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 来做一些基本的事情，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 已将 sql 发送到数据库，例如：

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"....

然而，据我所知，Redshift 没有 AS_FACTOR() 功能。在这种情况下，我会期望将数据拉入我的本地会话的行为，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，它将 Redshift 引入了 postgres 环境，尽管 Redshift 在范围上比 postgres 受限得多。

我的具体问题是：

我的推导过程是否正确？
这个问题的解决方法是什么，是在这个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 变量类型映射到正确的数据库类型。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到数据库，这就是结果为 as_factor() 的原因。我可能错了，但 Redshift 没有分解变量，所以使用 as.character() 可能是更好的选择。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()，特别是在非常大的数据集上。

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

Does dbplyr currently assume a redshift connection is actually a postgres connection?

r

amazon-redshift

dplyr

dbplyr