Перейти к основному содержанию
Перейти к основному содержанию

Хранимые процедуры и параметры запросов в ClickHouse

Если вы привыкли к традиционной реляционной базе данных, вы можете ожидать наличия в ClickHouse хранимых процедур и подготовленных запросов. В этом руководстве объясняется подход ClickHouse к этим концепциям и предлагаются рекомендуемые альтернативы.

Альтернативы хранимым процедурам в ClickHouse​

ClickHouse не поддерживает традиционные хранимые процедуры с логикой управления потоком выполнения (IF/ELSE, циклы и т. д.). Это осознанное архитектурное решение, поскольку ClickHouse является аналитической базой данных. Циклы нежелательны в аналитических базах данных, потому что выполнение O(n) простых запросов обычно медленнее, чем выполнение меньшего числа более сложных запросов.

ClickHouse оптимизирован для:

  • Аналитических нагрузок — сложных агрегаций по большим наборам данных
  • Пакетной обработки — эффективной обработки больших объёмов данных
  • Декларативных запросов — SQL-запросов, которые описывают, какие данные нужно получить, а не то, как их обрабатывать

Хранимые процедуры с процедурной логикой противоречат этим принципам оптимизации. Вместо них ClickHouse предоставляет альтернативы, соответствующие его сильным сторонам.

Пользовательские функции (UDF)​

Пользовательские функции позволяют инкапсулировать повторно используемую логику без управляющих конструкций. ClickHouse поддерживает два типа:

UDF на основе лямбда-выражений​

Создавайте функции с использованием SQL-выражений и лямбда-синтаксиса:

Пример данных для следующих примеров
-- Создаём таблицу products
CREATE TABLE products (
    product_id UInt32,
    product_name String,
    price Decimal(10, 2)
)
ENGINE = MergeTree()
ORDER BY product_id;

-- Вставляем пример данных
INSERT INTO products (product_id, product_name, price) VALUES
(1, 'Laptop', 899.99),
(2, 'Wireless Mouse', 24.99),
(3, 'USB-C Cable', 12.50),
(4, 'Monitor', 299.00),
(5, 'Keyboard', 79.99),
(6, 'Webcam', 54.95),
(7, 'Desk Lamp', 34.99),
(8, 'External Hard Drive', 119.99),
(9, 'Headphones', 149.00),
(10, 'Phone Stand', 15.99);

-- Простая функция вычисления
CREATE FUNCTION calculate_tax AS (price, rate) -> price * rate;

SELECT
    product_name,
    price,
    calculate_tax(price, 0.08) AS tax
FROM products;

-- Условная логика с использованием if()
CREATE FUNCTION price_tier AS (price) ->
    if(price < 100, 'Эконом',
       if(price < 500, 'Средний', 'Премиум'));

SELECT
    product_name,
    price,
    price_tier(price) AS tier
FROM products;

-- Работа со строками
CREATE FUNCTION format_phone AS (phone) ->
    concat('(', substring(phone, 1, 3), ') ',
           substring(phone, 4, 3), '-',
           substring(phone, 7, 4));

SELECT format_phone('5551234567');
-- Результат: (555) 123-4567

Ограничения:

  • Нет циклов и сложных конструкций управления потоком выполнения
  • Нельзя изменять данные (INSERT/UPDATE/DELETE)
  • Рекурсивные функции не допускаются

Полный синтаксис см. в CREATE FUNCTION.

Исполняемые UDF-функции​

Для более сложной логики используйте исполняемые UDF-функции, которые вызывают внешние программы:

<!-- /etc/clickhouse-server/sentiment_analysis_function.xml -->
<functions>
    <function>
        <type>executable</type>
        <name>sentiment_score</name>
        <return_type>Float32</return_type>
        <argument>
            <type>String</type>
        </argument>
        <format>TabSeparated</format>
        <command>python3 /opt/scripts/sentiment.py</command>
    </function>
</functions>

-- Использование исполняемой UDF
SELECT
    review_text,
    sentiment_score(review_text) AS score
FROM customer_reviews;

Исполняемые UDF-функции могут реализовывать произвольную логику на любом языке (Python, Node.js, Go и т. д.).

Подробности см. в разделе Исполняемые UDF.

Параметризованные представления​

Параметризованные представления ведут себя как функции, возвращающие наборы данных. Они идеально подходят для повторного использования запросов с динамической фильтрацией:

Пример данных для демонстрации
-- Создание таблицы sales
CREATE TABLE sales (
  date Date,
  product_id UInt32,
  product_name String,
  category String,
  quantity UInt32,
  revenue Decimal(10, 2),
  sales_amount Decimal(10, 2)
)
ENGINE = MergeTree()
ORDER BY (date, product_id);

-- Вставка примеров данных
INSERT INTO sales VALUES
('2024-01-05', 12345, 'Laptop Pro', 'Electronics', 2, 1799.98, 1799.98),
('2024-01-06', 12345, 'Laptop Pro', 'Electronics', 1, 899.99, 899.99),
('2024-01-10', 12346, 'Wireless Mouse', 'Electronics', 5, 124.95, 124.95),
('2024-01-15', 12347, 'USB-C Cable', 'Accessories', 10, 125.00, 125.00),
('2024-01-20', 12345, 'Laptop Pro', 'Electronics', 3, 2699.97, 2699.97),
('2024-01-25', 12348, 'Monitor 4K', 'Electronics', 2, 598.00, 598.00),
('2024-02-01', 12345, 'Laptop Pro', 'Electronics', 1, 899.99, 899.99),
('2024-02-05', 12349, 'Keyboard Mechanical', 'Accessories', 4, 319.96, 319.96),
('2024-02-10', 12346, 'Wireless Mouse', 'Electronics', 8, 199.92, 199.92),
('2024-02-15', 12350, 'Webcam HD', 'Electronics', 3, 164.85, 164.85);

-- Создать параметризованное представление
CREATE VIEW sales_by_date AS
SELECT
    date,
    product_id,
    sum(quantity) AS total_quantity, -- общее количество
    sum(revenue) AS total_revenue -- общая выручка
FROM sales
WHERE date BETWEEN {start_date:Date} AND {end_date:Date}
GROUP BY date, product_id;

-- Запрос представления с параметрами
SELECT *
FROM sales_by_date(start_date='2024-01-01', end_date='2024-01-31')
WHERE product_id = 12345;

Типовые сценарии использования​

-- Более сложное параметризованное представление
CREATE VIEW top_products_by_category AS
SELECT
    category,
    product_name,
    revenue,
    rank
FROM (
    SELECT
        category,
        product_name,
        revenue,
        rank() OVER (PARTITION BY category ORDER BY revenue DESC) AS rank
    FROM (
        SELECT
            category,
            product_name,
            sum(sales_amount) AS revenue
        FROM sales
        WHERE category = {category:String}
            AND date >= {min_date:Date}
        GROUP BY category, product_name
    )
)
WHERE rank <= {top_n:UInt32};

-- Использование представления
SELECT * FROM top_products_by_category(
    category='Electronics',
    min_date='2024-01-01',
    top_n=10
);

См. раздел Параметризованные представления для получения дополнительной информации.

Материализованные представления​

Материализованные представления идеально подходят для предварительного вычисления дорогостоящих операций агрегации, которые традиционно выполнялись бы в хранимых процедурах. Если вы привыкли к традиционным СУБД, представляйте материализованное представление как триггер INSERT, который автоматически преобразует и агрегирует данные при их вставке в исходную таблицу:

-- Исходная таблица
CREATE TABLE page_views (
    user_id UInt64,
    page String,
    timestamp DateTime,
    session_id String
)
ENGINE = MergeTree()
ORDER BY (user_id, timestamp);

-- Материализованное представление, которое хранит агрегированную статистику
CREATE MATERIALIZED VIEW daily_user_stats
ENGINE = SummingMergeTree()
ORDER BY (date, user_id)
AS SELECT
    toDate(timestamp) AS date,
    user_id,
    count() AS page_views,
    uniq(session_id) AS sessions,
    uniq(page) AS unique_pages
FROM page_views
GROUP BY date, user_id;

-- Вставка примеров данных в исходную таблицу
INSERT INTO page_views VALUES
(101, '/home', '2024-01-15 10:00:00', 'session_a1'),
(101, '/products', '2024-01-15 10:05:00', 'session_a1'),
(101, '/checkout', '2024-01-15 10:10:00', 'session_a1'),
(102, '/home', '2024-01-15 11:00:00', 'session_b1'),
(102, '/about', '2024-01-15 11:05:00', 'session_b1'),
(101, '/home', '2024-01-16 09:00:00', 'session_a2'),
(101, '/products', '2024-01-16 09:15:00', 'session_a2'),
(103, '/home', '2024-01-16 14:00:00', 'session_c1'),
(103, '/products', '2024-01-16 14:05:00', 'session_c1'),
(103, '/products', '2024-01-16 14:10:00', 'session_c1'),
(102, '/home', '2024-01-17 10:30:00', 'session_b2'),
(102, '/contact', '2024-01-17 10:35:00', 'session_b2');

-- Запрос предагрегированных данных
SELECT
    user_id,
    sum(page_views) AS total_views,
    sum(sessions) AS total_sessions
FROM daily_user_stats
WHERE date BETWEEN '2024-01-01' AND '2024-01-31'
GROUP BY user_id;

Обновляемые материализованные представления​

Для пакетной обработки по расписанию (например, для ночного запуска хранимых процедур):

-- Автоматическое обновление каждый день в 2:00
CREATE MATERIALIZED VIEW monthly_sales_report
REFRESH EVERY 1 DAY OFFSET 2 HOUR
AS SELECT
    toStartOfMonth(order_date) AS month,
    region,
    product_category,
    count() AS order_count,
    sum(amount) AS total_revenue,
    avg(amount) AS avg_order_value
FROM orders
WHERE order_date >= today() - INTERVAL 13 MONTH
GROUP BY month, region, product_category;

-- Запрос всегда содержит актуальные данные
SELECT * FROM monthly_sales_report
WHERE month = toStartOfMonth(today());

См. раздел Cascading Materialized Views для более продвинутых паттернов.

Внешняя оркестрация​

Для сложной бизнес-логики, ETL-пайплайнов или многошаговых процессов всегда можно реализовать логику вне ClickHouse, используя клиенты для соответствующих языков программирования.

Использование кода приложения​

Ниже приведено покадровое сравнение, демонстрирующее, как хранимая процедура MySQL преобразуется в код приложения для ClickHouse:

DELIMITER $$

CREATE PROCEDURE process_order(
    IN p_order_id INT,
    IN p_customer_id INT,
    IN p_order_total DECIMAL(10,2),
    OUT p_status VARCHAR(50),
    OUT p_loyalty_points INT
)
BEGIN
    DECLARE v_customer_tier VARCHAR(20);
    DECLARE v_previous_orders INT;
    DECLARE v_discount DECIMAL(10,2);

    -- Начало транзакции
    START TRANSACTION;

    -- Получение информации о клиенте
    SELECT tier, total_orders
    INTO v_customer_tier, v_previous_orders
    FROM customers
    WHERE customer_id = p_customer_id;

    -- Расчет скидки на основе уровня
    IF v_customer_tier = 'gold' THEN
        SET v_discount = p_order_total * 0.15;
    ELSEIF v_customer_tier = 'silver' THEN
        SET v_discount = p_order_total * 0.10;
    ELSE
        SET v_discount = 0;
    END IF;

    -- Вставка записи заказа
    INSERT INTO orders (order_id, customer_id, order_total, discount, final_amount)
    VALUES (p_order_id, p_customer_id, p_order_total, v_discount,
            p_order_total - v_discount);

    -- Обновление статистики клиента
    UPDATE customers
    SET total_orders = total_orders + 1,
        lifetime_value = lifetime_value + (p_order_total - v_discount),
        last_order_date = NOW()
    WHERE customer_id = p_customer_id;

    -- Расчет баллов лояльности (1 балл за доллар)
    SET p_loyalty_points = FLOOR(p_order_total - v_discount);

    -- Вставка транзакции баллов лояльности
    INSERT INTO loyalty_points (customer_id, points, transaction_date, description)
    VALUES (p_customer_id, p_loyalty_points, NOW(),
            CONCAT('Order #', p_order_id));

    -- Проверка необходимости повышения уровня клиента
    IF v_previous_orders + 1 >= 10 AND v_customer_tier = 'bronze' THEN
        UPDATE customers SET tier = 'silver' WHERE customer_id = p_customer_id;
        SET p_status = 'ORDER_COMPLETE_TIER_UPGRADED_SILVER';
    ELSEIF v_previous_orders + 1 >= 50 AND v_customer_tier = 'silver' THEN
        UPDATE customers SET tier = 'gold' WHERE customer_id = p_customer_id;
        SET p_status = 'ORDER_COMPLETE_TIER_UPGRADED_GOLD';
    ELSE
        SET p_status = 'ORDER_COMPLETE';
    END IF;

    COMMIT;
END$$

DELIMITER ;

-- Вызов хранимой процедуры
CALL process_order(12345, 5678, 250.00, @status, @points);
SELECT @status, @points;

Ключевые отличия​

  1. Управление потоком выполнения – в хранимых процедурах MySQL используются конструкции IF/ELSE, циклы WHILE. В ClickHouse эту логику следует реализовывать в коде приложения (Python, Java и т. д.)
  2. Транзакции – MySQL поддерживает BEGIN/COMMIT/ROLLBACK для ACID‑транзакций. ClickHouse — аналитическая база данных, оптимизированная для сценариев с только добавлением данных (append-only), а не для транзакционных обновлений
  3. Обновления – в MySQL используются операторы UPDATE. В ClickHouse предпочтительнее использовать INSERT совместно с ReplacingMergeTree или CollapsingMergeTree для изменяемых данных
  4. Переменные и состояние – хранимые процедуры MySQL могут объявлять переменные (DECLARE v_discount). В ClickHouse состоянием следует управлять в коде приложения
  5. Обработка ошибок – MySQL поддерживает SIGNAL и обработчики исключений. В коде приложения используйте нативные механизмы обработки ошибок выбранного языка (try/catch)
Совет

Когда использовать каждый подход:

  • OLTP-нагрузки (заказы, платежи, учетные записи пользователей) → используйте MySQL/PostgreSQL с хранимыми процедурами
  • Аналитические нагрузки (отчеты, агрегации, временные ряды) → используйте ClickHouse с оркестрацией на уровне приложения
  • Гибридная архитектура → используйте оба подхода: передавайте транзакционные данные из OLTP в ClickHouse в потоковом режиме для аналитики

Использование инструментов оркестрации рабочих процессов​

  • Apache Airflow - Планирование и мониторинг сложных DAG'ов с запросами к ClickHouse
  • dbt - Преобразование данных с использованием SQL-ориентированных рабочих процессов
  • Prefect/Dagster - Современные системы оркестрации на базе Python
  • Пользовательские планировщики - Cron-задания, Kubernetes CronJobs и т.д.

Преимущества внешней оркестрации:

  • Полноценные возможности языков программирования
  • Улучшенная обработка ошибок и логика повторных попыток
  • Интеграция с внешними системами (API, другие базы данных)
  • Контроль версий и тестирование
  • Мониторинг и оповещения
  • Более гибкое планирование

Альтернативы подготовленным выражениям в ClickHouse​

Хотя в ClickHouse нет традиционных «подготовленных выражений» в смысле классических реляционных СУБД, он предоставляет параметры запросов, которые выполняют ту же функцию: обеспечивают безопасные параметризованные запросы, предотвращающие SQL-инъекции.

Синтаксис​

Есть два способа задавать параметры запроса:

Метод 1: с использованием SET​

Пример таблицы и данных
-- Создайте таблицу user_events (синтаксис ClickHouse)
CREATE TABLE user_events (
    event_id UInt32,
    user_id UInt64,
    event_name String,
    event_date Date,
    event_timestamp DateTime
) ENGINE = MergeTree()
ORDER BY (user_id, event_date);

-- Вставьте пример данных для нескольких пользователей и событий
INSERT INTO user_events (event_id, user_id, event_name, event_date, event_timestamp) VALUES
(1, 12345, 'page_view', '2024-01-05', '2024-01-05 10:30:00'),
(2, 12345, 'page_view', '2024-01-05', '2024-01-05 10:35:00'),
(3, 12345, 'add_to_cart', '2024-01-05', '2024-01-05 10:40:00'),
(4, 12345, 'page_view', '2024-01-10', '2024-01-10 14:20:00'),
(5, 12345, 'add_to_cart', '2024-01-10', '2024-01-10 14:25:00'),
(6, 12345, 'purchase', '2024-01-10', '2024-01-10 14:30:00'),
(7, 12345, 'page_view', '2024-01-15', '2024-01-15 09:15:00'),
(8, 12345, 'page_view', '2024-01-15', '2024-01-15 09:20:00'),
(9, 12345, 'page_view', '2024-01-20', '2024-01-20 16:45:00'),
(10, 12345, 'add_to_cart', '2024-01-20', '2024-01-20 16:50:00'),
(11, 12345, 'purchase', '2024-01-25', '2024-01-25 11:10:00'),
(12, 12345, 'page_view', '2024-01-28', '2024-01-28 13:30:00'),
(13, 67890, 'page_view', '2024-01-05', '2024-01-05 11:00:00'),
(14, 67890, 'add_to_cart', '2024-01-05', '2024-01-05 11:05:00'),
(15, 67890, 'purchase', '2024-01-05', '2024-01-05 11:10:00'),
(16, 12345, 'page_view', '2024-02-01', '2024-02-01 10:00:00'),
(17, 12345, 'add_to_cart', '2024-02-01', '2024-02-01 10:05:00');

SET param_user_id = 12345;
SET param_start_date = '2024-01-01';
SET param_end_date = '2024-01-31';

SELECT
    event_name,
    count() AS event_count
FROM user_events
WHERE user_id = {user_id: UInt64}
    AND event_date BETWEEN {start_date: Date} AND {end_date: Date}
GROUP BY event_name;

Метод 2: с использованием параметров CLI​

clickhouse-client \
    --param_user_id=12345 \
    --param_start_date='2024-01-01' \
    --param_end_date='2024-01-31' \
    --query="SELECT count() FROM user_events
             WHERE user_id = {user_id: UInt64}
             AND event_date BETWEEN {start_date: Date} AND {end_date: Date}"

Синтаксис параметров​

Параметры задаются в виде: {parameter_name: DataType}

  • parameter_name — имя параметра (без префикса param_)
  • DataType — тип данных ClickHouse, к которому приводится параметр

Примеры типов данных​

Таблицы и пример данных
-- 1. Создайте таблицу для тестирования строк и чисел
CREATE TABLE IF NOT EXISTS users (
    name String,
    age UInt8,
    salary Float64
) ENGINE = Memory;

INSERT INTO users VALUES
    ('John Doe', 25, 75000.50),
    ('Jane Smith', 30, 85000.75),
    ('Peter Jones', 20, 50000.00);

-- 2. Создайте таблицу для тестирования дат и временных меток
CREATE TABLE IF NOT EXISTS events (
    event_date Date,
    event_timestamp DateTime
) ENGINE = Memory;

INSERT INTO events VALUES
    ('2024-01-15', '2024-01-15 14:30:00'),
    ('2024-01-15', '2024-01-15 15:00:00'),
    ('2024-01-16', '2024-01-16 10:00:00');

-- 3. Создайте таблицу для тестирования массивов
CREATE TABLE IF NOT EXISTS products (
    id UInt32,
    name String
) ENGINE = Memory;

INSERT INTO products VALUES (1, 'Laptop'), (2, 'Monitor'), (3, 'Mouse'), (4, 'Keyboard');

-- 4. Создайте таблицу для тестирования Map (аналог структур)
CREATE TABLE IF NOT EXISTS accounts (
    user_id UInt32,
    status String,
    type String
) ENGINE = Memory;

INSERT INTO accounts VALUES
    (101, 'active', 'premium'),
    (102, 'inactive', 'basic'),
    (103, 'active', 'basic');

-- 5. Создайте таблицу для тестирования Identifier
CREATE TABLE IF NOT EXISTS sales_2024 (
    value UInt32
) ENGINE = Memory;

INSERT INTO sales_2024 VALUES (100), (200), (300);

SET param_name = 'John Doe';
SET param_age = 25;
SET param_salary = 75000.50;

SELECT name, age, salary FROM users
WHERE name = {name: String}
  AND age >= {age: UInt8}
  AND salary <= {salary: Float64};

Для использования параметров запроса в клиентах для языков программирования обратитесь к документации по языковому клиенту, который вы используете.

Ограничения параметров запроса​

Параметры запроса не являются универсальным механизмом текстовой подстановки. У них есть определённые ограничения:

  1. Они в первую очередь предназначены для операторов SELECT — наилучшая поддержка реализована в запросах SELECT
  2. Они работают как идентификаторы или литералы — ими нельзя заменять произвольные фрагменты SQL-кода
  3. У них ограниченная поддержка в DDL — они поддерживаются в CREATE TABLE, но не в ALTER TABLE

Что РАБОТАЕТ:

-- ✓ Значения в предложении WHERE
SELECT * FROM users WHERE id = {user_id: UInt64};

-- ✓ Имена таблиц и баз данных
SELECT * FROM {db: Identifier}.{table: Identifier};

-- ✓ Значения в предложении IN
SELECT * FROM products WHERE id IN {ids: Array(UInt32)};

-- ✓ CREATE TABLE
CREATE TABLE {table_name: Identifier} (id UInt64, name String) ENGINE = MergeTree() ORDER BY id;

Что НЕ работает:

-- ✗ Имена столбцов в SELECT (используйте Identifier с осторожностью)
SELECT {column: Identifier} FROM users;  -- Ограниченная поддержка

-- ✗ Произвольные фрагменты SQL
SELECT * FROM users {where_clause: String};  -- НЕ ПОДДЕРЖИВАЕТСЯ

-- ✗ Инструкции ALTER TABLE
ALTER TABLE {table: Identifier} ADD COLUMN new_col String;  -- НЕ ПОДДЕРЖИВАЕТСЯ

-- ✗ Множественные инструкции
{statements: String};  -- НЕ ПОДДЕРЖИВАЕТСЯ

Рекомендации по безопасности​

Всегда используйте параметры запроса для пользовательского ввода:

# ✓ SAFE - Uses parameters
user_input = request.get('user_id')
result = client.query(
    "SELECT * FROM orders WHERE user_id = {uid: UInt64}",
    parameters={'uid': user_input}
)

# ✗ ОПАСНО — риск SQL-инъекции!
user_input = request.get('user_id')
result = client.query(f"SELECT * FROM orders WHERE user_id = {user_input}")

Проверьте типы входных данных:

def get_user_orders(user_id: int, start_date: str):
    # Проверка типов перед выполнением запроса
    if not isinstance(user_id, int) or user_id <= 0:
        raise ValueError("Некорректный user_id")

    # Параметры обеспечивают безопасность типов
    return client.query(
        """
        SELECT * FROM orders
        WHERE user_id = {uid: UInt64}
            AND order_date >= {start: Date}
        """,
        parameters={'uid': user_id, 'start': start_date}
    )

Подготовленные выражения в протоколе MySQL​

Интерфейс MySQL в ClickHouse включает минимальную поддержку подготовленных выражений (COM_STMT_PREPARE, COM_STMT_EXECUTE, COM_STMT_CLOSE), в основном для обеспечения совместимости с инструментами вроде Tableau Online, которые оборачивают запросы в подготовленные выражения.

Ключевые ограничения:

  • Привязка параметров не поддерживается — нельзя использовать плейсхолдеры ? с привязанными параметрами
  • Запросы сохраняются, но не парсятся на этапе PREPARE
  • Реализация минимальна и рассчитана на совместимость с конкретными BI-инструментами

Пример того, что НЕ работает:

-- Этот подготовленный оператор в стиле MySQL с параметрами НЕ работает в ClickHouse
PREPARE stmt FROM 'SELECT * FROM users WHERE id = ?';
EXECUTE stmt USING @user_id;  -- Привязка параметров не поддерживается
Совет

Вместо этого используйте родные параметры запросов ClickHouse. Они обеспечивают полную поддержку привязки параметров, типобезопасность и защиту от SQL-инъекций во всех интерфейсах ClickHouse:

-- Нативные параметры запросов ClickHouse (рекомендуется)
SET param_user_id = 12345;
SELECT * FROM users WHERE id = {user_id: UInt64};

Подробнее см. документацию по интерфейсу MySQL и запись в блоге о поддержке MySQL.

Резюме​

Альтернативы хранимым процедурам в ClickHouse​

Типовой шаблон использования хранимой процедурыАльтернатива в ClickHouse
Простые вычисления и преобразованияПользовательские функции (UDF)
Повторно используемые параметризованные запросыПараметризованные представления
Предварительно вычисленные агрегацииМатериализованные представления
Регулярная пакетная обработкаОбновляемые материализованные представления
Сложные многошаговые ETL-процессыЦепочки материализованных представлений или внешняя оркестрация (Python, Airflow, dbt)
Бизнес-логика с управляющими конструкциямиКод приложения

Использование параметров запроса​

Параметры запроса могут использоваться для:

  • предотвращения SQL-инъекций
  • выполнения параметризованных запросов с контролем типов
  • динамической фильтрации в приложениях
  • создания многократно используемых шаблонов запросов
  • CREATE FUNCTION - Пользовательские функции
  • CREATE VIEW - Представления, включая параметризованные и материализованные
  • SQL Syntax - Query Parameters - Полный синтаксис параметров запросов
  • Cascading Materialized Views - Продвинутые шаблоны каскадных материализованных представлений
  • Executable UDFs - Выполнение внешних функций