Amazon Redshift SQL 转换指南

数据类型

在 ClickHouse 与 Redshift 之间迁移数据的用户会立刻注意到，ClickHouse 提供的类型范围更广，而且限制更少。Redshift 要求用户指定字符串的可能长度，即使是可变长度；而 ClickHouse 通过以原始字节的形式存储字符串，取消了这一限制和负担。因此，ClickHouse 的 String 类型没有长度限制或长度声明要求。

此外，用户可以利用 Array、Tuple 和 Enum——这些在 Redshift 中并不存在为一等公民（尽管可以通过 SUPER 模拟 Array/Struct），这也是用户常见的痛点。ClickHouse 还允许在查询时，甚至在表中，将聚合状态持久化保存。这样可以对数据进行预聚合，通常使用物化视图，从而显著提升常见查询的性能。

下面我们为每种 Redshift 类型给出对应的 ClickHouse 类型映射：

Redshift	ClickHouse
SMALLINT	Int8 *
INTEGER	Int32 *
BIGINT	Int64 *
DECIMAL	UInt128, UInt256, Int128, Int256, Decimal(P, S), Decimal32(S), Decimal64(S), Decimal128(S), Decimal256(S) - （支持高精度和大取值范围）
REAL	Float32
DOUBLE PRECISION	Float64
BOOLEAN	Bool
CHAR	String, FixedString
VARCHAR **	String
DATE	Date32
TIMESTAMP	DateTime, DateTime64
TIMESTAMPTZ	DateTime, DateTime64
GEOMETRY	地理数据类型
GEOGRAPHY	地理数据类型（目前功能相对不完善，例如尚不支持坐标系——可以借助函数进行模拟）
HLLSKETCH	AggregateFunction(uniqHLL12, X)
SUPER	Tuple, Nested, Array, JSON, Map
TIME	DateTime, DateTime64
TIMETZ	DateTime, DateTime64
VARBYTE **	将 String 与 Bit 和 Encoding 函数组合使用

_{* ClickHouse 此外还支持具有扩展取值范围的无符号整数类型，即 UInt8、UInt32、UInt32 和 UInt64。
**ClickHouse 的 String 类型默认不受长度限制，但可以通过使用 约束（Constraints） 将其限定为特定长度。}

DDL 语法

排序键

ClickHouse 和 Redshift 都有“排序键”的概念，用于定义数据在存储时的排序方式。Redshift 使用 SORTKEY 子句来定义排序键：

CREATE TABLE some_table(...) SORTKEY (column1, column2)

相比之下，ClickHouse 使用 ORDER BY 子句来指定排序顺序：

CREATE TABLE some_table(...) ENGINE = MergeTree ORDER BY (column1, column2)

在大多数情况下，只要你使用默认的 COMPOUND 类型，就可以在 ClickHouse 中使用与 Redshift 相同的排序键列及其顺序。向 Redshift 添加数据后，应当运行 VACUUM 和 ANALYZE 命令，对新添加的数据重新排序并更新供查询规划器使用的统计信息——否则，未排序空间会不断增长。ClickHouse 无需执行这样的过程。

Redshift 为排序键提供了几个便捷功能。其一是自动排序键（使用 SORTKEY AUTO）。虽然这在入门阶段可能比较合适，但当排序键设计合理时，显式指定排序键可以确保获得最佳的性能和存储效率。第二个是 INTERLEAVED 排序键，它对排序键中某个列子集赋予相同权重，以在查询使用一个或多个次级排序列时提升性能。ClickHouse 支持显式的 projections，通过略有不同的配置方式达到相同的效果。

用户应当注意，“primary key” 概念在 ClickHouse 和 Redshift 中代表的含义不同。在 Redshift 中，primary key 类似传统关系型数据库（RDBMS）中用于强制约束的主键概念。不过，这些约束在 Redshift 中并不会被严格强制执行，而是作为查询规划器以及节点间数据分布的提示。在 ClickHouse 中，primary key 表示用于构建稀疏主索引的列，用来确保数据在磁盘上的有序性，在避免主索引被“污染”和浪费内存的同时最大化压缩率。