- Notas de versão
- Antes de começar
- Introdução
- Integrações
- Como trabalhar com aplicativos de processo
- Como trabalhar com painéis e gráficos
- Como trabalhar com gráficos de processo
- Trabalhando com Descubra modelos de processo e Importar modelos BPMN
- Showing or hiding the menu
- Informações de contexto
- Exportar
- Filtros
- Envio de ideias de automação ao UiPath® Automation Hub
- Tags
- Datas de conclusão
- Comparar
- Verificação de conformidade
- Análise de causa raiz
- Simulação de Potencial de Automação
- Iniciar um projeto do Task Mining a partir do Process Mining
- Triggering an automation from a process app
- Exibição de dados do processo
- Criação de aplicativos
- Carregamento de dados
- Personalização de aplicativos de processo
- Publicação de aplicativos de processos
- Modelos de apps
- Recursos adicionais
- Tags prontas para uso e datas de vencimento
- Edição de transformações de dados em um ambiente local
- Setting up a local test environment
- Métricas personalizadas de tempo de transferência
- SQL differences between Snowflake and SQL Server
- Configuration settings for loading input data
- Designing an event log
- Estendendo a ferramenta de extração SAP Ariba
- Recursos de desempenho
SQL differences between Snowflake and SQL Server
Em um ambiente de desenvolvimento local, as transformações são executadas no SQL Server, enquanto o Snowflake é usado no Process Mining Automation CloudTM Public Sector. Embora a maioria das instruções SQL funcione tanto no SQL Server quanto no Snowflake, pode haver pequenas diferenças na sintaxe, o que pode levar a resultados com retornos diferentes.
Para escrever instruções SQL que funcionem em ambos os sistemas de banco de dados:
- Escreva os nomes dos campos entre aspas duplas, por exemplo
Table."Field"
. -
Evite o uso de funções SQL diferentes no Snowflake e no SQL Server, por exemplo
string_agg()
elistagg()
.O pacotepm_utils
vem com um conjunto de funções que funcionam em ambos os tipos de banco de dados, consulte Vários bancos de dados. Por exemplo, em vez de usarstring_agg()
oulistagg()
, opm_utils.string_agg()
resultará no mesmo comportamento para ambos os bancos de dados. Sepm_utils
não contiver a função desejada, uma instrução Jinja deverá ser criada para garantir que a função correta seja chamada em cada banco de dados.
pm_utils.concat()
. Isso produzirá os mesmos resultados para SQL Server e Snowflake.
pm_utils.concat("This is a nice string", null)
= "This is a nice string"
A concatenação de strings não deve ser feita com operadores como +
ou ||
, pois são diferentes para ambos os bancos de dados (Snowflake usa ||
e SQL Server usa +
). Além disso, a função concat()
padrão tem comportamento diferente em ambos os sistemas:
SQL Server |
Snowflake |
---|---|
Os valores
null serão ignorados e tratados como uma string vazia.
|
Valores
null farão com que todo o resultado seja null .
|
A classificação é tratada de forma diferente no Snowflake e no SQL Server.
... order by "Attribute_1" desc, "Attribute_2" ...
SQL Server |
Snowflake |
---|---|
null padrão será classificado primeiro (crescente)
|
null por padrão será ordenado por último (ascendente)
|
SQL Server |
Snowflake |
---|---|
as maiúsculas são classificadas como esperado (AaBbCc) |
primeiro classifica por maiúsculas, depois por não maiúsculas (ABCabc) |
Quando você agrupa por valores “A“ e “ A“, isso é visto como um valor no SQL Server, mas como dois valores diferentes no Snowflake. Portanto, o corte é recomendado se seus dados puderem causar esse problema.
Table."Field" = "Some_value"
e Table."Field" = "SOME_VALUE"
retornarão o mesmo conjunto de resultados no SQL Server, mas possivelmente dois conjuntos de resultados diferentes no Snowflake.
É recomendável alterar o comportamento do banco de dados local do SQL Server para corresponder ao comportamento do Snowflakes, a fim de evitar problemas. Isso pode ser feito definindo o agrupamento do banco de dados para um valor que diferencia maiúsculas de minúsculas.