R语言 dbplyr目前是否假设红移连接实际上是postgres连接?

Question

在Redshift上愉快地玩dplyr来做基本的事情之后，我发现很难执行更复杂的分析，我想知道这是由于dbplyr的当前工具集，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

在这种情况下，错误是dbplyr已将sql发送到数据库，如下所示：

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

因此返回的错误是：

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()功能。在这种情况下，我本来希望该行为将数据拉入我的本地会话，并将其作为 R 中的一个因子进行处理，但是它似乎没有注册 a) Redshift 没有该功能，b) Redshift 不支持该数据类型(我相信，尽管愿意被纠正)，c) 目的是将数据拉入并创建因子。

这似乎得到了这里的文件的支持，该文件将 Redshift 提升到postgres环境中，尽管Redshift的范围比postgres要有限得多。

我的具体问题是：

• 我的扣除过程是否正确？
• 解决此问题的方法是什么，是在此阶段之前收集我的结果，然后在本地工作，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as_factor()的原因。 我可能是错的，但 Redshift 没有因式分解变量，所以也许使用as.character()是一个更好的选择。 我在使用数据库时使用强制进入分类数据。 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。