Über Datenschutzbereiche¶

Welche Spalten benötigen einen Datenschutzbereich?¶

Mit Ausnahme der Funktion COUNT kann eine Abfrage eine Spalte nur dann aggregieren, wenn die Spalte einen Datenschutzbereich hat. Ebenso kann eine Abfrage keine Spalte in einer GROUP BY-Klausel verwenden, es sei denn, die Spalte hat einen Datenschutzbereich. Im folgenden Beispiel müssen zum Beispiel sowohl die Spalte score als auch die Spalte age Datenschutzbereiche haben.

SELECT AVG(age) FROM t1
  GROUP BY score;

df.group_by("score").agg(f.mean("age").as_("mean_age")).show()

Diese Anforderungen gelten nicht für Unterabfragen. In der folgenden Abfrage zum Beispiel muss die Spalte mean_age einen Datenschutzbereich haben, die Spalten score und age jedoch nicht, obwohl sie in einer Aggregation verwendet werden.

SELECT AVG(mean_age)
  FROM (SELECT AVG(age) AS mean_age FROM t1 GROUP BY score)
  WHERE mean_age >= 20 AND mean_age <= 80;

df.group_by("score").agg(f.mean("age").as_("mean_age")) \
  .where((f.col("mean_age") >= 20) & (f.col("mean_age") <= 80)) \
  .select(f.mean("mean_age")).show()

Definieren eines Datenschutzbereichs¶

Sowohl Administratoren als auch Analysten, die Abfragen durchführen, können zwar einen Datenschutzbereich für eine Spalte definieren, tun dies aber auf unterschiedliche Weise:

• Ein Administrator verwendet die Befehle CREATE TABLE und ALTER TABLE, um einen Datenschutzbereich für eine Spalte festzulegen. Ein Administrator des Datenanbieters stellt Datenschutzbereiche ein, bevor er Analysten Zugriff gewährt. Unter bestimmten Umständen muss ein Administrator für den Analysten auch Datenschutzbereiche für Tabellen festlegen, die mit den geschützten Tabellen des Datenanbieters verbunden werden. Wenn Sie ein Administrator sind, der Datenschutzbereiche festlegen muss, lesen Sie Als Administrator mit Datenschutzbereichen arbeiten.

• Ein Analyst formt eine Abfrage, um mit Hilfe von Abfrageelementen wie Filtern und Spaltentransformationen implizit einen Datenschutzbereich anzugeben. Diese Datenschutzbereiche können für Spalten ohne einen Datenschutzbereich angegeben werden oder einen vom Datenanbieter festgelegten Datenschutzbereich einschränken. Wenn Sie ein Analyst sind, der einen Datenschutzbereich festlegen oder eingrenzen muss, lesen Sie Als Analyst mit Datenschutzbereichen arbeiten.

Wechselwirkungen zwischen Datenschutzbereichen¶

An einer Abfrage können mehrere Datenschutzbereiche beteiligt sein. Es kann einen vom Administrator festgelegten Datenschutzdomäne und einen von einem Analysten festgelegten Datenschutzbereich in derselben Spalte geben. Alternativ könnte eine Abfrage zwei Tabellen über eine Spalte verbinden, die in beiden Tabellen einen Datenschutzbereich hat.

Snowflake wertet alle Datenschutzbereiche aus und berechnet den Datenschutzbereich, der für die Dauer der Abfrage verwendet werden soll. Informationen darüber, wie dieser Datenschutzbereich zur Abfragezeit bestimmt wird, finden Sie unter:

• Interaktion zwischen vom Administrator und vom Analysten festgelegten Datenschutzbereichen

• Datenschutzbereiche und Verknüpfungen

Werte außerhalb eines Datenschutzbereichs¶

Ein Datenschutzbereich definiert mögliche Werte in einer Spalte, nicht unbedingt tatsächliche Werte. Im Folgenden wird zusammengefasst, was mit Werten geschieht, die nicht in der Liste oder im Bereich des Datenschutzbereichs enthalten sind.

Zeichenfolgen

Werte in einer Zeichenfolgenpalte, die außerhalb des Datenschutzbereichs liegen, werden für die Dauer der Abfrage immer als NULL behandelt. Dies gilt unabhängig davon, ob es sich um einen vom Administrator festgelegte Datenschutzbereich, einen vom Analysten festgelegte Datenschutzbereich oder um eine Schnittmenge von Datenschutzbereichen handelt.

Nehmen wir zum Beispiel an, dass der Datenanbieter einen Datenschutzbereich für eine Spalte state von ('california', 'oregon') eingestellt hat und der Analyst eine Abfrage geschrieben hat, die die Spalte state nach ('nevada', 'oregon') filtert. Wenn die Abfrage die Spalte state in einer GROUP BY-Klausel verwendet, dann enthält das Ergebnis zwei Gruppen: OREGON und NULL. Die Gruppe NULL umfasst alle Datensätze, bei denen der Wert der Spalte state nicht OREGON lautet, sowie Datensätze, bei denen der Wert der Spalte state buchstäblich NULL lautet.

Numerisch, Datum und Uhrzeit

Snowflake behandelt numerische, Datums- oder Zeitwerte, die außerhalb des Bereichs eines Datenschutzbereichs liegen, unterschiedlich, je nachdem, ob der Datenschutzbereich von einem Administrator oder einem Analysten definiert wurde.

Adminangaben:

Wenn der Datenanbieter einen Datenschutzbereich definiert, der eine Teilmenge der tatsächlichen Werte der Spalte enthält, werden die Werte außerhalb des Datenschutzbereichs begrenzt, d. h. sie werden so behandelt, als wären sie der nächstgelegene Wert im Bereich (der Mindest- oder Höchstwert). Wenn zum Beispiel der Datenschutzbereich einer Spalte aus ganzen Zahlen zwischen 1–100 besteht, wird ein Datensatz mit einem tatsächlichen Wert von 105 bei der Berechnung von Aggregationen so behandelt, als hätte er einen Wert von 100. Analysten können nicht auf Werte außerhalb des Datenschutzbereichs zugreifen.

Wenn eine Verknüpfung von zwei datenschutzgeschützten Tabellen zu einer Überschneidung von Datenschutzbereichen führt, werden Werte außerhalb des Datenschutzbereichs zur Abfragezeit begrenzt.

Analystenangaben:

Wenn ein Analyst einen Datenschutzbereich für eine Spalte angibt, die keinen hat, oder einen vom Administrator angegebenen Datenschutzbereich einschränkt, bestimmt die Abfrage selbst, was mit Werten geschieht, die außerhalb des Datenschutzbereichs liegen.

• Wenn die Abfrage einen Filter verwendet (WHERE-Klausel), werden Werte außerhalb des Datenschutzbereichs bei der Berechnung von Aggregationen ignoriert.

• Wenn die Abfrage eine Spaltentransformation verwendet, werden Werte in der Spalte, die außerhalb des Datenschutzbereichs liegen, wie ein vom Administrator festgelegter Datenschutzbereich begrenzt.

Wie sich zwischengeschaltete Abfrageelemente auf Datenschutzbereiche auswirken¶

Die Art und Weise, wie eine Abfrage geschrieben wird, kann sich darauf auswirken, ob sich der Bereich eines Datenschutzbereichs ändert oder ob ein Datenschutzbereich für eine Spalte noch existiert. Dieser Abschnitt hilft Ihnen zu verstehen, wie zwischengeschaltete Teile einer Abfrage, d. h. Teile der Abfrage vor der endgültigen Aggregation, den Datenschutzbereich einer Spalte beeinflussen können.

Hinzufügen neuer Spalten

Wenn eine Abfrage eine neue Spalte hinzufügt, die auf einer vorhandenen Spalte basiert, hat die Angabe oder Einschränkung eines Datenschutzbereichs für die ursprüngliche Spalte keine Auswirkungen auf die neue Spalte.

Im folgenden Beispiel nehmen wir an, dass der Datenanbieter den Datenschutzbereich in der Spalte score als einen Bereich zwischen 0 und 100 definiert hat. Wenn die Abfrage den Datenschutzbereich von score als einen Bereich zwischen 1 und 2 angibt, hat dies keine Auswirkungen auf den Datenschutzbereich der Spalte score_derived.

SELECT AVG(score_derived)
  FROM (SELECT score, score_derived FROM t1 WHERE score <= 2);

df.with_column("score_derived", f.col("score")) \
  .where((f.col("score") >= 1) & \
    (f.col("score") <= 2)) \
  .select(f.mean("score_derived")).show()

--------------------------
|"avg(""SCORE_DERIVED"")"|
--------------------------
|31.8196209349           |
--------------------------

Verwenden einer GROUP BY-Klausel in zwischengeschalteten Aggregationen

Für dazwischen liegende Teile einer Abfrage wird durch die Verwendung einer GROUP BY-Klausel beim Aggregieren einer Spalte der Datenschutzbereich aus der Spalte entfernt. Daher müssen Sie einen neue Datenschutzbereich für die Spalte angeben, wenn sie in der endgültigen Aggregation der Abfrage verwendet wird.

Im folgenden Beispiel werden bei der anfänglichen Aggregation alle Datenschutzbereiche entfernt, die in der Spalte score festgelegt wurden. Die Abfrage ist nur deshalb erfolgreich, weil sie vor der endgültigen Aggregation einen Datenschutzbereich auf den Alias der Spalte festlegt.

SELECT AVG(num_scores)
  FROM (SELECT COUNT(score) AS num_scores
    FROM t1
    GROUP BY age)
  WHERE num_scores >= 0 AND num_scores <= 100;

df.group_by("age").agg(f.count("score").as_("num_scores")) \
  .where((f.col("num_scores") >= 0) & (f.col("num_scores") <= 100)) \
  .select(f.mean("num_scores")).show()