在 RedShift 中的多行上拆分值

Question

如何将字段（例如 CSV 字符串）拆分为多行的问题已经得到解答： Split values over multiple rows.

但是，这个问题涉及 MSSQL，并且答案使用了没有 RedShift 等效项的各种功能。

为了完整起见，这是我想做的一个例子：

当前数据：

| Key | Data     |
+-----+----------+
| 1   | 18,20,22 |
| 2   | 17,19    |

所需数据：

| Key | Data     |
+-----+----------+
| 1   | 18       |
| 1   | 20       |
| 1   | 22       |
| 2   | 17       |
| 2   | 19       |

现在，对于 CSV 字段中元素数量有限且数量有限的情况，我可以建议一种解决方法：在所有可能的数组位置上使用 split_part 和 union，如下所示：

SELECT Key, split_part(Data, ',', 1) 
FROM mytable
WHERE split_part(Data, ',', 1) != ""
    UNION
SELECT Key, split_part(Data, ',', 2) 
FROM mytable
WHERE split_part(Data, ',', 2) != ""
-- etc. etc.

但是，这显然是非常低效的，并且不适用于更长的列表。

关于如何做到这一点的任何更好的想法？

编辑：

还有一个关于行乘法的类似问题：splitting rows in Redshift。但是我看不出如何在这里应用这种方法。

编辑2：

可能重复：Redshift. Convert comma delimited values into rows。但没有什么新鲜的 - @Masashi Miyazaki 的回答与我上面的建议相似，并且遇到了同样的问题。

Answer 1

这是 Redshift 的答案，每行最多可处理 10000 个值。

设置测试数据

create table test_data (key varchar(50),data varchar(max));
insert into test_data
    values
      (1,'18,20,22'),
      (2,'17,19')
;

代码

with ten_numbers as (select 1 as num union select 2 union select 3 union select 4 union select 5 union select 6 union select 7 union select 8 union select 9 union select 0)
  , generted_numbers AS
(
    SELECT (1000 * t1.num) + (100 * t2.num) + (10 * t3.num) + t4.num AS gen_num
    FROM ten_numbers AS t1
      JOIN ten_numbers AS t2 ON 1 = 1
      JOIN ten_numbers AS t3 ON 1 = 1
      JOIN ten_numbers AS t4 ON 1 = 1
)
  , splitter AS
(
    SELECT *
    FROM generted_numbers
    WHERE gen_num BETWEEN 1 AND (SELECT max(REGEXP_COUNT(data, '\\,') + 1)
                                 FROM test_data)
)
  , expanded_input AS
(
    SELECT
      key,
      split_part(data, ',', s.gen_num) AS data
    FROM test_data AS td
      JOIN splitter AS s ON 1 = 1
    WHERE split_part(data, ',', s.gen_num) <> ''
)
SELECT * FROM expanded_input
order by key,data;

Answer 2

欢迎您使用 RDS PostgreSql 实例并创建到 RedShift 的 dblink。然后，您可以像在普通 PostgreSQL 数据库上一样对结果集进行操作，甚至可以通过相同的 dblink 将结果放回 RedShift。