Блог

Когда я считываю таблицы из Vertica DB в R как dataframes и выполняю inner_join, я получаю разные результаты по сравнению с выполнением inner join для этих двух таблиц в Vertica на тех же условиях соединения. Есть ли что-то, что R делает inner join иначе, чем SQL join?

Как правило, два разных ядра баз данных должны выдавать одинаковые результаты для одного и того же запроса к одним и тем же данным. В этом есть некоторые нюансы. Некоторые вещи, которые приходят на ум:

Во-первых, порядок результирующих наборов может отличаться, если order by не указан an и order by ключи не являются уникальными.

Во-вторых, чувствительность к регистру по умолчанию может отличаться. Итак, в одной базе данных строки можно сравнивать, различая верхний и нижний регистры.

Третье соображение является продолжением второго: параметры сортировки строк могут отличаться, и это может повлиять на результаты сравнения.

Для чисел у вас могут быть разные внутренние представления — например, 32-разрядные числа с плавающей точкой или 64-разрядные числа с плавающей точкой. Однако использование чисел с плавающей запятой в соединениях крайне не рекомендуется, поскольку они являются «нечеткими», а не точными значениями.

Сравнения Datetime / timestamp могут отличаться из-за точности секунд — миллисекунды против наносекунд, например. Сравнение дат должно быть одинаковым, но преобразования по умолчанию из строк в даты могут отличаться.

Без сомнения, есть и другие тонкости. Идея заключается в том, что код должен быть одинаковым, но существуют экологические соображения относительно того, действительно ли два значения, равные в одной базе данных, равны в другой.