Delen via

inline generatorfunctie met tabelwaarden

  • Artikel

Van toepassing op:vinkje als ja aan Databricks SQL vinkje als ja aan Databricks Runtime

Explodeert een matrix met structs in een tabel.

In Databricks SQL en Databricks Runtime 16.1 en hoger ondersteunt deze functie aanroep met benoemde parameters.

Syntaxis

inline(input)

Argumenten

  • input: Een ARRAY<STRUCT> expressie.

Retouren

Een set rijen die bestaan uit de velden in de struct-elementen van de matrix input. De kolommen die door inline worden geproduceerd, zijn de namen van de velden.

Als input er NULL geen rijen worden geproduceerd.

  • Van toepassing op:vinkje als ja aan Databricks Runtime 12.1 en eerder:

    inline kan alleen in de SELECT lijst worden geplaatst als wortel van een expressie of volgend op een LATERAL VIEW. Wanneer de functie in de SELECT-lijst wordt geplaatst, mag er geen andere generatorfunctie in dezelfde SELECT-lijst zijn; anders wordt UNSUPPORTED_GENERATOR.MULTI_GENERATOR opgeworpen.

  • Van toepassing op:vinkje als ja aan Databricks SQL vinkje als ja aan Databricks Runtime 12.2 LTS en hoger:

    Aanroep van de LATERAL VIEW clausule of de SELECT lijst wordt afgeraden. Roep in plaats daarvan inline aan als een table_reference.

Voorbeelden

Van toepassing op:vinkje als ja aan Databricks Runtime 12.1 en eerder:

> SELECT inline(array(struct(1, 'a'), struct(2, 'b'))), 'Spark SQL';
 1  a Spark SQL
 2  b Spark SQL

> SELECT inline(array(struct(1, 'a'), struct(1, 'b'))),
         inline(array(struct('c', 1.0), struct('d', 2.0))),
         'Spark SQL';
 1  a Spark SQL
 2  b Spark SQL
Error: UNSUPPORTED_GENERATOR.MULTI_GENERATOR

Van toepassing op:vinkje als ja aan Databricks SQL vinkje als ja aan Databricks Runtime 12.2 LTS en hoger:

> SELECT i.*, 'Spark SQL'
    FROM inline(array(struct(1, 'a'), struct(2, 'b'))) AS i;
 1  a Spark SQL
 2  b Spark SQL

> SELECT i1.*, i2.*, 'Spark SQL'
   FROM  inline(array(struct(1, 'a'), struct(1, 'b'))) AS i1,
         inline(array(struct('c', 1.0), struct('d', 2.0))) AS i2;
 1      a       c       1.0     Spark SQL
 1      b       c       1.0     Spark SQL
 1      a       d       2.0     Spark SQL
 1      b       d       2.0     Spark SQL