- Versionshinweise
- Bevor Sie beginnen
- Erste Schritte
- Integrationen
- Arbeiten mit Prozess-Apps
- Arbeiten mit Dashboards und Diagrammen
- Arbeiten mit Prozessdiagrammen
- Arbeiten mit Discover-Prozessmodellen und Import BPMN-Modellen
- Showing or hiding the menu
- Kontextinformationen
- Exportieren
- Filter
- Senden von Automatisierungsideen an den UiPath® Automation Hub
- Tags
- Fälligkeitsdaten
- Vergleichen
- Konformitätsprüfung
- Ursachenanalyse
- Simulation des Automatisierungspotenzials
- Starten eines Task Mining-Projekts über Process Mining
- Auslösen einer Automatisierung über eine Prozess-App
- Anzeigen von Prozessdaten
- Erstellen von Apps
- Laden von Daten
- Anpassen von Prozess-Apps
- Einführung in Dashboards
- Dashboards erstellen
- Dashboards
- Automatisierungsmanager
- Input data
- Definieren neuer Eingabetabellen
- Hinzufügen von Feldern
- Hinzufügen von Tabellen
- Anforderungen an das Datenmodell
- Anzeigen und Bearbeiten des Datenmodells
- Exportieren und Importieren von Transformationen
- Bearbeiten und Testen von Datentransformationen
- Structure of transformations
- Zusammenführen von Ereignisprotokollen
- Tips for writing SQL
- Prozessmanager
- Veröffentlichen von Prozess-Apps
- App-Vorlagen
- Zusätzliche Ressourcen
- Vorgefertigte Tags und Fälligkeitsdaten
- Bearbeiten von Datentransformationen in einer lokalen Umgebung
- Setting up a local test environment
- Benutzerdefinierte Metriken zur Durchsatzzeit
- SQL differences between Snowflake and SQL Server
- Configuration settings for loading input data
- Designing an event log
- Systemanforderungen
- Konfigurieren des DataBridgeAgent
- Hinzufügen eines benutzerdefinierten Connectors zu DataBridgeAgent
- Verwenden von DataBridgeAgent mit dem SAP Connector für den Purchase-to-Pay Discovery Accelerator
- Verwenden von DataBridgeAgent mit dem SAP Connector für den Order-to-Cash Discovery Accelerator
- Erweitern des Extraktionstools SAP Ariba
- Leistungsmerkmale
SQL differences between Snowflake and SQL Server
In einer lokalen Entwicklungsumgebung werden Transformationen auf SQL-Server ausgeführt, während Snowflake in der Process Mining Automation CloudTM verwendet wird. Obwohl die meisten SQL-Anweisungen sowohl auf SQL Server als auch auf Snowflake funktionieren, kann es geringfügige Unterschiede in der Syntax geben, die zu unterschiedlichen Rückgabeergebnissen führen können.
So schreiben Sie SQL-Anweisungen, die auf beiden Datenbanksystemen funktionieren:
- Schreiben Sie Feldnamen in doppelte Anführungszeichen, z. B.
Table."Field"
. -
Verhindern der Verwendung von SQL-Funktionen, die sich in Snowflake und SQL Server unterscheiden, z. B.
string_agg()
undlistagg()
.Das Paketpm_utils
enthält eine Reihe von Funktionen, die für beide Datenbanktypen funktionieren, siehe Mehrere Datenbanken. Anstatt beispielsweisestring_agg()
oderlistagg()
zu verwenden, führtpm_utils.string_agg()
für beide Datenbanken zum gleichen Verhalten. Wennpm_utils
nicht die gewünschte Funktion enthält, sollte eine Jinja-Anweisung erstellt werden, um sicherzustellen, dass die richtige Funktion für jede Datenbank aufgerufen wird.
pm_utils.concat()
. Dies führt zu den gleichen Ergebnissen für SQL Server und Snowflake.
pm_utils.concat("This is a nice string", null)
= "This is a nice string"
Das Verketten von Zeichenfolgen sollte nicht mit Operatoren wie +
oder ||
erfolgen, da sie sich für beide Datenbanken unterscheiden (Snowflake verwendet ||
und SQL Server verwendet +
). Auch die Standardfunktion concat()
hat auf beiden Systemen ein unterschiedliches Verhalten:
SQL-Server |
Snowflake |
---|---|
null -Werte werden ignoriert und als leerer String behandelt.
|
null -Werte bewirken, dass das gesamte Ergebnis null ist.
|
Die Sortierung wird in Snowflake und SQL Server unterschiedlich gehandhabt.
... order by "Attribute_1" desc, "Attribute_2" ...
.
SQL-Server |
Snowflake |
---|---|
null wird standardmäßig zuerst sortiert (aufsteigend).
|
null wird standardmäßig als letztes sortiert (aufsteigend)
|
SQL-Server |
Snowflake |
---|---|
Großbuchstaben werden wie erwartet sortiert (AaBbCc) |
Sortiert zuerst nach Großbuchstaben, dann nach Nicht-Großbuchstaben (ABCabc) |
Wenn Sie nach den Werten „A“ und „A“ gruppieren, wird dies in SQL Server als ein Wert angesehen, in Snowflake jedoch als zwei verschiedene Werte. Daher wird das Trimmen empfohlen, wenn Ihre Daten dieses Problem verursachen können.
Table."Field" = "Some_value"
und Table."Field" = "SOME_VALUE"
dasselbe Resultset in SQL Server zurückgeben, aber möglicherweise zwei verschiedene Resultsets in Snowflake.
Es wird empfohlen, das Verhalten Ihrer lokalen SQL Server-Datenbank so zu ändern, dass es dem Verhalten von Snowflakes entspricht, um Probleme zu vermeiden. Dies kann erreicht werden, indem die Datenbanksortierung auf einen Wert festgelegt wird, bei dem die Groß-/Kleinschreibung beachtet wird.