r - dbplyr 目前是否假定 redshift 连接实际上是 postgres 连接？

Question

在 redshift 上愉快地使用 dbplyr 来做基本的事情后，我发现很难执行更复杂的分析，我想知道这是由于 dbplyr 当前的工具集，还是我的错误。

一个典型的mwe:

library(dplyr)
library(dbplyr)
library(forcats)

redshift <- dbConnect(driver, url) #  <<<obviously put in specific details here
tbl(redshift, "table") -> mytable

myTable %>% colnames() # This returns the correct colnames, great, working connection!

myTable %>% mutate_all(as_factor) # This gives an error

这种情况下的错误是 dbplyr 向数据库发送了这样的 sql:

SELECT AS_FACTOR("col_1") AS "col_1", AS_FACTOR("col_2") AS "col_2"

所以返回的错误是:

Error in .verify.JDBC.result(r, "Unable to retrieve JDBC result set for ",  : 
  Unable to retrieve JDBC result set for SELECT AS_FACTOR("col_1") AS "col_1", AS_FACTOR("col_2") AS "col_2"....

但是，据我所知，Redshift 没有AS_FACTOR() 函数。在这种情况下，我会期望将数据拉入我的本地 session 的行为，并将其作为 R 中的一个因素进行处理，但是它似乎没有注册 a) Redshift 没有那个功能，b) Redshift 没有'不支持该数据类型(我相信，尽管愿意进行更正)，c) 意图是提取数据并创建因子。

这似乎得到了文件 here 的支持。 ，这将 Redshift 带入了 postgres 环境，尽管 Redshift 在范围上远比 postgres 有限。

我的具体问题是:

• 我的推导过程是否正确？
• 此问题的解决方法是什么，是在此阶段之前收集我的结果然后在本地工作的过程，还是我错过了什么？

Answer 1

挑战在于将 R 变量类型映射到适当的数据库类型。今天，dbplyr翻译了as.numeric(), as.double(), as.integer(),和 as.character()。 dbplyr 无法识别的任何函数都会逐字传递给数据库，这就是结果为 as_factor() 的原因。我可能错了，但 Redshift 没有分解变量，所以也许使用 as.character() 是更好的选择。那是我在使用数据库时使用强制转换为分类数据的方法。我鼓励您使用当前的翻译之一，并避免使用 collect()，尤其是在非常大的数据集上。