- Notes de publication
- Démarrage
- Intégrations
- Travailler avec des applications de processus
- Travailler avec des tableaux de bord et des graphiques
- Travailler avec des graphiques de processus
- Travailler avec des modèles de processus Découvrir et importer des modèles BPMN
- Showing or hiding the menu
- Informations contextuelles
- Exporter (Export)
- Filtres
- Envoi d’idées d’automatisation au Automation Hub d’UiPath®
- Balises
- Dates d’échéance
- Comparer
- Vérification de la conformité
- Analyse des causes profondes
- Simulation du potentiel d’automatisation
- Démarrage d'un projet Task Mining à partir de Process Mining
- Triggering an automation from a process app
- Afficher les données de processus
- Création d'applications
- Modèles d'applications
- Migration des applications vers la nouvelle disposition du graphique de processus
- Créer une nouvelle application Assistant
- Modifier des applications
- Clonage d'une application
- Exportation d'une application de processus d'importation
- Définir des restrictions de données pour une application de processus
- Suppression d'une application
- Chargement des données
- Personnaliser les applications de processus
- Modèles d'applications
- Ressources supplémentaires
- Modification des transformations de données dans un environnement local
- Setting up a local test environment
- Métriques de temps de traitement personnalisées
- SQL differences between Snowflake and SQL Server
- Configuration settings for loading input data
- Designing an event log
- Extension de l’outil d’extraction SAP Ariba
- Caractéristiques de performances
SQL differences between Snowflake and SQL Server
In a local development environment, transformations are run on SQL Server, while Snowflake is used in Process Mining Automation CloudTM. Although most SQL statements will work both on SQL Server and Snowflake, there can be slight differences in syntax, which may lead to different return results.
Pour écrire des instructions SQL qui fonctionnent sur les deux systèmes de base de données :
- Écrivez les noms de champ entre guillemets doubles, par exemple
Table."Field"
. -
Empêcher l'utilisation de fonctions SQL différentes dans Snowflake et SQL Server, par exemple
string_agg()
etlistagg()
.Le packagepm_utils
est fourni avec un ensemble de fonctions qui fonctionnent sur les deux types de bases de données, voir Bases de données multiples. Par exemple, au lieu d'utiliserstring_agg()
oulistagg()
,pm_utils.string_agg()
entraînera le même comportement pour les deux bases de données. Sipm_utils
ne contient pas la fonction souhaitée, une instruction Jinja doit être créée pour s'assurer que la fonction appropriée est appelée sur chaque base de données.
pm_utils.concat()
. Cela produira les mêmes résultats pour SQL Server et Snowflake.
pm_utils.concat("This is a nice string", null)
= "This is a nice string"
La concaténation de chaînes ne doit pas être effectuée avec des opérateurs tels que +
ou ||
, car ils sont différents pour les deux bases de données (Snowflake utilise ||
et SQL Server utilise +
). De plus, la fonction standard concat()
a un comportement différent sur les deux systèmes :
SQL Server |
Snowflake |
---|---|
null seront ignorées et traitées comme une chaîne vide.
|
null font que le résultat entier sera null .
|
Le tri est géré différemment dans Snowflake et dans SQL Server.
... order by "Attribute_1" desc, "Attribute_2" ...
SQL Server |
Snowflake |
---|---|
null sera trié par défaut en premier (croissant)
|
null sera trié par défaut en dernier (croissant)
|
SQL Server |
Snowflake |
---|---|
les majuscules sont triées comme prévu (AaBbCc) |
trie d'abord par majuscules, puis par lettres non majuscules (ABCabc) |
Lorsque vous effectuez un regroupement par valeurs « A » et « A », cela est considéré comme une seule valeur dans SQL Server, mais comme deux valeurs différentes dans Snowflake. Par conséquent, le rognage est conseillé si vos données peuvent causer ce problème.
Table."Field" = "Some_value"
et Table."Field" = "SOME_VALUE"
renverront le même ensemble de résultats dans SQL Server, mais potentiellement deux ensembles de résultats différents dans Snowflake.
Il est conseillé de modifier le comportement de votre base de données SQL Server locale pour qu'il corresponde au comportement de Snowflakes, afin d'éviter tout problème. Cela peut être accompli en définissant le classement de la base de données sur une valeur sensible à la casse.