使用Aura SQL开发的流程

步骤一：选择表存储格式

创建表前，需先确定表的存储格式。Aura支持ORC、PARQUET、ICEBERG、LANCE等存储格式，其中Iceberg与Lance是重点能力：

Apache Iceberg是一种面向海量分析数据集的开放表格式。它通过高性能表格式为计算引擎添加表功能，使用方式与SQL表完全一致。

Iceberg专为超大规模表而构建，已在实际业务环境中得到应用，单个表可容纳数十PB数据，且即使如此庞大的表也无需分布式SQL引擎即可读取。

关于SQL on Iceberg的更多信息，请参见Iceberg功能介绍。

Lance是一种基于Apache Arrow生态构建的高性能列式数据存储格式，由LanceDB团队主导开发，旨在实现接近Arrow内存格式的数据访问性能，同时支持事务管理、索引和增量更新。

Lance不仅适用于离线批处理分析，还重点支持在线查询、向量检索和人工智能应用，是一种面向AI与数据湖融合场景的新型存储格式。

关于SQL on Lance的更多信息，请参见Lance功能介绍。

步骤二：设计数据库对象

创建对象前，建议先完成数据库对象的设计规划：

• 了解Aura数据库对象：熟悉Aura支持的数据库对象类型及相互关系。
• 规划Schema：Schema用于从逻辑上组织数据库中的对象和数据，允许多个用户使用同一数据库而不相互干扰。
• 设计表结构：确定表的列、类型、约束。
• 设计分区策略：针对大表规划分区方式，提升查询性能。

详细内容，请参考设计数据库对象。

步骤三：配置权限

在创建和访问对象前，需完成用户、角色与对象权限的配置，确保用户具有相应操作权限：

• 了解Aura权限模型。
• 创建和管理用户。
• 对象授权、取消授权、角色管理

权限管理通常由管理员执行；开发人员可通过pg_show_* 系列函数查询权限状态。

详细内容，请参考用户及权限管理。

步骤四：创建数据库对象

完成设计与授权后，通过DDL语句创建所需的数据库对象：

• 创建Schema ：CREATE SCHEMA。
• 创建表，包括指定表格式、分区、表属性：CREATE TABLE。
• 创建视图、函数、模型、索引：CREATE VIEW、CREATE FUNCTION、CREATE MODEL、CREATE INDEX。
• 创建角色：CREATE ROLE。

详细内容，请参考DDL语法。

步骤五：操作数据

通过DML语句对表中的数据进行增、删、改、合并与优化：

• 插入数据：INSERT。
• 更新数据：UPDATE。
• 删除数据：DELETE。
• 合并数据（Iceberg表）：MERGE INTO。
• 小文件优化（Iceberg表）：OPTIMIZE。

详细内容，请参考DML语法。

步骤六：查询数据

通过DQL语句查询数据：

• 单表查询：SELECT、WHERE筛选、ORDER BY排序、LIMIT限制、GROUP BY聚合。
• 多表连接查询：内连接（INNER/CROSS/NATURAL）、外连接（LEFT/RIGHT/FULL）。
• 复杂查询：WITH表达式。

详细内容，请参考DQL语法。

步骤七：使用函数与数据类型

开发中需要理解Aura的数据类型体系与可用的函数能力：

• 了解数据类型及与 LakeFormation 的映射关系：请参考数据类型。
• 类型之间的转换规则 ：请参考类型转换。
• 表达式编写：请参考表达式。
• 各类函数与操作符（字符/数字/时间日期/JSON/聚集/窗口/Iceberg表服务/大模型推理等：请参考函数和操作符。
• 命名时避开关键字：请参考关键字。

步骤八：性能调优

当查询性能不满足预期时，参考性能调优章节分析执行计划、定位瓶颈，并通过 GUC 参数调整引擎行为：

• 调优流程、执行监控、执行计划分析、Plan Hint、调优案例：请参考性能调优。
• 各参数的取值与作用：请参考GUC参数。

语法文本格式约定

为了方便对语法使用的理解，在文档中对语法文本按如下格式进行表述。

开发过程中，建议优先采用大小写不敏感的形式进行开发，推荐统一使用小写字母书写数据库对象名称（如表名、列名、函数名、字段名等），避免同一对象在不同位置出现大小写不一致的写法，以防因标识符大小写导致"对象不存在"等错误。