Dela via

inline_outer table-värdefunktion för generator

  • Artikel

Gäller för:markerad ja Databricks SQL markerad ja Databricks Runtime

Exploderar en matris med strukturer i en table med OUTER semantiker.

I Databricks Runtime 16.1 och senare stöder den här funktionen namngivna parameteranrop.

Syntax

inline_outer(input)

Argument

  • input: Ett ARRAY < STRUCT-uttryck > .

En set rader som består av fälten från struct-elementen i arrayen input. De columns som skapas av inline är namnen på fälten.

Om inputNULL skapas en rad med NULLför varje column.

  • Gäller för:markerad ja Databricks Runtime 12.1 och tidigare:

    inline_outer kan bara placeras i SELECTlist som rot för ett uttryck eller efter en LATERAL VIEW. När funktionen placeras i SELECTlist får det inte finnas någon annan generatorfunktion i samma SELECTlist eller , annars triggas UNSUPPORTED_GENERATOR.MULTI_GENERATOR.

  • Gäller för:markerad ja Databricks SQL markerad ja Databricks Runtime 12.2 LTS och senare:

    Anrop från LATERAL VIEW-satsen eller SELECTlist är inaktuellt. Anropa inline_outer i stället som en table_reference.

Exempel

Gäller för:markerad ja Databricks Runtime 12.1 och tidigare:

> SELECT inline_outer(array(struct(1, 'a'), struct(2, 'b'))), 'Spark SQL';
 1  a Spark SQL
 2  b Spark SQL

> SELECT inline_outer(array(struct(1, 'a'), struct(1, 'b'))),
         inline_outer(array(struct('c', 1.0), struct('d', 2.0))),
         'Spark SQL';
 1  a Spark SQL
 2  b Spark SQL
Error: UNSUPPORTED_GENERATOR.MULTI_GENERATOR

Gäller för:markerad ja Databricks SQL markerad ja Databricks Runtime 12.2 LTS och senare:

> SELECT i.*, 'Spark SQL'
    FROM inline_outer(array(struct(1, 'a'), struct(2, 'b'))) AS i;
 1  a Spark SQL
 2  b Spark SQL

> SELECT i1.*, i2.*, 'Spark SQL'
   FROM  inline_outer(array(struct(1, 'a'), struct(1, 'b'))) AS i1,
         inline_outer(array(struct('c', 1.0), struct('d', 2.0))) AS i2;
 1      a       c       1.0     Spark SQL
 1      b       c       1.0     Spark SQL
 1      a       d       2.0     Spark SQL
 1      b       d       2.0     Spark SQL