[English page]
Di recente ho dovuto scrivere una query che trasformasse ogni record di una tabella, in una serie di record. In particolare, da una tabella che ha due colonne (la prima è la chiave, la seconda è un elenco di targhe) ho dovuto estrarre un result set che avesse due colonne: la chiave e una sola targa. Per quei record che hanno più targhe, si doveva arrivare a duplicare il record in modo da avere la coppia chiave/targa per ciascuna delle targhe nell’elenco relativo.
Altrimenti detto:
postgres=# create temporary table t (chiave varchar primary key, targhe varchar);
postgres=# insert into t values ('000000','AA888BB CC777DD GG333JJ'), ('111111','ZZ888KK');
INSERT 0 2
postgres=# select * from t;
chiave | targhe
--------+-------------------------
000000 | AA888BB CC777DD GG333JJ
111111 | ZZ888KK
quello che volevo era:
chiave | targa --------+------------------------- 000000 | AA888BB 000000 | CC777DD 000000 | GG333JJ 111111 | ZZ888KK
la soluzione che avevo trovato era la seguente:
postgres=# select chiave,
unnest(regexp_split_to_array(targhe, E'\\s+')) AS targa from t;
chiave | targa
--------+---------
000000 | AA888BB
000000 | CC777DD
000000 | GG333JJ
111111 | ZZ888KK
Cosa fa la query che ho scritto? Primo, converte in array la colonna targhe usando il separatore spazio, secondo converte l’array in una relazione di vari record.
Ma questa soluzione non mi piaceva, e neppure la capivo granché. Mi sono quindi fatto alcune domande:
- come mai posso mettere nella parte SELECT (e non nella FROM) una relazione? Difatti quando studi l’SQL impari che le relazioni (tabelle, viste, eccetera) vanno nella parte FROM che si usa proprio per dire da dove prendere i dati, mentre nella parte SELECT inserisci cosa visualizzare.
- come decide, postgresql, di fare un prodotto cartesiano tra il primo elemento (singolo campo “chiave”) e il secondo (relazione “targa”)?
- come fa postgresql a definire questa seconda relazione che non è costante, ma dipende dal primo campo del record corrente? Vale a dire che per ogni “chiave” c’è una relazione “targa” diversa. E poi, se veramente viene fatto il prodotto cartesiano, dovrei poter aggiungere un secondo unnest e produrre 4×3 record. Proviamo:
postgres=# select chiave, unnest(regexp_split_to_array(targhe, E'\\s+')) AS targa1, unnest(regexp_split_to_array(targhe, E'\\s+')) AS targa2 from t; chiave | targa1 | targa2 --------+---------+--------- 000000 | AA888BB | AA888BB 000000 | CC777DD | CC777DD 000000 | GG333JJ | GG333JJ 111111 | ZZ888KK | ZZ888KK
- come mai non ha fatto un ulteriore prodotto? Può avere a che fare con il concetto di funzioni IMMUTABLE alla quale forse unnest appartiene? (Mi pare di ricordare che si chiamino IMMUTABLE le funzioni che a fronte dello stesso input, danno lo stesso output. In questo caso postgresql potrebbe non richiamare nuovamente la unnest perché tanto conosce già il risultato. Ma perché non fa un ulteriore prodotto?)controprova, faccio l’unnest con un altro array:
postgres=# select chiave, unnest(regexp_split_to_array(targhe, E'\\s+')) AS targa1, unnest('{1,2}'::int[]) AS array2 from t; chiave | targa1 | array2 --------+---------+-------- 000000 | AA888BB | 1 000000 | CC777DD | 2 000000 | GG333JJ | 1 000000 | AA888BB | 2 000000 | CC777DD | 1 000000 | GG333JJ | 2 111111 | ZZ888KK | 1 111111 | ZZ888KK | 2qui il prodotto l’ha fatto.
Con tanta confusione in testa, ho contattato alcune mailing list fino ad ottenere la risposta chiarificatrice di Tom Lane (qui).
La risposta prevede vari punti:
- la query migliore da fare prevede l’utilizzo del LATERAL e lo spostamento della funzione che restituisce l’array dalla parte SELECT alla parte FROM, nonché la sostituzione delle due chiamate unnest+regexp_split_to_array con una sola regexp_split_to_table:
select chiave, targa from t, lateral regexp_split_to_table(targhe, E'\\s+') as targa; - il fatto che si possano mettere delle funzioni che restituiscono più di un valore nella parte SELECT è un dovuto alla derivazione di postgresql dal Berkeley QUEL. Di questa parte di codice Tom non è particolarmente contento. Tra l’altro fa notare che in postgresql 10, il codice per la gestione di queste funzioni che restituiscono più valori, è stato notevolmente cambiato per centralizzarlo e isolarlo dal resto (vedi link nel suo email)
- il prodotto cartesiano non viene fatto per ciascuna delle funzioni di questo tipo chiamate. Il numero finale di record viene in realtà prodotto in base alla ricerca di un minimo comune multiplo della cardinalità dei result set delle varie funzioni. Questo spiega perché se ho due funzioni (nel mio caso, uguali) che restituiscono entrambe tre record, il mcm è 3, se ne ho una da 3 una da 2, il mcm è 6.