在 RedShift 表中存储数组的正确方法是什么？答案

【问题标题】：What is the right way to store arrays in a RedShift table?在 RedShift 表中存储数组的正确方法是什么？
【发布时间】：2019-01-11 19:54:22
【问题描述】：

我在 Redshift 中创建表时遇到以下错误：

Column "main.sales_metrics" has unsupported type "character varying[]".;

在 DataFrame 模式中，它看起来像这样：

|-- sales_metrics: array (nullable = true)
     |-- element: string (nullable = true)

我试图像往常在 PostgreSQL 中那样声明该列：sales_metrics text[] 正如我从文档中读到的，Amazon Redshift 不支持 PostgreSQL 数据类型。

那么在RedShift中创建表的时候应该如何正确声明存储Array[String]的sales_metrics列呢？

【问题讨论】：

标签： postgresql apache-spark dataframe apache-spark-sql amazon-redshift

【解决方案1】：

Redshift does not support arrays，但也有一些JSON functions 可以使用。基本上你可以将数据存储为 varchar 并使用 json 函数来查询数据

例如：

create temporary table sales_metrics (col1 varchar(20));
insert into sales_metrics values ('[1,2,3]');

然后

select json_extract_array_element_text(col1, 2) from sales_metrics;
 json_extract_array_element_text
---------------------------------
 3
(1 row)

【讨论】：

【解决方案2】：

除了@ittus 的回答，请注意 Redshift 对数组的存储方式很挑剔。

         json_arrays          | is_valid_json_array
------------------------------+---------------------
 []                           | t
 ["a","b"]                    | t
 ["a",["b",1,["c",2,3,null]]] | t
 {"a":1}                      | f
 a                            | f
 {foo, bar}                   | f
 {"one", "two"}               | f
 [x,y,z]                      | f
 [1,2,]                       | f

【讨论】：