搜索快捷键 cmd + k | ctrl + k
- 安装
- 文档
- 入门
- 连接
- 数据导入
- 客户端 API
- 概览
- ADBC
- C
- C++
- CLI
- Dart
- Go
- Java (JDBC)
- Julia
- Node.js (已弃用)
- Node.js (Neo)
- ODBC
- PHP
- Python
- R
- Rust
- Swift
- Wasm
- SQL
- 介绍
- 语句
- 概览
- ANALYZE
- ALTER TABLE
- ALTER VIEW
- ATTACH 和 DETACH
- CALL
- CHECKPOINT
- COMMENT ON
- COPY
- CREATE INDEX
- CREATE MACRO
- CREATE SCHEMA
- CREATE SECRET
- CREATE SEQUENCE
- CREATE TABLE
- CREATE VIEW
- CREATE TYPE
- DELETE
- DESCRIBE
- DROP
- EXPORT 和 IMPORT DATABASE
- INSERT
- LOAD / INSTALL
- PIVOT
- 性能分析
- SELECT
- SET / RESET
- SET VARIABLE
- SUMMARIZE
- 事务管理
- UNPIVOT
- UPDATE
- USE
- VACUUM
- 查询语法
- SELECT
- FROM 和 JOIN
- WHERE
- GROUP BY
- GROUPING SETS
- HAVING
- ORDER BY
- LIMIT 和 OFFSET
- SAMPLE
- 展开嵌套
- WITH
- WINDOW
- QUALIFY
- VALUES
- FILTER
- 集合操作
- 预处理语句
- 数据类型
- 表达式
- 函数
- 概览
- 聚合函数
- 数组函数
- 位字符串函数
- Blob 函数
- 日期格式化函数
- 日期函数
- 日期部分函数
- 枚举函数
- 间隔函数
- Lambda 函数
- 列表函数
- 映射函数
- 嵌套函数
- 数值函数
- 模式匹配
- 正则表达式
- 结构体函数
- 文本函数
- 时间函数
- 时间戳函数
- 带时区时间戳函数
- 联合函数
- 实用函数
- 窗口函数
- 约束
- 索引
- 元查询
- DuckDB 的 SQL 方言
- 示例
- 配置
- 扩展
- 核心扩展
- 概览
- 自动补全
- Avro
- AWS
- Azure
- Delta
- DuckLake
- 编码
- Excel
- 全文搜索
- httpfs (HTTP 和 S3)
- Iceberg
- ICU
- inet
- jemalloc
- MySQL
- PostgreSQL
- 空间
- SQLite
- TPC-DS
- TPC-H
- UI
- VSS
- 指南
- 概览
- 数据查看器
- 数据库集成
- 文件格式
- 概览
- CSV 导入
- CSV 导出
- 直接读取文件
- Excel 导入
- Excel 导出
- JSON 导入
- JSON 导出
- Parquet 导入
- Parquet 导出
- 查询 Parquet 文件
- 使用 file: 协议访问文件
- 网络和云存储
- 概览
- HTTP Parquet 导入
- S3 Parquet 导入
- S3 Parquet 导出
- S3 Iceberg 导入
- S3 Express One
- GCS 导入
- Cloudflare R2 导入
- 通过 HTTPS / S3 使用 DuckDB
- Fastly 对象存储导入
- 元查询
- ODBC
- 性能
- Python
- 安装
- 执行 SQL
- Jupyter Notebook
- marimo Notebook
- Pandas 上的 SQL
- 从 Pandas 导入
- 导出到 Pandas
- 从 Numpy 导入
- 导出到 Numpy
- Arrow 上的 SQL
- 从 Arrow 导入
- 导出到 Arrow
- Pandas 上的关系型 API
- 多个 Python 线程
- 与 Ibis 集成
- 与 Polars 集成
- 使用 fsspec 文件系统
- SQL 编辑器
- SQL 功能
- 代码片段
- 故障排除
- 术语表
- 离线浏览
- 操作手册
- 开发
- 内部结构
- 为什么选择 DuckDB
- 行为准则
- 发布日历
- 路线图
- 站点地图
- 在线演示
文档 / 开发 / 测试
循环
在sqllogictests中,当需要多次执行相同的查询,但对常量值进行微小修改时,可以使用循环。例如,假设我们想要执行100个查询,检查表中是否存在值0..100
。
# create the table 'integers' with values 0..100
statement ok
CREATE TABLE integers AS SELECT * FROM range(0, 100, 1) t1(i);
# verify individually that all 100 values are there
loop i 0 100
# execute the query, replacing the value
query I
SELECT count(*) FROM integers WHERE i = ${i};
----
1
# end the loop (note that multiple statements can be part of a loop)
endloop
类似地,foreach
可以用于遍历一组值。
foreach partcode millennium century decade year quarter month day hour minute second millisecond microsecond epoch
query III
SELECT i, date_part('${partcode}', i) AS p, date_part(['${partcode}'], i) AS st
FROM intervals
WHERE p <> st['${partcode}'];
----
endloop
foreach
还有一些预设组合,应在需要时使用。这样,当新的组合添加到预设中时,旧测试将自动识别这些新组合。
预设 | 扩展 |
---|---|
⟨压缩⟩ | 无 未压缩 RLE 位打包 字典 FSST Chimp Patas |
⟨有符号⟩ | tinyint smallint integer bigint hugeint |
⟨无符号⟩ | utinyint usmallint uinteger ubigint uhugeint |
⟨整型⟩ | ⟨有符号⟩ ⟨无符号⟩ |
⟨数值型⟩ | ⟨整型⟩ float double |
⟨所有类型⟩ | ⟨数值型⟩ bool interval varchar json |
谨慎使用大型循环。执行数十万条SQL语句会不必要地减慢测试速度。请勿使用循环来插入数据。
不使用循环生成数据
应谨慎使用循环。虽然可能很想使用循环通过insert语句插入数据,但这会显著减慢测试用例的速度。相反,最好使用内置的range
和repeat
函数来生成数据。
要创建包含值[0, 1, .., 98, 99]
的表integers
,请运行
CREATE TABLE integers AS SELECT * FROM range(0, 100, 1) t1(i);
要创建包含值hello
重复100次的表strings
,请运行
CREATE TABLE strings AS SELECT * FROM repeat('hello', 100) t1(s);
结合巧妙使用交叉积及其他表达式,利用这两个函数可以高效地生成多种不同类型的数据集。random()
函数也可以用于生成随机数据。
另一种选择是从现有的CSV或Parquet文件中读取数据。可以使用COPY INTO
语句或read_csv_auto
函数从目录test/sql/copy/csv/data/real
加载几个大型CSV文件。
TPC-H和TPC-DS扩展也可以用于生成合成数据,例如使用CALL dbgen(sf = 1)
或CALL dsdgen(sf = 1)
。