SnowConvert AI - Teradata - DML¶

이 섹션에서는 데이터 조작 언어 요소의 변환 참조에 대한 설명서를 확인할 수 있습니다.

Delete 문¶

Delete 문 참조

Teradata는 FROM 절에서 둘 이상의 테이블 호출을 지원하지만, Snowflake는 지원하지 않습니다. 따라서 조건에 관련된 추가 테이블을 참조하려면 USING 절을 사용해야 합니다.

Teradata

Delete

DEL FROM MY_TABLE ALL;
DEL FROM MY_TABLE_2 WHERE COL1 > 50;
DELETE T1 FROM TABLE1 T1, TABLE2 T2 WHERE T1.ID = T2.ID;
DELETE FROM TABLE1 T1, TABLE2 T2 WHERE T1.ID = T2.ID;
DELETE T1 FROM TABLE2 T2, TABLE1 T1 WHERE T1.ID = T2.ID;
DELETE FROM TABLE1 WHERE TABLE1.COLUMN1 = TABLE2.COLUMN2

Snowflake

Delete

DELETE FROM
MY_TABLE;

DELETE FROM
MY_TABLE_2
WHERE
COL1 > 50;

DELETE FROM
TABLE1 T1
USING TABLE2 T2
WHERE
T1.ID = T2.ID;

DELETE FROM
TABLE1 T1
USING TABLE2 T2
WHERE
T1.ID = T2.ID;

DELETE FROM
TABLE1 T1
USING TABLE2 T2
WHERE
T1.ID = T2.ID;

DELETE FROM
TABLE1
WHERE
TABLE1.COLUMN1 = TABLE2.COLUMN2;

Known Issues¶

1. DEL abbreviation unsupported¶

이 약어는 Snowflake에서 지원되지 않지만, DELETE 로 변경하면 올바르게 변환됩니다.

세트 연산자¶

SQL 세트 연산자는 각 쿼리의 결과를 단일 결과 세트로 결합하는 여러 쿼리의 결과 세트를 조작합니다.

참고

출력 코드의 일부 부분은 명확성을 위해 생략되었습니다.

Set 연산자 참조

Teradata와 Snowflake의 Set 연산자는 EXCEPT, INTERSECT, UNION 에서 ALL 절을 제외하고는 구문과 지원 시나리오가 동일하며, INTERSECTALL 에서는 지원하지 않으므로 변환 후 ALL 의 일부가 주석 처리된 코드가 됩니다.

Teradata

Intersect¶

 SELECT LastName, FirstName FROM employees
INTERSECT
SELECT FirstName, LastName FROM contractors;

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

Snowflake

Intersect¶

 SELECT
LastName,
FirstName FROM
employees
INTERSECT
SELECT
FirstName,
LastName FROM
contractors;

SELECT
LastName,
FirstName FROM
employees
INTERSECT
        !!!RESOLVE EWI!!! /*** SSC-EWI-0040 - THE 'INTERSECT ALL QUANTIFIER' CLAUSE IS NOT SUPPORTED IN SNOWFLAKE ***/!!! ALL
SELECT
FirstName,
LastName FROM
contractors;

Known Issues¶

1. INTERSECT ALL unsupported¶

INTERSECTALL 은 Snowflake에서 지원되지 않으며 ALL 부분에 설명이 추가됩니다.

Update 문¶

설명¶

테이블의 기존 행에서 열 값을 수정합니다. (Teradata SQL 언어 참조 UPDATE)

샘플 소스 패턴¶

기본 사례¶

Teradata

Update

 UPDATE CRASHDUMPS.TABLE1 i
 SET COLUMN4 = CRASHDUMPS.TABLE2.COLUMN3
 WHERE i.COLUMN1 = CRASHDUMPS.TABLE2.COLUMN1
 AND i.COLUMN3 = 'L';

Snowflake

Update

UPDATE CRASHDUMPS.TABLE1 AS i
 SET
  i.COLUMN4 = CRASHDUMPS.TABLE2.COLUMN3
 FROM
  CRASHDUMPS.TABLE2
  WHERE i.COLUMN1 = CRASHDUMPS.TABLE2.COLUMN1
  AND UPPER(RTRIM( i.COLUMN3)) = UPPER(RTRIM('L'));

순방향 별칭이 있는 UPDATE¶

Teradata는 별칭을 선언하기 전에 참조하는 기능을 지원하지만, Snowflake는 지원하지 않습니다. 이 시나리오의 변환은 참조된 테이블을 가져와서 참조하는 테이블 이름의 별칭을 변경하는 것입니다.

Teradata

Update

 UPDATE i
 FROM CRASHDUMPS.TABLE2, CRASHDUMPS.TABLE1 i
 SET COLUMN4 = CRASHDUMPS.TABLE2.COLUMN3
 WHERE i.COLUMN1 = CRASHDUMPS.TABLE2.COLUMN1
 AND i.COLUMN3 = 'L';

Snowflake

Update

UPDATE CRASHDUMPS.TABLE1 AS i
  SET
  i.COLUMN4 = CRASHDUMPS.TABLE2.COLUMN3
  FROM
  CRASHDUMPS.TABLE2
  WHERE i.COLUMN1 = CRASHDUMPS.TABLE2.COLUMN1
  AND UPPER(RTRIM( i.COLUMN3)) = UPPER(RTRIM('L'));

UPDATE with target table in the FROM clause¶

Teradata는 FROM 절에 정의된 대상 테이블을 지원합니다. 이는 중복 별칭과 모호한 열 참조 오류를 방지하기 위해 Snowflake에서 제거되었습니다.

Teradata

Update

UPDATE some_table
FROM some_table
SET Code = Code + 100
WHERE Name = 'A';

Snowflake

Update

UPDATE some_table
  SET Code = Code + 100
  WHERE
  UPPER(RTRIM( Name)) = UPPER(RTRIM('A'));

With Modifier¶

WITH 한정자를 사용하여 여러 명명된 쿼리 목록을 포함하는 Select 문(공통 테이블 식(CTEs)을 선택합니다.

수정자 포함 참조

Snowflake는 여러 개의 CTEs (공통 테이블 식)이 있는 SELECT 문에서 Teradata의 WITH 수정자를 지원합니다. Teradata는 CTE 정의가 선언되기 전에 참조되는지 여부에 관계없이 모든 순서를 지원하지만, Snowflake는 CTE 가 다른 CTE 를 호출하는 경우 반드시 그 전에 정의할 것을 요구합니다. 그런 다음 WITH 내에서 변환된 CTEs 시퀀스는 참조되지 않은 CTEs, 다음 CTE 를 호출하는 CTE 로 순서가 재지정됩니다.

WITH 호출 시퀀스에서 주기가 감지된 경우 SSC-EWI-TD0077의 예에 자세히 설명된 대로 시퀀스가 변경되지 않고 원본 그대로 유지됩니다.

아래 예에서 두 개의 CTEs는 n1 및 n2로 명명되며, n1은 n2를 나타냅니다. 그런 다음 n2를 Snowflake에서 해당 변환 코드로 먼저 정의해야 합니다.

참고

출력 코드의 일부 부분은 명확성을 위해 생략되었습니다.

Teradata

With Modifier¶

 WITH recursive n1(c1) as (select c1, c3 from t2, n1),
     n2(c2) as (select c2 from tablex)
     SELECT * FROM t1;

Snowflake

With Modifier¶

 WITH RECURSIVE n1(c1) AS
(
     SELECT
          c1,
          c3 from
          t2, n1
),
n2(c2) AS
(
     SELECT
          c2 from
          tablex
)
SELECT
     * FROM
     t1;

Known Issues¶

1. Impossible to reorder when cycles were found¶

CTEs 참조가 분석되고 CTEs 호출 사이에 주기가 있는 경우 CTEs 는 주문되지 않습니다.

Insert 문¶

테이블에 새 행을 추가하는 SQL 문입니다.

참고

출력 코드의 일부 부분은 명확성을 위해 생략되었습니다.

Insert 문 참조

Teradata에는 각 테이블 열의 값을 인라인으로 할당하는 대체 INSERT 구문이 있습니다. 이 대체 구조를 사용하려면 Snowflake에서 지원되는 특수 변환이 필요합니다. 값의 인라인 할당은 분리되어 Snowflake INSERT INTO 문의 VALUES(...) 부분 내에 배치됩니다.

Teradata

삽입¶

 INSERT INTO appDB.logTable (
    process_name = 'S2F_BOOKS_LOAD_NEW'
    , session_id = 105678989 
    , message_txt = '' 
    , message_ts = '2019-07-23 00:00:00'
    , Insert_dt = CAST((CURRENT_TIMESTAMP(0)) AS DATE FORMAT 'YYYY-MM-DD'));

Snowflake

삽입¶

 INSERT INTO appDB.logTable (
process_name, session_id, message_txt, message_ts, Insert_dt)
VALUES ('S2F_BOOKS_LOAD_NEW', 105678989, '', '2019-07-23 00:00:00', TO_DATE((CURRENT_TIMESTAMP(0))));

알려진 문제 ¶

문제가 발견되지 않았습니다.

LOGGING ERRORS¶

참고

출력 코드의 일부 부분은 명확성을 위해 생략되었습니다.

참고

설명¶

문을 INSERT ... SELECT 로 사용할 때 오류를 로그에 기록하는 문입니다. 다음 설명서 를 참조하십시오.

샘플 소스 패턴¶

LOGGING ERRORS¶

이 예제에서는 LOGGING ERRORS 가 관련 구문이 아니므로 제거되었습니다. 이 구문은 Snowflake에서 필수가 아닙니다.

Teradata¶

 INSERT INTO MY_TABLE
SELECT *
FROM MY_SAMPLE
LOGGING ERRORS;

Snowflake¶

INSERT INTO MY_TABLE SELECT
*
FROM
MY_SAMPLE;

LOGGING ALL ERRORS¶

이 예제에서는 LOGGING ALL ERRORS 가 관련 구문이 아니므로 제거되었음을 알 수 있습니다. 이 구문은 Snowflake에서 필수가 아닙니다.

Teradata¶

 INSERT INTO MY_TABLE
SELECT *
FROM MY_SAMPLE
LOGGING ALL ERRORS;

Snowflake¶

 INSERT INTO MY_TABLE SELECT
*
FROM
MY_SAMPLE;

LOGGING ERRORS WITH NO LIMIT¶

이 예제에서는 LOGGING ERRORS WITH NO LIMIT 가 관련 구문이 아니므로 제거되었음을 알 수 있습니다. 이 구문은 Snowflake에서 필수가 아닙니다.

Teradata¶

 INSERT INTO MY_TABLE
SELECT *
FROM MY_SAMPLE
LOGGING ERRORS WITH NO LIMIT;

Snowflake¶

 INSERT INTO MY_TABLE SELECT
*
FROM
MY_SAMPLE;

LOGGING ERRORS WITH LIMIT OF¶

이 예제에서는 LOGGING ERRORS WITH LIMIT OF 가 관련 구문이 아니므로 제거되었음을 알 수 있습니다. 이 구문은 Snowflake에서 필수가 아닙니다.

Teradata¶

 INSERT INTO MY_TABLE
SELECT *
FROM MY_SAMPLE
LOGGING ERRORS WITH LIMIT OF 100;

Snowflake¶

 INSERT INTO MY_TABLE SELECT
*
FROM
MY_SAMPLE;

알려진 문제 ¶

문제가 발견되지 않았습니다.

Select 문¶

Select 문 참조

Snowflake는 몇 가지 예외를 제외하고 Teradata의 SELECT 구문을 지원합니다. 기본적으로 SEL 약어는 지원하지 않습니다.

Teradata

Sel

SEL DISTINCT col1, col2 FROM table1

Snowflake

Select

SELECT DISTINCT col1,
col2 FROM
table1;

Teradata는 별칭을 선언하기 전에 참조하는 기능을 지원하지만, Snowflake는 지원하지 않습니다. 이 시나리오의 변환은 참조된 열을 가져와서 참조하는 열 이름의 별칭을 변경하는 것입니다.

Teradata

Alias

SELECT
my_val, sum(col1),
col2 AS my_val FROM table1

Snowflake

Alias

SELECT
my_val,
SUM(col1),
col2 AS my_val FROM
table1;

제거된 절 옵션¶

다음 절 옵션은 Snowflake와 관련이 없으므로 마이그레이션 중에 제거됩니다.


Teradata	Snowflake
Expand on	지원 안 됨
Normalize	지원 안 됨
With check option (Query)	지원 안 됨

Known Issues¶

1. SEL abbreviation unsupported¶

이 약어는 Snowflake에서 지원되지 않지만, SELECT 로 변경하면 올바르게 변환됩니다.

ANY 조건자¶

경고

이는 현재 진행 중인 작업으로 향후 변경 사항이 적용될 수 있습니다.

설명¶

Teradata에서는 비교 작업 또는 IN/NOT IN 조건자에서 정량화가 가능합니다. 식과 하위 쿼리에서 반환된 값 세트의 1개 이상의 값을 비교하면 true입니다. 자세한 내용은 다음 Teradata 설명서 를 검토하십시오.

Teradata 구문

 { expression quantifier ( literal [ {, | OR} ... ] ) |
  { expression | ( expression [,...] ) } quantifier ( subquery )
}

여기서 한정자:

 { comparison_operator [ NOT ] IN } { ALL |ANY | SOME }

Snowflake 구문

SuccessPlaceholder

In subquery form, IN is equivalent to = ANY and NOT IN is equivalent to <> ALL. Review the following Snowflake documentation for more information.

개별 값을 비교하려면:

 <value> [ NOT ] IN ( <value_1> [ , <value_2> ...  ] )

row constructors(괄호로 묶인 값 목록)를 비교하려면:

 ( <value_A> [, <value_B> ... ] ) [ NOT ] IN (  ( <value_1> [ , <value_2> ... ] )  [ , ( <value_3> [ , <value_4> ... ] )  ...  ]  )

값을 하위 쿼리에서 반환된 값과 비교하려면:

 <value> [ NOT ] IN ( <subquery> )

샘플 소스 패턴¶

샘플 데이터¶

Teradata¶

쿼리¶

 CREATE TABLE Employee (
    EmpNo INT,
    Name VARCHAR(100),
    DeptNo INT
);

INSERT INTO Employee (EmpNo, Name, DeptNo)
VALUES (1, 'Alice', 100);

INSERT INTO Employee (EmpNo, Name, DeptNo)
VALUES (2, 'Bob', 300);

INSERT INTO Employee (EmpNo, Name, DeptNo)
VALUES (3, 'Charlie', 500);

INSERT INTO Employee (EmpNo, Name, DeptNo)
VALUES (4, 'David', 200);

INSERT INTO Employee (EmpNo, Name, DeptNo)
VALUES (5, 'Eve', 100);

Snowflake¶

쿼리¶

 CREATE OR REPLACE TABLE Employee (
    EmpNo INT,
    Name VARCHAR(100),
    DeptNo INT
)
COMMENT = '{ "origin": "sf_sc", "name": "snowconvert", "version": {  "major": 0,  "minor": 0,  "patch": "0" }, "attributes": {  "component": "teradata",  "convertedOn": "01/14/2025",  "domain": "test" }}'
;

INSERT INTO Employee (EmpNo, Name, DeptNo)
VALUES (1, 'Alice', 100);

INSERT INTO Employee (EmpNo, Name, DeptNo)
VALUES (2, 'Bob', 300);

INSERT INTO Employee (EmpNo, Name, DeptNo)
VALUES (3, 'Charlie', 500);

INSERT INTO Employee (EmpNo, Name, DeptNo)
VALUES (4, 'David', 200);

INSERT INTO Employee (EmpNo, Name, DeptNo)
VALUES (5, 'Eve', 100);

Equal ANY predicate in WHERE clause ¶

Teradata

입력¶

 SELECT DeptNo
FROM Employee
WHERE DeptNo = ANY(100,300,500) ;

출력¶


DeptNo
100
500
100
300

Snowflake

입력¶

 SELECT DeptNo
FROM Employee
WHERE DeptNo IN(100,300,500) ;

출력¶


DeptNo
100
500
100
300

WHERE 절의 기타 비교 연산자¶

다른 비교 연산자가 있는 경우 필수 하위 쿼리를 추가하는 것이 이에 상응하는 변환입니다.

Teradata

입력¶

 SELECT Name, DeptNo
FROM Employee
WHERE DeptNo < ANY(100,300,500) ;

출력¶


이름	DeptNo
Eve	100
Alice	100
David	200
Bob	300

Snowflake

입력¶

 SELECT Name, DeptNo
FROM Employee
WHERE DeptNo < ANY 
(SELECT DeptNo
FROM Employee
WHERE DeptNo > 100
OR DeptNo > 300
OR DeptNo > 500);

출력¶


NAME	DEPTNO
Alice	100
Eve	100
Bob	300
David	200

WHERE 절의 IN ANY¶

Teradata

입력¶

 SELECT DeptNo
FROM Employee
WHERE DeptNo IN ANY(100,300,500) ;

출력¶


DeptNo
100
500
100
300

Snowflake

입력¶

 SELECT DeptNo
FROM Employee
WHERE DeptNo IN(100,300,500) ;

출력¶


DeptNo
100
500
100
300

WHERE 절의 NOT IN ALL¶

Teradata

입력¶

 SELECT Name, DeptNo
FROM Employee
WHERE DeptNo NOT IN ALL(100, 200);

출력¶


이름	DeptNo
Charlie	500
Bob	300

Snowflake

입력¶

 SELECT Name, DeptNo
FROM Employee
WHERE DeptNo NOT IN (100, 200);

출력¶


이름	DeptNo
Charlie	500
Bob	300

Known Issues¶

WHERE 절의 NOT IN ANY¶

Teradata

입력¶

 SELECT Name, DeptNo
FROM Employee
WHERE DeptNo NOT IN ANY(100, 200);

출력¶


이름	DeptNo
Eve	100
Charlie	500
Alice	100
David	200
Bob	300

Snowflake

입력¶

 SELECT Name, DeptNo
FROM Employee
WHERE DeptNo IN (100, 200)
   OR DeptNo NOT IN (100, 200);

출력¶


이름	DeptNo
Eve	100
Charlie	500
Alice	100
David	200
Bob	300

Expand On 절¶

Teradata Expand On 기능을 Snowflake로 변환하기 위한 변환 참조

설명¶

Expand On 절은 기간 데이터 타입을 가진 열을 확장하여 입력 행의 기간 값을 기반으로 일반 시계열 행을 생성합니다. Expand On 절에 대한 자세한 내용은 Teradata 설명서 를 참조하십시오.

샘플 소스 패턴¶

참고

출력 코드의 일부 부분은 명확성을 위해 생략되었습니다.

샘플 데이터¶

Teradata¶

 CREATE TABLE table1 (id INTEGER, pd PERIOD (TIMESTAMP));

INSERT INTO
    table1
VALUES
    (
        1,
        PERIOD(
            TIMESTAMP '2022-05-23 10:15:20.00009',
            TIMESTAMP '2022-05-23 10:15:25.000012'
        )
    );

Snowflake¶

 CREATE OR REPLACE TABLE table1 (
    id INTEGER,
    pd VARCHAR(58) !!!RESOLVE EWI!!! /*** SSC-EWI-TD0053 - SNOWFLAKE DOES NOT SUPPORT THE PERIOD DATATYPE, ALL PERIODS ARE HANDLED AS VARCHAR INSTEAD ***/!!!
)
COMMENT = '{"origin":"sf_sc","name":"snowconvert","version":{"major":1, "minor":0},{"attributes":{"component":"teradata"}}'
;

INSERT INTO table1
VALUES (
1, PUBLIC.PERIOD_UDF(
            TIMESTAMP '2022-05-23 10:15:20.00009',
            TIMESTAMP '2022-05-23 10:15:25.000012'
        ) !!!RESOLVE EWI!!! /*** SSC-EWI-TD0053 - SNOWFLAKE DOES NOT SUPPORT THE PERIOD DATATYPE, ALL PERIODS ARE HANDLED AS VARCHAR INSTEAD ***/!!!);

Expand On 절¶

기간 열을 초 단위로 확장하고 싶다고 가정해 보겠습니다. 이 확장 절에는 앵커 기간 확장 및 간격 리터럴 확장이 있습니다.

앵커 기간 확장¶

Teradata¶

 SELECT
    id,
    BEGIN(bg)
FROM
    table1 EXPAND ON pd AS bg BY ANCHOR ANCHOR_SECOND;

결과¶


id	BEGIN (bg)
1	2022-05-23 10:15:21.0000
1	2022-05-23 10:15:22.0000
1	2022-05-23 10:15:23.0000
1	2022-05-23 10:15:24.0000
1	2022-05-23 10:15:25.0000

Snowflake는 Expand On을 지원하지 않습니다. 동일한 결과와 기능을 재현하기 위해 Teradata SQL 코드는 CTE 블록에 포함되며, EXPAND_ON_UDF 및 TABLE 함수를 사용하여 여러 행을 반환하는 FLATTEN 함수, ROW_COUNT_UDF 및 DIFF_TTIME_PERIOD_UDF 를 사용하여 필요한 행 수를 표시하고 VALUE 를 반환하여 EXPAND_ON_UDF 가 다른 정규 시계열을 계산할 수 있도록 도와줍니다. 이 CTE 블록은 Expand On 절에서와 동일한 확장 열 별칭을 반환하므로 모든 기간 데이터 타입 사용에서 결과를 사용할 수 있습니다.

Snowflake¶

 WITH ExpandOnCTE AS
(
    SELECT
        PUBLIC.EXPAND_ON_UDF('ANCHOR_SECOND', VALUE, pd) bg
    FROM
        table1,
        TABLE(FLATTEN(PUBLIC.ROW_COUNT_UDF(PUBLIC.DIFF_TIME_PERIOD_UDF('ANCHOR_SECOND', pd))))
)
SELECT
    id,
    PUBLIC.PERIOD_BEGIN_UDF(bg) !!!RESOLVE EWI!!! /*** SSC-EWI-TD0053 - SNOWFLAKE DOES NOT SUPPORT THE PERIOD DATATYPE, ALL PERIODS ARE HANDLED AS VARCHAR INSTEAD ***/!!!
FROM
    table1,
    ExpandOnCTE;

결과¶


id	PERIOD_BEGIN_UDF(bg)
1	2022-05-23 10:15:21.0000
1	2022-05-23 10:15:22.0000
1	2022-05-23 10:15:23.0000
1	2022-05-23 10:15:24.0000
1	2022-05-23 10:15:25.0000

Known Issues¶

Expand On 절은 간격 리터럴 확장을 사용할 수 있으며, 이 경우 SnowConvert AI는 이 변환이 계획되어 있다는 오류를 추가합니다.

간격 리터럴 확장¶

Teradata¶

 SELECT
    id,
    BEGIN(bg)
FROM
    table1 EXPAND ON pd AS bg BY INTERVAL '1' SECOND;

결과¶


id	BEGIN (bg)
1	2022-05-23 10:15:20.0000
1	2022-05-23 10:15:21.0000
1	2022-05-23 10:15:22.0000
1	2022-05-23 10:15:23.0000
1	2022-05-23 10:15:24.0000

Snowflake¶

 SELECT
    id,
    PUBLIC.PERIOD_BEGIN_UDF(bg) !!!RESOLVE EWI!!! /*** SSC-EWI-TD0053 - SNOWFLAKE DOES NOT SUPPORT THE PERIOD DATATYPE, ALL PERIODS ARE HANDLED AS VARCHAR INSTEAD ***/!!!
FROM
    table1
!!!RESOLVE EWI!!! /*** SSC-EWI-0073 - PENDING FUNCTIONAL EQUIVALENCE REVIEW FOR 'EXPAND ON' NODE ***/!!!
EXPAND ON pd AS bg BY INTERVAL '1' SECOND;

Normalize¶

Teradata Normalize 기능을 Snowflake로 변환하기 위한 변환 참조

설명¶

NORMALIZE 는 첫 번째 기간 열의 기간 값이 서로 일치하거나 겹치는 경우 결합하여 개별 기간 값을 포괄하는 기간을 형성하도록 지정합니다. 정규화 절에 대한 자세한 내용은 Teradata 설명서 를 참조하십시오.

샘플 소스 패턴¶

참고

출력 코드의 일부 부분은 명확성을 위해 생략되었습니다.

샘플 데이터¶

Teradata¶

 CREATE TABLE project (
    emp_id INTEGER,
    project_name VARCHAR(20),
    dept_id INTEGER,
    duration PERIOD(DATE)
);

INSERT INTO project
VALUES
    (
        10,
        'First Phase',
        1000,
        PERIOD(DATE '2010-01-10', DATE '2010-03-20')
    );

INSERT INTO project
VALUES
    (
        10,
        'First Phase',
        2000,
        PERIOD(DATE '2010-03-20', DATE '2010-07-15')
    );

INSERT INTO project
VALUES
    (
        10,
        'Second Phase',
        2000,
        PERIOD(DATE '2010-06-15', DATE '2010-08-18')
    );

INSERT INTO project
VALUES
    (
        20,
        'First Phase',
        2000,
        PERIOD(DATE '2010-03-10', DATE '2010-07-20')
    );

INSERT INTO project
VALUES
    (
        20,
        'Second Phase',
        1000,
        PERIOD(DATE '2020-05-10', DATE '2020-09-20')
    );

Snowflake¶

 CREATE OR REPLACE TABLE project (
    emp_id INTEGER,
    project_name VARCHAR(20),
    dept_id INTEGER,
    duration VARCHAR(24) !!!RESOLVE EWI!!! /*** SSC-EWI-TD0053 - SNOWFLAKE DOES NOT SUPPORT THE PERIOD DATATYPE, ALL PERIODS ARE HANDLED AS VARCHAR INSTEAD ***/!!!
)
COMMENT = '{"origin":"sf_sc","name":"snowconvert","version":{"major":1, "minor":0},{"attributes":{"component":"teradata"}}'
;

INSERT INTO project
VALUES (
10,
        'First Phase',
        1000, PUBLIC.PERIOD_UDF(DATE '2010-01-10', DATE '2010-03-20') !!!RESOLVE EWI!!! /*** SSC-EWI-TD0053 - SNOWFLAKE DOES NOT SUPPORT THE PERIOD DATATYPE, ALL PERIODS ARE HANDLED AS VARCHAR INSTEAD ***/!!!);

INSERT INTO project
VALUES (
10,
        'First Phase',
        2000, PUBLIC.PERIOD_UDF(DATE '2010-03-20', DATE '2010-07-15') !!!RESOLVE EWI!!! /*** SSC-EWI-TD0053 - SNOWFLAKE DOES NOT SUPPORT THE PERIOD DATATYPE, ALL PERIODS ARE HANDLED AS VARCHAR INSTEAD ***/!!!);

INSERT INTO project
VALUES (
10,
        'Second Phase',
        2000, PUBLIC.PERIOD_UDF(DATE '2010-06-15', DATE '2010-08-18') !!!RESOLVE EWI!!! /*** SSC-EWI-TD0053 - SNOWFLAKE DOES NOT SUPPORT THE PERIOD DATATYPE, ALL PERIODS ARE HANDLED AS VARCHAR INSTEAD ***/!!!);

INSERT INTO project
VALUES (
20,
        'First Phase',
        2000, PUBLIC.PERIOD_UDF(DATE '2010-03-10', DATE '2010-07-20') !!!RESOLVE EWI!!! /*** SSC-EWI-TD0053 - SNOWFLAKE DOES NOT SUPPORT THE PERIOD DATATYPE, ALL PERIODS ARE HANDLED AS VARCHAR INSTEAD ***/!!!);

INSERT INTO project
VALUES (
20,
        'Second Phase',
        1000, PUBLIC.PERIOD_UDF(DATE '2020-05-10', DATE '2020-09-20') !!!RESOLVE EWI!!! /*** SSC-EWI-TD0053 - SNOWFLAKE DOES NOT SUPPORT THE PERIOD DATATYPE, ALL PERIODS ARE HANDLED AS VARCHAR INSTEAD ***/!!!);

정규화 절¶

직원 ID와 함께 정규화 절을 사용한다고 가정해 보겠습니다.

Teradata¶

 SELECT
    NORMALIZE emp_id,
    duration
FROM
    project;

결과¶


EMP_ID	DURATION
20	(2010-03-10, 2010-07-20)
10	(2010-01-10, 2010-08-18)
20	(2020-05-10, 2010-09-20)

Snowflake¶

 !!!RESOLVE EWI!!! /*** SSC-EWI-TD0079 - THE REQUIRED PERIOD TYPE COLUMN WAS NOT FOUND ***/!!!
WITH NormalizeCTE AS
(
    SELECT
        T1.*,
        SUM(GroupStartFlag)
        OVER (
        PARTITION BY
            emp_id, duration
        ORDER BY
            PeriodColumn_begin
        ROWS UNBOUNDED PRECEDING) GroupID
    FROM
        (
            SELECT
                emp_id,
                duration,
                PUBLIC.PERIOD_BEGIN_UDF(PeriodColumn) PeriodColumn_begin,
                PUBLIC.PERIOD_END_UDF(PeriodColumn) PeriodColumn_end,
                (CASE
                    WHEN PeriodColumn_begin <= LAG(PeriodColumn_end)
                    OVER (
                    PARTITION BY
                        emp_id, duration
                    ORDER BY
                        PeriodColumn_begin,
                        PeriodColumn_end)
                        THEN 0
                    ELSE 1
                END) GroupStartFlag
            FROM
                project
        ) T1
)
SELECT
    emp_id,
    duration,
    PUBLIC.PERIOD_UDF(MIN(PeriodColumn_begin), MAX(PeriodColumn_end))
FROM
    NormalizeCTE
GROUP BY
    emp_id,
    duration,
    GroupID;

결과¶


EMP_ID	PUBLIC.PERIOD_UDF(MIN(START_DATE), MAX(END_DATE))
20	2020-05-10*2010-09-20
20	2010-03-10*2010-07-20
10	2010-01-10*2010-08-18

Known Issues¶

Normalize 절은 ON MEETS OR OVERLAPS, ON OVERLAPS 또는 ON OVERLAPS OR MEETS를 사용할 수 있습니다. 이러한 경우 SnowConvert AI는 이 변환이 향후에 계획되어 있다는 오류를 추가합니다.

Teradata¶

 SELECT NORMALIZE ON MEETS OR OVERLAPS emp_id, duration FROM table1;

Snowflake¶

 SELECT
       !!!RESOLVE EWI!!! /*** SSC-EWI-0073 - PENDING FUNCTIONAL EQUIVALENCE REVIEW FOR 'NORMALIZE SET QUANTIFIER' NODE ***/!!!
       NORMALIZE ON MEETS OR OVERLAPS emp_id,
duration FROM
table1;

재설정 시기¶

설명¶

재설정 시 특정 조건에 따라 SQL 윈도우 함수가 작업할 파티션을 결정합니다. 조건이 true로 평가되면 기존 윈도우 파티션 내에 새 동적 하위 파티션이 생성됩니다. 재설정 시점에 대한 자세한 내용은 Teradata 설명서를 참조하십시오.

샘플 소스 패턴¶

샘플 데이터¶

Teradata¶

쿼리

CREATE TABLE account_balance
( 
  account_id INTEGER NOT NULL,
  month_id INTEGER,
  balance INTEGER
) 
UNIQUE PRIMARY INDEX (account_id, month_id);

INSERT INTO account_balance VALUES (1, 1, 60);
INSERT INTO account_balance VALUES (1, 2, 99);
INSERT INTO account_balance VALUES (1, 3, 94);
INSERT INTO account_balance VALUES (1, 4, 90);
INSERT INTO account_balance VALUES (1, 5, 80);
INSERT INTO account_balance VALUES (1, 6, 88);
INSERT INTO account_balance VALUES (1, 7, 90);
INSERT INTO account_balance VALUES (1, 8, 92);
INSERT INTO account_balance VALUES (1, 9, 10);
INSERT INTO account_balance VALUES (1, 10, 60);
INSERT INTO account_balance VALUES (1, 11, 80);
INSERT INTO account_balance VALUES (1, 12, 10);

결과


account_id	month_id	balance
1	1	60
1	2	99
1	3	94
1	4	90
1	5	80
1	6	88
1	7	90
1	8	92
1	9	10
1	10	60
1	11	80
1	12	10

Snowflake¶

쿼리

CREATE OR REPLACE TABLE account_balance (
  account_id INTEGER NOT NULL,
  month_id INTEGER,
  balance INTEGER,
  UNIQUE (account_id, month_id)
)
COMMENT = '{"origin":"sf_sc","name":"snowconvert","version":{"major":1, "minor":0},{"attributes":{"component":"teradata"}}'
;

INSERT INTO account_balance
VALUES (1, 1, 60);

INSERT INTO account_balance
VALUES (1, 2, 99);

INSERT INTO account_balance
VALUES (1, 3, 94);

INSERT INTO account_balance
VALUES (1, 4, 90);

INSERT INTO account_balance
VALUES (1, 5, 80);

INSERT INTO account_balance
VALUES (1, 6, 88);

INSERT INTO account_balance
VALUES (1, 7, 90);

INSERT INTO account_balance
VALUES (1, 8, 92);

INSERT INTO account_balance
VALUES (1, 9, 10);

INSERT INTO account_balance
VALUES (1, 10, 60);

INSERT INTO account_balance
VALUES (1, 11, 80);

INSERT INTO account_balance
VALUES (1, 12, 10);

결과


account_id	month_id	balance
1	1	60
1	2	99
1	3	94
1	4	90
1	5	80
1	6	88
1	7	90
1	8	92
1	9	10
1	10	60
1	11	80
1	12	10

재설정 시기¶

각 계정에 대해 연속적인 월별 잔액 증가 시퀀스를 분석하고 싶다고 가정해 보겠습니다. 한 달 잔액이 전월 잔액보다 적거나 같으면 카운터를 0으로 재설정하고 다시 시작해야 한다는 요구 사항이 있습니다.

이 데이터를 분석하기 위해 Teradata SQL 은 다음과 같이 중첩 집계 및 Reset When 문이 포함된 윈도우 함수를 사용합니다.

Teradata¶

쿼리

SELECT 
   account_id, 
   month_id, 
   balance, 
   (
     ROW_NUMBER() OVER (
       PARTITION BY account_id 
       ORDER BY 
         month_id RESET WHEN balance <= SUM(balance) OVER (
           PARTITION BY account_id 
           ORDER BY month_id
           ROWS BETWEEN 1 PRECEDING AND 1 PRECEDING
         )
     ) -1
   ) AS balance_increase 
FROM account_balance 
ORDER BY 1, 2;

결과

account_id	month_id	balance	balance_increase
1	1	60	0
1	2	99	1
1	3	94	0
1	4	90	0
1	5	80	0
1	6	88	1
1	7	90	2
1	8	92	3
1	9	10	0
1	10	60	1
1	11	80	2
1	12	10	0

Snowflake¶

Snowflake는 윈도우 함수에서 Reset When 절을 지원하지 않습니다. 동일한 결과를 재현하려면 다음과 같이 기본 SQL 구문과 중첩된 하위 쿼리를 사용하여 Teradata SQL 코드를 변환해야 합니다.

쿼리

SELECT
   account_id,
   month_id,
   balance,
   (
     ROW_NUMBER() OVER (
   PARTITION BY
      account_id, new_dynamic_part
   ORDER BY
         month_id
     ) -1
   ) AS balance_increase
FROM
   (
      SELECT
   account_id,
   month_id,
   balance,
   previous_value,
   SUM(dynamic_part) OVER (
           PARTITION BY account_id
           ORDER BY month_id
   ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW
         ) AS new_dynamic_part
      FROM
   (
      SELECT
         account_id,
         month_id,
         balance,
         SUM(balance) OVER (
                 PARTITION BY account_id
                 ORDER BY month_id
                 ROWS BETWEEN 1 PRECEDING AND 1 PRECEDING
               ) AS previous_value,
         (CASE
            WHEN balance <= previous_value
               THEN 1
            ELSE 0
         END) AS dynamic_part
      FROM
         account_balance
   )
   )
ORDER BY 1, 2;

결과

account_id	month_id	balance	balance_increase
1	1	60	0
1	2	99	1
1	3	94	0
1	4	90	0
1	5	80	0
1	6	88	1
1	7	90	2
1	8	92	3
1	9	10	0
1	10	60	1
1	11	80	2
1	12	10	0

Snowflake에서 언제 재설정 기능을 지원하려면 2개의 중첩된 하위 쿼리가 필요합니다.

내부 하위 쿼리에서 동적 파티션 표시기(dynamic_part)가 생성되어 채워집니다. 한 달의 잔액이 전월 잔액보다 작거나 같으면 dynamic_part가 1로 설정되고, 그렇지 않으면 0으로 설정됩니다.

다음 레이어에서는 SUM 윈도우 함수의 결과로 new_dynamic_part 특성이 생성됩니다.

마지막으로, 기존 파티션 특성(account_id)에 새 파티션 특성(동적 파티션)으로 new_dynamic_part를 추가하고 Teradata에서와 동일한 ROW_NUMBER() 윈도우 함수를 적용합니다.

이러한 변경 후 Snowflake는 Teradata와 동일한 출력을 생성합니다.

조건부 윈도우 함수가 열인 경우 재설정하기¶

위와 동일한 예제이지만, 이제 RESET WHEN 조건에 사용된 윈도우 함수가 previous 라는 열로 정의된다는 점을 예외로 합니다. 이 변형에서는 이전 예제에서와 같이 previous_value 를 정의할 필요가 없으므로 변환이 약간 변경됩니다. 동일한 해결 방법입니다.

Teradata¶

쿼리

SELECT
   account_id,
   month_id,
   balance,
   SUM(balance) OVER (
           PARTITION BY account_id
           ORDER BY month_id
           ROWS BETWEEN 1 PRECEDING AND 1 PRECEDING
         ) AS previous,
   (
     ROW_NUMBER() OVER (
       PARTITION BY account_id
       ORDER BY
         month_id RESET WHEN balance <= previous
     )
   ) AS balance_increase
FROM account_balance
ORDER BY 1, 2;

결과

account_id	month_id	balance	previous	balance_increase
1	1	60		0
1	2	99	60	1
1	3	94	99	0
1	4	90	94	0
1	5	80	90	0
1	6	88	80	1
1	7	90	88	2
1	8	92	90	3
1	9	10	92	0
1	10	60	10	1
1	11	80	60	2
1	12	10	80	0

Snowflake¶

쿼리

SELECT
   account_id,
   month_id,
   balance,
   SUM(balance) OVER (
           PARTITION BY account_id
           ORDER BY month_id
           ROWS BETWEEN 1 PRECEDING AND 1 PRECEDING
         ) AS previous,
   (
     ROW_NUMBER() OVER (
   PARTITION BY
      account_id, new_dynamic_part
   ORDER BY
         month_id
     )
   ) AS balance_increase
FROM
   (
      SELECT
   account_id,
   month_id,
   balance,
   SUM(balance) OVER (
           PARTITION BY account_id
           ORDER BY month_id
           ROWS BETWEEN 1 PRECEDING AND 1 PRECEDING
         ) AS previous,
   SUM(dynamic_part) OVER (
           PARTITION BY account_id
           ORDER BY month_id
   ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW
         ) AS new_dynamic_part
      FROM
   (
      SELECT
         account_id,
         month_id,
         balance,
         SUM(balance) OVER (
                 PARTITION BY account_id
                 ORDER BY month_id
                 ROWS BETWEEN 1 PRECEDING AND 1 PRECEDING
               ) AS previous,
         (CASE
            WHEN balance <= previous
               THEN 1
            ELSE 0
         END) AS dynamic_part
      FROM
         account_balance
   )
   )
ORDER BY 1, 2;

제목 없음

account_id	month_id	balance	previous	balance_increase
1	1	60		0
1	2	99	60	1
1	3	94	99	0
1	4	90	94	0
1	5	80	90	0
1	6	88	80	1
1	7	90	88	2
1	8	92	90	3
1	9	10	92	0
1	10	60	10	1
1	11	80	60	2
1	12	10	80	0

Known Issues¶

RESET WHEN 절에는 조건과 같은 몇 가지 변형이 있을 수 있습니다. 현재, SnowConvert AI는 이진 조건(<=, >=, <> 또는 =)만 지원합니다. IS NOT NULL과 같은 다른 유형의 경우 다음 예와 같이 Snowflake에서 지원되지 않으므로 SnowConvert AI는 RESET WHEN 절을 제거하고 오류 메시지를 추가합니다.

Teradata¶

쿼리

SELECT
    account_id,
    month_id,
    balance,
    ROW_NUMBER() OVER (
        PARTITION BY account_id
        ORDER BY month_id
        RESET WHEN balance IS NOT NULL
        ROWS UNBOUNDED PRECEDING
    ) as balance_increase
FROM account_balance
ORDER BY 1,2;

Snowflake¶

쿼리

SELECT
    account_id,
    month_id,
    balance,
    ROW_NUMBER() OVER (
        PARTITION BY account_id
    !!!RESOLVE EWI!!! /*** SSC-EWI-TD0077 - RESET WHEN CLAUSE IS NOT SUPPORTED IN THIS SCENARIO DUE TO ITS CONDITION ***/!!!
        ORDER BY month_id
        ROWS UNBOUNDED PRECEDING
    ) as balance_increase
FROM
    account_balance
ORDER BY 1,2;

SAMPLE 절¶

설명¶

Teradata의 SAMPLE 절은 처리할 행 수를 줄이며 1개 이상의 행 샘플을 분수 목록 또는 행 수 목록으로 반환합니다. 이 절은 SELECT 쿼리에서 사용됩니다. 자세한 내용은 다음 Teradata 설명서 를 검토하십시오.

Teradata 구문

SAMPLE
  [ WITH REPLACEMENT ]
  [ RANDOMIZED LOCALIZATION ]
  { { fraction_description | count_description } [,...] |
    when_clause ]
  }

Snowflake 구문

자세한 내용은 다음 Snowflake 설명서 를 참조하십시오. SAMPLE 및 TABLESAMPLE 은 동의어입니다.

SELECT ...
FROM ...
  { SAMPLE | TABLESAMPLE } [ samplingMethod ]
[ ... ]

여기서

samplingMethod ::= { 
{ BERNOULLI | ROW } ( { <probability> | <num> ROWS } ) |
{ SYSTEM | BLOCK } ( <probability> ) [ { REPEATABLE | SEED } ( <seed> ) ] }

Snowflake에서는 다음 키워드를 서로 바꿔서 사용할 수 있습니다.
- SAMPLE | TABLESAMPLE
- BERNOULLI | ROW
- SYSTEM | BLOCK
- REPEATABLE | SEED

다음 테이블을 검토하여 주요 차이점을 확인하십시오.


SAMPLE 동작	Teradata	Snowflake
확률별 샘플	분수 설명이라고도 합니다. 0,1에서 1 사이의 소수점이어야 합니다.	0에서 100 사이의 소수점 숫자입니다.
수정된 행 수	카운트 설명이라고도 합니다. 샘플링할 행의 수를 결정하는 양의 정수입니다.	테이블에서 샘플을 추출할 행 수(최대 1,000,000개)를 지정합니다. `0` (선택한 행이 없음)에서 `1000000` 사이의 정수일 수 있습니다.
반복 행	`WITHREPLACEMENT` 이라고 합니다. 테이블의 행 수보다 많은 샘플을 쿼리하는 데 사용됩니다.	`REPEATABLE` 또는 `SEED` 로 알려져 있습니다. 이는 쿼리를 결정적으로 생성하는 데 사용됩니다. 이는 각 쿼리 실행에 대해 동일한 행 세트가 동일하다는 것을 의미합니다.
샘플링 방법	Proportional 및 `RANDOMIZED ALLOCATION.`	`BERNOULLI` 또는 `SYSTEM`.

샘플 소스 패턴¶

샘플 데이터¶

Teradata¶

쿼리

CREATE TABLE Employee (
    EmpNo INT,
    Name VARCHAR(100),
    DeptNo INT
);

INSERT INTO Employee (EmpNo, Name, DeptNo)
VALUES (1, 'Alice', 100);

INSERT INTO Employee (EmpNo, Name, DeptNo)
VALUES (2, 'Bob', 300);

INSERT INTO Employee (EmpNo, Name, DeptNo)
VALUES (3, 'Charlie', 500);

INSERT INTO Employee (EmpNo, Name, DeptNo)
VALUES (4, 'David', 200);

INSERT INTO Employee (EmpNo, Name, DeptNo)
VALUES (5, 'Eve', 100);

Snowflake¶

쿼리

CREATE OR REPLACE TABLE Employee (
    EmpNo INT,
    Name VARCHAR(100),
    DeptNo INT
)
COMMENT = '{ "origin": "sf_sc", "name": "snowconvert", "version": {  "major": 0,  "minor": 0,  "patch": "0" }, "attributes": {  "component": "teradata",  "convertedOn": "01/14/2025",  "domain": "test" }}'
;

INSERT INTO Employee (EmpNo, Name, DeptNo)
VALUES (1, 'Alice', 100);

INSERT INTO Employee (EmpNo, Name, DeptNo)
VALUES (2, 'Bob', 300);

INSERT INTO Employee (EmpNo, Name, DeptNo)
VALUES (3, 'Charlie', 500);

INSERT INTO Employee (EmpNo, Name, DeptNo)
VALUES (4, 'David', 200);

INSERT INTO Employee (EmpNo, Name, DeptNo)
VALUES (5, 'Eve', 100);

SAMPLE 절¶

수정된 행 수¶

이 예제에서 행 수는 수정된 수이지만 각 실행마다 반드시 동일한 결과가 나오는 것은 아닙니다.

Teradata

입력

SELECT * FROM Employee SAMPLE 2;

출력 2개의 행.

Snowflake

입력

SELECT * FROM Employee SAMPLE (2 ROWS);

출력 2개의 행.

확률에 따른 행 수¶

이 옵션은 설정된 확률에 따라 다양한 행을 반환합니다.

Teradata

입력

SELECT * FROM Employee SAMPLE 0.25;

출력 각 행에 대한 확률의 25%: 1개의 출력 행.

Snowflake

입력

SELECT * FROM Employee SAMPLE (25);

출력 각 행에 대한 확률의 25%: 1개의 출력 행.

Known Issues¶

교체가 가능한 행 수 수정¶

이 옵션은 수정된 수의 행을 반환하며 행을 반복할 수 있습니다. Snowflake에서는 테이블의 행 수보다 많은 샘플을 요청할 수 없습니다.

Teradata 샘플

입력

SELECT * FROM Employee SAMPLE WITH REPLACEMENT 8;

출력


EmpNo	이름	DeptNo
5	Eve	100
5	Eve	100
5	Eve	100
4	David	200
4	David	200
3	Charlie	500
1	Alice	100
1	Alice	100

SAMPLEID 관련 기능¶

Teradata에서는 지정된 각 샘플에 고유 ID 를 할당할 수 있습니다. 어떤 샘플에 속하는지 식별하는 데 도움이 됩니다. 이는 ANSI 문법이 아니라 Teradata를 확장한 것입니다.

Teradata 샘플

입력

SELECT name, SAMPLEID FROM employee SAMPLE 0.5, 0.25, 0.25;

출력


이름	SampleId
Eve	3
Charlie	1
Alice	1
David	2
Bob	1

In Snowflake, there is not a SAMPLEID function. A possible workaround may be the following, but it has to be adapted to each single case:

Snowflake 가능한 해결 방법

입력

WITH sampled_data AS (
    -- Sample 100% of the rows from the Employee table
    SELECT *, 
           ROW_NUMBER() OVER (ORDER BY EmpNo) AS row_num,
           COUNT(*) OVER () AS total_rows  -- Get the total row count to calculate sample size
    FROM Employee
)
SELECT Name,
       CASE
           -- First 50% of the rows
           WHEN row_num <= total_rows * 0.5 THEN 1
           -- Next 25% of the rows
           WHEN row_num <= total_rows * 0.75 THEN 2
           -- Remaining 25% of the rows
           ELSE 3
       END AS sample_id
FROM sampled_data
ORDER BY sample_id, row_num;  -- Order by sample_id and row_num for consistency

출력


이름	SAMPLE_ID
Alice	1
Bob	1
Charlie	2
David	3
Eve	3

조건부 샘플링¶

Snowflake에는 조건부 샘플링이 없습니다. 이는 CTE를 사용하여 달성할 수 있습니다.

Teradata 샘플

입력

SELECT * FROM employee
SAMPLE WHEN DeptNo > 100 then 0.9 
ELSE 0.1 END;

출력


EmpNo	이름	DeptNo
3	Charlie	500
4	David	200
2	Bob	300

account_id	month_id	balance	balance_increase
1	1	60	0
1	2	99	1
1	3	94	0
1	4	90	0
1	5	80	0
1	6	88	1
1	7	90	2
1	8	92	3
1	9	10	0
1	10	60	1
1	11	80	2
1	12	10	0

account_id	month_id	balance	balance_increase
1	1	60	0
1	2	99	1
1	3	94	0
1	4	90	0
1	5	80	0
1	6	88	1
1	7	90	2
1	8	92	3
1	9	10	0
1	10	60	1
1	11	80	2
1	12	10	0

account_id	month_id	balance	previous	balance_increase
1	1	60		0
1	2	99	60	1
1	3	94	99	0
1	4	90	94	0
1	5	80	90	0
1	6	88	80	1
1	7	90	88	2
1	8	92	90	3
1	9	10	92	0
1	10	60	10	1
1	11	80	60	2
1	12	10	80	0

account_id	month_id	balance	previous	balance_increase
1	1	60		0
1	2	99	60	1
1	3	94	99	0
1	4	90	94	0
1	5	80	90	0
1	6	88	80	1
1	7	90	88	2
1	8	92	90	3
1	9	10	92	0
1	10	60	10	1
1	11	80	60	2
1	12	10	80	0

account_id	month_id	balance	balance_increase
1	1	60	0
1	2	99	1
1	3	94	0
1	4	90	0
1	5	80	0
1	6	88	1
1	7	90	2
1	8	92	3
1	9	10	0
1	10	60	1
1	11	80	2
1	12	10	0

account_id	month_id	balance	balance_increase
1	1	60	0
1	2	99	1
1	3	94	0
1	4	90	0
1	5	80	0
1	6	88	1
1	7	90	2
1	8	92	3
1	9	10	0
1	10	60	1
1	11	80	2
1	12	10	0

account_id	month_id	balance	previous	balance_increase
1	1	60		0
1	2	99	60	1
1	3	94	99	0
1	4	90	94	0
1	5	80	90	0
1	6	88	80	1
1	7	90	88	2
1	8	92	90	3
1	9	10	92	0
1	10	60	10	1
1	11	80	60	2
1	12	10	80	0

account_id	month_id	balance	previous	balance_increase
1	1	60		0
1	2	99	60	1
1	3	94	99	0
1	4	90	94	0
1	5	80	90	0
1	6	88	80	1
1	7	90	88	2
1	8	92	90	3
1	9	10	92	0
1	10	60	10	1
1	11	80	60	2
1	12	10	80	0

SnowConvert AI - Teradata - DML¶

Delete 문¶

Known Issues¶

1. DEL abbreviation unsupported¶

관련 EWIs¶

세트 연산자¶

Intersect¶

Intersect¶

Known Issues¶

1. INTERSECT ALL unsupported¶

관련 EWIs¶

Update 문¶

설명¶

샘플 소스 패턴¶

기본 사례¶

순방향 별칭이 있는 UPDATE¶

UPDATE with target table in the FROM clause¶

관련 EWIs¶

With Modifier¶

With Modifier¶

With Modifier¶

Known Issues¶

1. Impossible to reorder when cycles were found¶

관련 EWIs¶

Insert 문¶

삽입¶

삽입¶

알려진 문제 ¶

관련 EWIs ¶

LOGGING ERRORS¶

설명¶

샘플 소스 패턴¶

LOGGING ERRORS¶

Teradata¶

Snowflake¶

LOGGING ALL ERRORS¶

Teradata¶

Snowflake¶

LOGGING ERRORS WITH NO LIMIT¶

Teradata¶

Snowflake¶

LOGGING ERRORS WITH LIMIT OF¶

Teradata¶

Snowflake¶

알려진 문제 ¶

관련 EWIs ¶

Select 문¶

제거된 절 옵션¶

Known Issues¶

1. SEL abbreviation unsupported¶

관련 EWIs¶

ANY 조건자¶

설명¶

샘플 소스 패턴¶

샘플 데이터¶

Teradata¶

쿼리¶

Snowflake¶

쿼리¶

Equal ANY predicate in WHERE clause ¶

입력¶

출력¶

입력¶

출력¶

WHERE 절의 기타 비교 연산자¶

입력¶

출력¶

입력¶

출력¶

WHERE 절의 IN ANY¶

입력¶

출력¶

입력¶

출력¶

WHERE 절의 NOT IN ALL¶

입력¶

출력¶

입력¶

출력¶

Known Issues¶

account_id	month_id	balance	balance_increase
1	1	60	0
1	2	99	1
1	3	94	0
1	4	90	0
1	5	80	0
1	6	88	1
1	7	90	2
1	8	92	3
1	9	10	0
1	10	60	1
1	11	80	2
1	12	10	0

account_id	month_id	balance	balance_increase
1	1	60	0
1	2	99	1
1	3	94	0
1	4	90	0
1	5	80	0
1	6	88	1
1	7	90	2
1	8	92	3
1	9	10	0
1	10	60	1
1	11	80	2
1	12	10	0

account_id	month_id	balance	previous	balance_increase
1	1	60		0
1	2	99	60	1
1	3	94	99	0
1	4	90	94	0
1	5	80	90	0
1	6	88	80	1
1	7	90	88	2
1	8	92	90	3
1	9	10	92	0
1	10	60	10	1
1	11	80	60	2
1	12	10	80	0

account_id	month_id	balance	previous	balance_increase
1	1	60		0
1	2	99	60	1
1	3	94	99	0
1	4	90	94	0
1	5	80	90	0
1	6	88	80	1
1	7	90	88	2
1	8	92	90	3
1	9	10	92	0
1	10	60	10	1
1	11	80	60	2
1	12	10	80	0