4	Col5	Col6
1	A1	B1	C1	X1	Description1
2	A2	B2	C2	X2	Description2
3	A3	B3	C3	X3	Description3

RIGHT JOIN¶

SQL Server¶

UPDATE T1
SET
    T1.Col5 = T2.Col5
FROM GenericTable2 T2
RIGHT JOIN GenericTable1 T1 ON
    T2.Col1 COLLATE SQL_Latin1_General_CP1_CI_AS = T1.Col1
    AND T2.Col2 = T1.Col2
    AND T2.Col3 = T1.Col3
    AND T2.Col4 = T1.Col4;

Ausgabe vor der Abfrage¶


Col1	Col2	Col3	Col4	Col5	Col6
1	A1	B1	C1	null	null
2	A2	B2	C2	null	null
3	A3	B3	C3	null	null

Ausgabe nach der Abfrage¶


Col1	Col2	Col3	Col4	Col5	Col6
1	A1	B1	C1	**X1	null
2	A2	B2	C2	**X2	null
3	A3	B3	C3	**X3	null

Snowflake¶

 UPDATE dbo.GenericTable1 T1
    SET
        T1.Col5 = T2.Col5
    FROM
        GenericTable2 T2,
        GenericTable1 T1
    WHERE
        T2.Col1 COLLATE 'EN-CI-AS' /*** SSC-FDM-TS0002 - COLLATION FOR VALUE CP1 NOT SUPPORTED ***/ = T1.Col1
        AND T2.Col2 = T1.Col2(+)
        AND T2.Col3 = T1.Col3(+)
        AND T2.Col4 = T1.Col4(+);

Ausgabe vor der Abfrage¶


Col1	Col2	Col3	Col4	Col5	Col6
1	A1	B1	C1	null	null
2	A2	B2	C2	null	null
3	A3	B3	C3	null	null

Ausgabe nach der Abfrage¶


Col1	Col2	Col3	Col4	Col5	Col6
1	A1	B1	C1	**X1	null
2	A2	B2	C2	**X2	null
3	A3	B3	C3	**X3	null

Bekannte Probleme¶

Es kann Muster geben, die aufgrund von Unterschieden in der Logik nicht übersetzt werden können.
Wenn Ihr Abfragemuster zutrifft, überprüfen Sie nicht-deterministische Zeilen: „Wenn eine FROM-Klausel eine JOIN zwischen Tabellen enthält (z. B. t1 und t2), kann eine Zielzeile in t1 mit mehr als einer Zeile in der Tabelle t2 verknüpft werden (d.h. übereinstimmen). Wenn dies der Fall ist, wird die Zielzeile als mehrfach verknüpfte Zeile bezeichnet. Beim Aktualisieren einer mehrfach verknüpften Zeile steuert der Sitzungsparameter ERROR_ON_NONDETERMINISTIC_UPDATE das Ergebnis der Aktualisierung“ (Snowflake-Dokumentation).