博客

Databend 开源周报第 112 期

Databend Labs9月 25, 2023

英文版移步：https://www.databend.com/blog/2023-09-24-databend-weekly

Databend 是一款现代云数仓。专为弹性和高效设计，为您的大规模分析需求保驾护航。自由且开源。即刻体验云服务：https://app.databend.cn 。

What's On In Databend

探索 Databend 本周新进展，遇到更贴近你心意的 Databend。

理解用户自定义函数（UDF）

用户自定义函数（User-Defined Function，UDF）允许你的自定义操作与 Databend 进行集成，从而更好地处理数据、执行任务，构造更合理的数据工作流。

Databend 目前支持两种形式的用户自定义函数：使用 SQL lambda 表达式编写或者用 Python 等编程语言实现 UDF 服务器注册。用户自定义函数可以作为 Databend 查询处理流程的一部分执行。

使用 UDFs 的优点包括：

自定义数据转换。
优化性能。
改善代码可重用性。

如果您想了解更多信息，请查看下面列出的资源。

Docs | User-Defined Function

Code Corner

一起来探索 Databend 和周边生态中的代码片段或项目。

使用 Prometheus 改善可观测性

metrics-rs 为不同的可观测性方案构建了一个通用的抽象层，支持包括 statsd、prometheus、new-relic 等在内的多种工具，但是 metrics-rs 无法很好地支持直方图统计之类的度量。

如今，Prometheus 已成为可观测性领域的事实标准，使用原始的 Prometheus 客户端，而不是将指标推送给其他工具，会带来一些显而易见的好处：

更好的性能：经过良好实现的观测指标的内存分配应该是 O(1) ，无需本地缓冲队列。
减少抽象层：我们可以减少关于指标的抽象层，使代码路径更易于理解。
更好的编码规范：目前我们在不同模块中有不同的度量标准实践，可以学习 Prometheus 社区的度量标准实践来统一我们的度量标准实践。

现在，Databend 的可观测性指标已经完全迁移到 Prometheus 实现，在保持原有指标几乎不变的情况下，带来了更全面、更可靠的可观测性体验。

如果您想了解更多信息，请查看下面列出的资源。

Highlights

以下是一些值得注意的事件，也许您可以找到感兴趣的内容。

```
COMPACT
```
支持分布式执行。
新增
```
json_path_exists
```
函数。
新增
```
recluster_block_size
```
设置用于控制重聚类时的块大小。
支持
```
DECIMAL
```
类型向
```
INT
```
类型的转换。
支持 inverted filter 以减少 filter 执行，部分场景下 4 倍性能提升。
SQLSmith 测试支持生成表函数、窗口函数、子查询和
```
WITH
```
子句。

What's Up Next

我们始终对前沿技术和创新理念持开放态度，欢迎您加入社区，为 Databend 注入活力。

实现 GREATEST 函数

GREATEST 函数的输入是一个表达式列表，输出是该表达式列表中的最大值。

语法：

GREATEST( <expr1> [ , <expr2> ... ] )

示例：

SELECT id, name, category, price, rating,
       CASE
         WHEN rating = 1 THEN 0.02
         WHEN rating = 2 THEN 0.04
         WHEN rating = 3 THEN 0.06
         WHEN rating = 4 THEN 0.08
         ELSE 0.1
       END AS increase_percentage_based_on_rating,
       rank() OVER (PARTITION BY category ORDER BY rating) AS rating_rank,
       CASE
         WHEN rating_rank = 1 THEN 0.2
         WHEN rating_rank = 2 THEN 0.1
         ELSE 0
       END AS increase_percentage_based_on_rank,
       GREATEST(increase_percentage_based_on_rating,
                increase_percentage_based_on_rank) AS final_increase_percentage,
       CAST(price * (1 + final_increase_percentage) AS DECIMAL(10, 2))
         AS adjusted_price
FROM products