빠른 참조: SQL 명령용 Snowpark Java API

이 항목에서는 SQL 명령에 해당하는 일부 Snowpark API에 대한 빠른 참조를 제공합니다.

(이것은 SQL 명령에 해당하는 API의 전체 목록이 아닙니다.)

쿼리 수행하기

열 선택하기

특정 열을 선택하려면 select 를 사용합니다.

SQL 문의 예

Snowpark 코드의 예

 
SELECT id, name FROM sample_product_data;

DataFrame df = session.table("sample_product_data");

DataFrame dfSelectedCols = df.select(Functions.col("id"), Functions.col("name"));

dfSelectedCols.show();

열 이름 바꾸기

열 이름을 바꾸려면 as 또는 alias 를 사용합니다.

SQL 문의 예

Snowpark 코드의 예

 
SELECT id AS item_id FROM sample_product_data;

DataFrame df = session.table("sample_product_data");

DataFrame dfRenamedCol = df.select(Functions.col("id").as("item_id"));

dfRenamedCol.show();

DataFrame df = session.table("sample_product_data");

DataFrame dfRenamedCol = df.select(Functions.col("id").alias("item_id"));

dfRenamedCol.show();

데이터 필터링하기

데이터를 필터링하려면 filter 또는 where 를 사용합니다.

SQL 문의 예

Snowpark 코드의 예

 
SELECT * FROM sample_product_data WHERE id = 1;

DataFrame df = session.table("sample_product_data");

DataFrame dfFilteredRows = df.filter(Functions.col("id").equal_to(Functions.lit(1)));

dfFilteredRows.show();

DataFrame df = session.table("sample_product_data");

DataFrame dfFilteredRows = df.where(Functions.col("id").equal_to(Functions.lit(1)));

dfFilteredRows.show();

데이터 정렬하기

데이터를 정렬하려면 sort 를 사용합니다.

SQL 문의 예

Snowpark 코드의 예

 
SELECT * FROM sample_product_data ORDER BY category_id;

DataFrame df = session.table("sample_product_data");

DataFrame dfSorted = df.sort(Functions.col("category_id"));

dfSorted.show();

반환되는 행 수 제한하기

반환되는 행 수를 제한하려면 limit 를 사용합니다. DataFrame의 행 수 제한하기 섹션을 참조하십시오.

SQL 문의 예

Snowpark 코드의 예

 
SELECT * FROM sample_product_data
  ORDER BY category_id LIMIT 2;

DataFrame df = session.table("sample_product_data");

DataFrame dfSorted = df.sort(Functions.col("category_id")).limit(2);

Row[] arrayRows = dfSorted.collect();

조인 수행하기

조인을 수행하려면 join 또는 naturalJoin 을 사용합니다. DataFrame 조인하기 섹션을 참조하십시오.

SQL 문의 예

Snowpark 코드의 예

 
SELECT * FROM sample_a
  INNER JOIN sample_b
  on sample_a.id_a = sample_b.id_a;

DataFrame dfLhs = session.table("sample_a");

DataFrame dfRhs = session.table("sample_b");

DataFrame dfJoined =
  dfLhs.join(dfRhs, dfLhs.col("id_a").equal_to(dfRhs.col("id_a")));

dfJoined.show();

SELECT * FROM sample_a NATURAL JOIN sample_b;

DataFrame dfLhs = session.table("sample_a");

DataFrame dfRhs = session.table("sample_b");

DataFrame dfJoined = dfLhs.naturalJoin(dfRhs);

dfJoined.show();

반정형 데이터 쿼리하기

반정형 데이터를 탐색하려면 subField(“<필드_이름>”) 및 subField(<인덱스>) 를 사용합니다. 반정형 데이터로 작업하기 섹션을 참조하십시오.

SQL 문의 예

Snowpark 코드의 예

 
SELECT src:salesperson.name FROM car_sales;

DataFrame df = session.table("car_sales");

DataFrame dfJsonField =
  df.select(Functions.col("src").subField("salesperson").subField("name"));

dfJsonField.show();

데이터를 그룹화하고 집계하기

데이터를 그룹화하려면 groupBy 를 사용합니다. 그러면 집계를 수행하는 데 사용할 수 있는 RelationalGroupedDataFrame 오브젝트가 반환됩니다.

SQL 문의 예

Snowpark 코드의 예

 
SELECT category_id, count(*)
  FROM sample_product_data GROUP BY category_id;

DataFrame df = session.table("sample_product_data");

DataFrame dfCountPerCategory = df.groupBy(Functions.col("category_id")).count();

dfCountPerCategory.show();

윈도우 함수 호출하기

윈도우 함수 를 호출하려면 윈도우 오브젝트 메서드를 사용하여 WindowSpec 오브젝트를 빌드합니다. 그러면 이를 윈도우 함수에 사용할 수 있습니다(‘<function> OVER … PARTITION BY … ORDER BY’ 사용과 비슷함).

SQL 문의 예

Snowpark 코드의 예

 
SELECT category_id, id, SUM(amount) OVER
  (PARTITION BY category_id ORDER BY product_date)
  FROM sample_product_data ORDER BY product_date;

WindowSpec window = Window.partitionBy(
  Functions.col("category_id")).orderBy(Functions.col("product_date"));

DataFrame df = session.table("sample_product_data");

DataFrame dfCumulativePrices = df.select(
  Functions.col("category_id"), Functions.col("product_date"),
  Functions.sum(Functions.col("amount")).over(window)).sort(Functions.col("product_date"));

dfCumulativePrices.show();

행 업데이트, 삭제, 병합하기

테이블의 행을 업데이트, 삭제, 병합하려면 Updatable 을 사용합니다. 테이블의 행 업데이트, 삭제, 병합하기 섹션을 참조하십시오.

SQL 문의 예

Snowpark 코드의 예

 
UPDATE sample_product_data
  SET serial_number = 'xyz' WHERE id = 12;

import java.util.HashMap;
import java.util.Map;
...

Map<Column, Column> assignments = new HashMap<>();

assignments.put(Functions.col("serial_number"), Functions.lit("xyz"));

Updatable updatableDf = session.table("sample_product_data");

UpdateResult updateResult =
  updatableDf.update(
    assignments,
    Functions.col("id").equal_to(Functions.lit(12)));

System.out.println("Number of rows updated: " + updateResult.getRowsUpdated());

DELETE FROM sample_product_data
  WHERE category_id = 50;

Updatable updatableDf = session.table("sample_product_data");

DeleteResult deleteResult =
  updatableDf.delete(updatableDf.col("category_id").equal_to(Functions.lit(50)));

System.out.println("Number of rows deleted: " + deleteResult.getRowsDeleted());

MERGE  INTO target_table USING source_table
  ON target_table.id = source_table.id
  WHEN MATCHED THEN
    UPDATE SET target_table.description =
      source_table.description;

import java.util.HashMap;
import java.util.Map;

Map<String, Column> assignments = new HashMap<>();
assignments.put("description", source.col("description"));
MergeResult mergeResult =
  target.merge(source, target.col("id").equal_to(source.col("id")))
  .whenMatched.updateColumn(assignments)
  .collect();

스테이지 작업하기

스테이지 작업에 대한 자세한 내용은 스테이지에서 파일 작업하기 섹션을 참조하십시오.

스테이지에서 파일 업로드 및 다운로드하기

스테이지에서 파일을 업로드 및 다운로드하려면 FileOperation 을 사용합니다. 스테이지에서 파일 업로드 및 다운로드하기 섹션을 참조하십시오.

SQL 문의 예

Snowpark 코드의 예

 
PUT file:///tmp/*.csv @myStage OVERWRITE = TRUE;

import java.util.HashMap;
import java.util.Map;
...
Map<String, String> putOptions = new HashMap<>();

putOptions.put("OVERWRITE", "TRUE");

PutResult[] putResults = session.file().put(
  "file:///tmp/*.csv", "@myStage", putOptions);

for (PutResult result : putResults) {
  System.out.println(result.getSourceFileName() + ": " + result.getStatus());
}

GET @myStage file:///tmp PATTERN = '.*.csv.gz';

import java.util.HashMap;
import java.util.Map;
...
Map<String, String> getOptions = new HashMap<>();

getOptions.put("PATTERN", "'.*.csv.gz'");

GetResult[] getResults = session.file().get(
"@myStage", "file:///tmp", getOptions);

for (GetResult result : getResults) {
  System.out.println(result.getFileName() + ": " + result.getStatus());
}

스테이지의 파일에서 데이터 읽기

스테이지의 파일에서 데이터를 읽으려면 DataFrameReader 를 사용하여 데이터에 대한 DataFrame을 만듭니다. 스테이지의 파일에 대한 DataFrame 설정하기 섹션을 참조하십시오.

SQL 문의 예

Snowpark 코드의 예

 
CREATE FILE FORMAT snowpark_temp_format TYPE = JSON;

SELECT "$1"[0]['salesperson']['name'] FROM (
  SELECT $1::VARIANT AS "$1" FROM @mystage/car_sales.json(
    FILE_FORMAT => 'snowpark_temp_format')) LIMIT 10;

DROP FILE FORMAT snowpark_temp_format;

DataFrame df = session.read().json(
  "@mystage/car_sales.json").select(
    Functions.col("$1").subField(0).subField("salesperson").subField("name"));

df.show();

스테이지의 파일에서 테이블로 데이터 복사하기

스테이지의 파일에서 테이블로 데이터를 복사하려면 DataFrameReader 를 사용하여 데이터에 대한 CopyableDataFrame 을 만들고, copyInto 메서드를 사용하여 데이터를 테이블에 복사합니다. 파일에서 테이블로 데이터 복사하기 섹션을 참조하십시오.

SQL 문의 예

Snowpark 코드의 예

 
COPY INTO new_car_sales
  FROM @mystage/car_sales.json
  FILE_FORMAT = (TYPE = JSON);

CopyableDataFrame dfCopyableDf = session.read().json("@mystage/car_sales.json");
dfCopyableDf.copyInto("new_car_sales");

스테이지의 파일에 DataFrame 저장하기

스테이지의 파일에 DataFrame을 저장하려면 사용하려는 파일의 형식을 따서 명명된 DataFrameWriter 메서드를 사용하십시오. 스테이지의 파일에 DataFrame 저장하기 섹션을 참조하십시오.

SQL 문의 예

Snowpark 코드의 예

 
COPY INTO @mystage/saved_data.json
  FROM (  SELECT  *  FROM (car_sales) )
  FILE_FORMAT = ( TYPE = JSON COMPRESSION = 'none' )
  OVERWRITE = TRUE
  DETAILED_OUTPUT = TRUE

DataFrame df = session.table("car_sales");

WriteFileResult writeFileResult = df.write().mode(
  SaveMode.Overwrite).option(
  "DETAILED_OUTPUT", "TRUE").option(
  "compression", "none").json(
  "@mystage/saved_data.json");

사용자 정의 함수(UDF)를 만들고 호출하기

익명 UDF를 만들려면 Functions.udf 를 사용합니다.

이름으로 호출할 수 있는 임시 또는 영구 UDF를 만들려면 UDFRegistration.registerTemporary 또는 UDFRegistration.registerPermanent 를 사용합니다.

영구 UDF를 이름으로 호출하려면 Functions.callUDF 를 사용합니다.

자세한 내용은 Java에서 DataFrame용 사용자 정의 함수(UDF) 만들기 및 스칼라 사용자 정의 함수(UDF) 호출하기 섹션을 참조하십시오.

SQL 문의 예

Snowpark 코드의 예

 
CREATE FUNCTION <temp_function_name>
  RETURNS INT
  LANGUAGE JAVA
  ...
  AS
  ...;

SELECT ...,
  <temp_function_name>(quantity) AS doublenum
  FROM sample_product_data;

UserDefinedFunction doubleUdf =
  Functions.udf(
    (Integer x) -> x + x,
    DataTypes.IntegerType,
    DataTypes.IntegerType);

DataFrame df = session.table("sample_product_data");

DataFrame dfWithDoubleNum =
  df.withColumn("doubleNum",
    doubleUdf.apply(Functions.col("quantity")));

dfWithDoubleNum.show();

CREATE FUNCTION <temp_function_name>
  RETURNS INT
  LANGUAGE JAVA
  ...
  AS
  ...;

SELECT ...,
  <temp_function_name>(quantity) AS doublenum
  FROM sample_product_data;

UserDefinedFunction doubleUdf =
  session
    .udf()
    .registerTemporary(
      "doubleUdf",
      (Integer x) -> x + x,
      DataTypes.IntegerType,
      DataTypes.IntegerType);

DataFrame df = session.table("sample_product_data");

DataFrame dfWithDoubleNum =
  df.withColumn("doubleNum",
    Functions.callUDF("doubleUdf", Functions.col("quantity")));
dfWithDoubleNum.show();

CREATE FUNCTION doubleUdf(arg1 INT)
  RETURNS INT
  LANGUAGE JAVA
  ...
  AS
  ...;

SELECT ...,
  doubleUdf(quantity) AS doublenum
  FROM sample_product_data;

UserDefinedFunction doubleUdf =
  session
    .udf()
    .registerPermanent(
      "doubleUdf",
      (Integer x) -> x + x,
      DataTypes.IntegerType,
      DataTypes.IntegerType,
      "mystage");

DataFrame df = session.table("sample_product_data");

DataFrame dfWithDoubleNum =
  df.withColumn("doubleNum",
    Functions.callUDF("doubleUdf", Functions.col("quantity")));
dfWithDoubleNum.show();

저장 프로시저 만들기 및 호출하기

Snowpark를 사용하여 저장 프로시저를 만드는 방법에 대한 안내는 Java로 DataFrames용 저장 프로시저 만들기 섹션을 참조하십시오.

SQL 문의 예

Snowpark 코드의 예

 
CREATE PROCEDURE <temp_procedure_name>(x INTEGER, y INTEGER)
  RETURNS INTEGER
  LANGUAGE JAVA
  ...
  AS
  $$
  BEGIN
    RETURN x + y;
  END
  $$
  ;

CALL <temp_procedure_name>(2, 3);

StoredProcedure sp =
  session.sproc().registerTemporary((Session session, Integer x, Integer y) -> x + y,
    new DataType[] {DataTypes.IntegerType, DataTypes.IntegerType},
    DataTypes.IntegerType);

  session.storedProcedure(sp, 2, 3).show();

CREATE PROCEDURE sproc(x INTEGER, y INTEGER)
  RETURNS INTEGER
  LANGUAGE JAVA
  ...
  AS
  $$
  BEGIN
   RETURN x + y;
  END
  $$
  ;

CALL sproc(2, 3);

String name = "sproc";

StoredProcedure sp =
  session.sproc().registerTemporary(name,
    (Session session, Integer x, Integer y) -> x + y,
    new DataType[] {DataTypes.IntegerType, DataTypes.IntegerType},
    DataTypes.IntegerType);

  session.storedProcedure(name, 2, 3).show();

CREATE PROCEDURE add_hundred(x INTEGER)
  RETURNS INTEGER
  LANGUAGE JAVA
  ...
  AS
  $$
  BEGIN
   RETURN x + 100;
  END
  $$
  ;

CALL add_hundred(3);

String name = "add_hundred";
String stageName = "sproc_libs";

StoredProcedure sp =
  session.sproc().registerPermanent(
    name,
    (Session session, Integer x) -> x + 100,
    DataTypes.IntegerType,
    DataTypes.IntegerType,
    stageName,
    true);

  session.storedProcedure(name, 3).show();