Snowflake/Redshift按空字符串分组忽略长度的原因与解决方案

差异原因 #

• Redshift和Snowflake在字符串分组比较时，会自动忽略末尾的空格（这是沿用了SQL标准里CHAR类型的比较逻辑，哪怕是VARCHAR类型也会遵循这个规则），所以不管是1个空格还是3个空格的字符串，都会被判定为相等，分组后自然只返回1行。
• BigQuery则严格按字符串的实际内容和长度来判定是否相等，不同长度的纯空格字符串会被当成不同的值，所以有多少种不同长度的空格，分组后就返回多少行。

规避方法 #

如果要在Redshift和Snowflake里区分不同长度的纯空格字符串，试试这两种方法：

• 把字符串长度加入分组条件：用LENGTH()函数获取空格的长度，将其和原字段一起作为分组依据，示例SQL：

  SELECT blank_names, LENGTH(blank_names)
  FROM table
  GROUP BY blank_names, LENGTH(blank_names)
  

• 转成二进制后分组：二进制形式会完整保留字符串的长度和内容信息，以此分组就能区分不同长度的空格，示例SQL：

  SELECT blank_names
  FROM table
  GROUP BY TO_BINARY(blank_names)
  

内容的提问来源于stack exchange，提问作者Tanner Clary