查询加速 SQL 语言参考

查询加速支持使用类似 ANSI SQL 的语言表示对 blob 内容的查询。 查询加速 SQL 方言是 ANSI SQL 的一个子集,支持的数据类型、运算符等有限,但它也在 ANSI SQL 上扩展以支持对层次结构半结构化数据格式(如 JSON)的查询。

SELECT 语法

查询加速支持的唯一 SQL 语句是 SELECT 语句。 此示例返回表达式为其返回 true 的每一行。

SELECT * FROM table [WHERE expression] [LIMIT limit]

对于 CSV 格式的数据,表必须为 。 这意味着,将针对 REST 调用中指定的任何 blob 运行查询。 对于 JSON 格式的数据,表是“表描述符”。请参阅本文中的表描述符部分。

在以下示例中,对于 WHERE 表达式为其返回 true 的每一行,此语句将返回通过计算每个投影表达式而得到的新行。

SELECT expression [, expression ...] FROM table [WHERE expression] [LIMIT limit]

可以将一个或多个特定列指定为 SELECT 表达式的一部分(例如:SELECT Title, Author, ISBN)。

注意

可在 SELECT 表达式中使用的特定列的最大数目为 49。 如果需要 SELECT 语句返回超过 49 列,请为 SELECT 表达式使用通配符 (*)(例如:SELECT *)。

以下示例在表达式返回 true 的每一行上返回聚合计算(例如特定列的平均值)。

SELECT aggregate_expression FROM table [WHERE expression] [LIMIT limit]

以下示例为拆分 CSV 格式的 blob 返回合适的偏移量。 请参阅本文的 Sys.Split部分。

SELECT sys.split(split_size)FROM BlobStorage

数据类型

数据类型 说明
INT 64 位带符号整数。
FLOAT 64 位(双精度)浮点。
STRING 可变长度的 Unicode 字符串。
TIMESTAMP 时间点。
BOOLEAN True 或 False。

从 CSV 格式的数据读取值时,所有值都作为字符串读取。 使用 CAST 表达式可以将字符串值转换为其他类型。 根据上下文,值可以隐式强制转换为其他类型。 有关详细信息,请参阅数据类型优先级 (transact-SQL)

表达式

引用字段

对于 JSON 格式的数据或带有标题行的 CSV 格式的数据,可以按名称引用字段。 字段名称可以带引号或不带引号。 带引号的字段名称将用双引号字符 (") 括起来,可以包含空格,并且区分大小写。 未加引号的字段名称不区分大小写,并且不能包含任何特殊字符。

在 CSV 格式的数据中,字段也可以按序号引用,并以下划线 (_) 字符作为前缀。 例如,第一个字段可引用为 _1,或者第 11 个字段可引用为 _11。 按序号引用字段适用于不包含标题行的 CSV 格式的数据,在这种情况下,按序号引用是引用特定字段的唯一方法。

运算符

支持以下标准 SQL 运算符:

运算符 说明
= 比较两个表达式的等价性(比较运算符)。
!= 测试某个表达式是否不等于另一个表达式(比较运算符)。
<> 比较两个表达式,表示不等于(比较运算符)。
< 比较两个表达式,表示小于(比较运算符)。
<= 比较两个表达式,表示小于或等于(比较运算符)。
> 比较两个表达式,表示大于(比较运算符)。
>= 比较两个表达式以得出大于或等于的结果(比较运算符)。
+ 两个数相加。 这个加法算术运算符也可以将一个以天为单位的数字加到日期中。
- 将两个数相减(减法算术运算符)。
/ 用一个数除以另一个数(算术除法运算符)。
* 两个表达式相乘(算术乘法运算符)。
% 返回两数相除后的余数。
AND 在两个整数值之间执行“逻辑位与”运算。
OR 将两个指定的整数值转换为二进制表达式后执行逻辑位或运算。
NOT 对布尔型输入取反。
CAST 将一种数据类型的表达式转换为另一种。
BETWEEN 指定测试范围。
IN 确定指定的值是否与子查询或列表中的值相匹配。
NULLIF 如果两个指定的表达式相等,则返回空值。
COALESCE 按顺序计算变量并返回最初不等于 NULL 的第一个表达式的当前值。

如果运算符左侧和右侧的数据类型不同,则将根据此处指定的规则执行自动转换:数据类型优先级 (Transact-SQL)

查询加速 SQL 语言仅支持本文中讨论的数据类型的一小部分。 请参阅本文的数据类型部分。

转换

根据此处的规则:数据类型转换(数据库引擎),查询加速 SQL 语言支持 CAST 运算符。

查询加速 SQL 语言仅支持本文中讨论的数据类型的很小一部分。 请参阅本文的数据类型部分。

字符串函数

查询加速 SQL 语言支持以下标准 SQL 字符串函数:

函数 说明
CHAR_LENGTH 如果字符串表达式是字符数据类型,则按字符返回字符串表达式的长度;否则,按字节返回字符串表达式的长度(最小整数不小于位数除以 8)。 (此函数与 CHARACTER_LENGTH 函数相同。)
CHARACTER_LENGTH 如果字符串表达式是字符数据类型,则按字符返回字符串表达式的长度;否则,按字节返回字符串表达式的长度(最小整数不小于位数除以 8)。 (此函数与 CHAR_LENGTH 函数相同)
LOWER 将大写字符数据转换为小写字符数据后返回字符表达式。
UPPER 返回小写字符数据转换为大写的字符表达式。
SUBSTRING 返回 SQL Server 中的字符、二进制文件、文本或图像表达式的一部分。
TRIM 删除字符串开头和结尾的空格字符 char(32) 或其他指定字符。
LEADING 删除字符串开头的空格字符 char(32) 或其他指定字符。
TRAILING 删除字符串结尾的空格字符 char(32) 或其他指定字符。

下面是几个示例:

函数 示例 结果
CHARACTER_LENGTH SELECT CHARACTER_LENGTH('abcdefg') from BlobStorage 7
CHAR_LENGTH SELECT CHAR_LENGTH(_1) from BlobStorage 1
LOWER SELECT LOWER('AbCdEfG') from BlobStorage abcdefg
UPPER SELECT UPPER('AbCdEfG') from BlobStorage ABCDEFG
SUBSTRING SUBSTRING('123456789', 1, 5) 23456
TRIM TRIM(BOTH '123' FROM '1112211Microsoft22211122') Microsoft

日期函数

支持以下标准 SQL 日期函数:

  • DATE_ADD
  • DATE_DIFF
  • EXTRACT
  • TO_STRING
  • TO_TIMESTAMP

目前,所有标准 IS08601 的日期格式都会被转换。

DATE_ADD 函数

对于 DATE_ADD 函数,查询加速 SQL 语言支持年、月、日、小时、分钟和秒。

示例:

DATE_ADD(datepart, quantity, timestamp)
DATE_ADD('minute', 1, CAST('2017-01-02T03:04:05.006Z' AS TIMESTAMP)

DATE_DIFF 函数

对于 DATE_DIFF 函数,查询加速 SQL 语言支持年、月、日、小时、分钟和秒。

DATE_DIFF(datepart, timestamp, timestamp)
DATE_DIFF('hour','2018-11-09T00:00+05:30','2018-11-09T01:00:23-08:00') 

EXTRACT 函数

对于 EXTRACT,除 DATE_ADD 函数支持的日期部分外,查询加速 SQL 语言还支持将 timezone_hour 和 timezone_minute 作为日期部分。

示例:

EXTRACT(datepart FROM timestampstring)
EXTRACT(YEAR FROM '2010-01-01T')

TO_STRING 函数

示例:

TO_STRING(TimeStamp , format)
TO_STRING(CAST('1969-07-20T20:18Z' AS TIMESTAMP),  'MMMM d, y')

下表描述了可用于指定 TO_STRING 函数的输出格式的字符串。

格式字符串 输出
yy 以 2 位数格式表示年份 - 1999 年为“99”
y 以 4 位数格式表示年份
yyyy 以 4 位数格式表示年份
M 年度月份 - 1
MM 零填充月份 - 01
MMM 缩写 年度月份 - JAN
MMMM 全拼月份 - May
d 月份日期 (1-31)
dd 零填充月份日期 (01-31)
a 上午或下午
h 一天的小时时段 (1-12)
hh 零填充的一天的小时时段 (01-12)
H 一天的小时时段 (0-23)
HH 零填充的一天的小时时段 (00-23)
m 分钟 (0-59)
mm 零填充分钟 (00-59)
s 秒 (0-59)
ss 零填充秒 (00-59)
S 秒的小数部分 (0.1-0.9)
SS 秒的小数部分 (0.01-0.99)
SSS 秒的小数部分 (0.001-0.999)
X 偏移量(小时)
XX 或 XXXX 偏移量(小时和分钟)(+0430)
XXX 或 XXXXX 偏移量(小时和分钟)(-07:00)
x 偏移量(小时) (7)
xx 或 xxxx 偏移量(小时和分钟)(+0530)
Xxx 或 xxxxx 偏移量(小时和分钟)(+05:30)

TO_TIMESTAMP 函数

仅支持 IS08601 格式。

示例:

TO_TIMESTAMP(string)
TO_TIMESTAMP('2007T')

注意

还可以使用 UTCNOW 函数获取系统时间。

聚合表达式

SELECT 语句可能包含一个或多个投影表达式或单个聚合表达式。 支持以下聚合表达式:

表达式 说明
COUNT(*) 返回与谓词表达式匹配的记录数。
COUNT(expression) 返回表达式为非 null 的记录数。
AVG(expression) 返回表达式非 null 值的平均值。
MIN(expression) 返回表达式的最小非 null 值。
MAX(expression 返回表达式的最大非 null 值。
SUM(expression) 返回表达式的所有非 null 值的总和。

MISSING

IS MISSING 运算符是查询加速 SQL 语言支持的唯一非标准用法。 对于 JSON 数据,如果特定输入记录中缺少某个字段,则表达式字段 IS MISSING 将计算为布尔值 true。

表描述符

对于 CSV 数据,表名称始终为 BlobStorage。 例如:

SELECT * FROM BlobStorage

对于 JSON 数据,可以使用其他选项:

SELECT * FROM BlobStorage[*].path

这允许对 JSON 数据的子集进行查询。

对于 JSON 查询,你可以在 FROM 子句中的某部分提及路径。 这些路径将帮助分析 JSON 数据的子集。 这些路径可以引用 JSON 数组和对象值。

我们来看一个示例,以便更详细地了解这一点。

这是示例数据:

{
  "id": 1,
  "name": "mouse",
  "price": 12.5,
  "tags": [
    "wireless",
    "accessory"
  ],
  "dimensions": {
    "length": 3,
    "width": 2,
    "height": 2
  },
  "weight": 0.2,
  "warehouses": [
    {
      "latitude": 41.8,
      "longitude": -87.6
    }
  ]
}

你可能只对上述数据的 warehouses JSON 对象感兴趣。 warehouses 对象是一个 JSON 数组类型,因此你可以在 FROM 子句中提及它。 示例查询将如下所示:

SELECT latitude FROM BlobStorage[*].warehouses[*]

查询将获取所有字段,但仅选择纬度。

如果只想访问 dimensions JSON 对象的值,则可以在查询中使用引用该对象。 例如:

SELECT length FROM BlobStorage[*].dimensions

这还限制了对 dimensions 对象成员的访问。 如果要访问 json 字段的其他成员和 JSON 对象的内部值,则可以使用如下面的示例中所示的查询:

SELECT weight,warehouses[0].longitude,id,tags[1] FROM BlobStorage[*]

注意

BlobStorage 和 BlobStorage[*] 均引用整个对象。 但是,如果在 FROM 子句中有路径,则需要使用 BlobStorage [*].path

Sys.Split

这是 SELECT 语句的一种特殊形式,仅适用于 CSV 格式的数据。

SELECT sys.split(split_size) FROM BlobStorage

如果要成批下载并批处理 CSV 数据记录,请使用此语句。 通过这种方式,你可以并行处理记录,而无需一次下载所有记录。 此语句不从 CSV 文件返回记录。 而是返回批大小的集合。 然后,可以使用每个批大小检索一批数据记录。

使用 split_size 参数可指定每个批包含的字节数。 例如,如果希望一次只处理 10 MB 的数据,则语句将如下所示:SELECT sys.split(10485760)FROM BlobStorage,因为 10 MB 等于 10,485,760 字节。 每个批最多可容纳 10 MB 的记录。

在大多数情况下,每个批的大小将略高于你指定的数字。 这是因为批不能包含部分记录。 如果批中的最后一条记录在阈值结束之前开始,则该批需要更大的容量才能包含完整记录。 最后一个批的大小可能小于指定的大小。

备注

split_size 必须至少为 10 MB (10485760)。

请参阅