如何在Snowflake中不使用Pandas，通过Python存储过程遍历表行执行DFS函数？

一、完全可以通过Snowflake Python存储过程实现需求 #

你可以直接在Snowflake的Python存储过程中读取员工表数据，构建层级映射，然后遍历所有行调用自定义DFS函数，无需依赖Pandas。具体实现步骤如下：

1. 读取表数据到内存：用Snowpark或原生SQL游标把员工表数据加载到Python的内存对象中；
2. 构建层级映射：把员工ID和对应的下属（直接/间接）整理成字典结构，方便DFS快速查找；
3. 调用DFS遍历：遍历每一行员工数据，传入员工ID调用你的DFS函数处理层级。

示例代码如下：

CREATE OR REPLACE PROCEDURE PROCESS_EMPLOYEE_HIERARCHY()
RETURNS VARCHAR
LANGUAGE PYTHON
RUNTIME_VERSION = '3.8'
PACKAGES = ('snowflake-snowpark-python')
HANDLER = 'main'
AS
$$
def main(session):
    # 读取员工表全部数据
    emp_rows = session.table('YOUR_EMPLOYEE_TABLE').collect()
    
    # 构建员工ID到下属的映射（适配你的表列结构）
    emp_hierarchy = {}
    for row in emp_rows:
        emp_id = row.EMPLOYEEID
        subordinates = []
        # 收集直接下属
        if row.DIRECTREPORTID is not None:
            subordinates.append((row.DIRECTREPORTID, row.DIRECTREPORTNAME))
        # 收集间接下属
        if row.INDIRECTREPORTID is not None:
            subordinates.append((row.INDIRECTREPORTID, row.INDIRECTREPORTNAME))
        
        if emp_id not in emp_hierarchy:
            emp_hierarchy[emp_id] = []
        emp_hierarchy[emp_id].extend(subordinates)
    
    # 自定义DFS函数（替换成你已有的逻辑）
    def dfs(current_emp_id, traversal_path=None):
        if traversal_path is None:
            traversal_path = []
        traversal_path.append(current_emp_id)
        # 这里添加你的业务处理逻辑，比如输出下属信息、统计层级等
        print(f"遍历员工ID {current_emp_id}，路径：{traversal_path}")
        
        # 递归遍历下属
        if current_emp_id in emp_hierarchy:
            for sub_id, sub_name in emp_hierarchy[current_emp_id]:
                dfs(sub_id, traversal_path.copy())
    
    # 遍历所有员工行，执行DFS
    for row in emp_rows:
        print(f"=== 开始遍历员工 {row.EMPLOYEENAME} (ID: {row.EMPLOYEEID}) 的下属树 ===")
        dfs(row.EMPLOYEEID)
    
    return "员工层级遍历任务完成"
$$;

注意：如果你的表数据量极大，一次性collect()可能会占用过多内存，此时可以分批读取数据，或者先通过SQL筛选需要处理的员工ID再加载。

二、尾递归在该场景下不可行 #

Snowflake的Python运行环境基于标准CPython，而CPython原生不支持尾递归优化——哪怕你把DFS改写成尾递归形式，Python解释器也不会自动将其转换为循环，当递归深度超过默认限制（通常是1000层）时，依然会抛出RecursionError。

如果你的员工层级很深，建议把DFS改成迭代实现，用栈模拟递归过程，避免栈溢出。示例迭代版DFS：

def iterative_dfs(start_emp_id):
    # 栈中存储(当前员工ID, 遍历路径)
    stack = [(start_emp_id, [])]
    while stack:
        emp_id, path = stack.pop()
        current_path = path + [emp_id]
        print(f"遍历员工ID {emp_id}，路径：{current_path}")
        
        if emp_id in emp_hierarchy:
            # 栈是后进先出，反转下属列表可保持和递归DFS一致的遍历顺序
            for sub_id, sub_name in reversed(emp_hierarchy[emp_id]):
                stack.append((sub_id, current_path))

内容的提问来源于stack exchange，提问作者Ana