如何在 dplyr::semi_join() 中針對 Oracle 指定覆蓋 = T

Question

當我在 R 中進行一些分析時，我需要能夠執行 semi_join()，在其中獲取 Oracle 數據庫表中的所有值，其中本地 R tibble 中有匹配的行。

通常，我會這樣做：

con  <- DBI::dbConnect(odbc::odbc(), "THEDATABASE")
db_tbl  <- tbl(con, in_schema("OTHER_USER", "table_I_care_about")

local_tbl  <- tibble(x = 1:5, y = 5:10)

new_tbl_from_db  <- db_tbl %>%
    semi_join(local_tbl, by = 'x', copy =T)

有時這有效。 但通常，我會收到此錯誤： Error: Table "dbplyr_001" exists in database, and both overwrite and append are FALSE （當然，它並不總是 dbplyr_001——它可以是任何數字）。

如果我查看數據庫中的架構，我會發現存在一個名為dbplyr_001的表，對此我並不感到驚訝。 我不介意 dbplyr 寫一些臨時表。 我試過手動將值插入到這個表中，這也很好用。

我不知道該怎么做是指定overwrite=TRUE 。 我試過將它作為進一步的參數傳遞給semi_join() ，但仍然得到相同的錯誤。 有沒有一種簡單的方法可以通過dplyr::semi_join()傳遞overwrite=TRUE或append=TRUE ？

Answer 1

雖然不是直接的解決方案，但其他三個選項是：

• 刪除遠程表
• 將本地表復制到您命名表的數據庫中
• 使用%in%傳遞 ID 值

下面每個的代碼。 請注意，我使用的是 SQL 服務器連接，因此某些數據庫語法可能會有所不同。 其中一些方法需要DBI包，但dbplyr可能正在使用它，因此您可能已經安裝了它。

1 刪除本地表

這里的想法是創建一個文本字符串，其中包含將表刪除到數據庫中的命令。 然后使用來自DBI包的dbExecute在數據庫中執行此命令。

delete_table <- function(db_connection, db, schema, tbl_name){
  # remove table if it exists
  removal_query <- glue::glue("IF OBJECT_ID('{db}.{schema}.{tbl_name}', 'U') IS NOT NULL\n",
                              "DROP TABLE {db}{schema}.{tbl_name};")
  result <- DBI::dbExecute(db_connection, as.character(removal_query))

2 復制本地表

DBI包還包括將本地表直接寫入數據庫的功能。

copy_r_to_sql <- function(db_connection, db, schema, sql_table_name, r_table_name){
  
    DBI::dbWriteTable(db_connection,
                      DBI::Id(catalog = db,
                              schema = schema,
                              table = sql_table_name),
                      r_table_name)

請注意，您需要 1.1.0 版或更高版本的 DBI 包。 以前的版本無法寫入用戶指定的架構。

3 通行證 ID 值

如果本地表中只有少量 ID，則可以將它們作為%in%子句的一部分傳遞。

id_list = local_table %>% select(x) %>% unlist()

new_tbl_from_db = db_tbl %>%
  filter(x %in% id_list)

這會將所有 ID 放入遠程 WHERE 子句中。 如果您隨后調用show_query(new_tbl_from_db)您應該會看到如下內容：

SELECT *
FROM db.schema.tbl
WHERE x IN (1, 2, 3, 4, 5, ....)

GitHub 上的其他 dbplyr 輔助函數