为什么 Redshift 在加入时会自动修剪 varchar 列？

我在使用 Redshift 时遇到了独特的问题。请参阅下面的说明性示例：

drop table if exists joinTrim_temp1;
create table joinTrim_temp1(rowIndex1 int, charToJoin1 varchar(20));
insert into joinTrim_temp1 values(1, 'Sudan' );
insert into joinTrim_temp1 values(2, 'Africa' );
insert into joinTrim_temp1 values(3, 'USA' );

drop table if exists joinTrim_temp2;
create table joinTrim_temp2(rowIndex2 int, charToJoin2 varchar(20));
insert into joinTrim_temp2 values(1, 'Sudan ' );
insert into joinTrim_temp2 values(2, 'Africa ' );
insert into joinTrim_temp2 values(3, 'USA ' );

select * from joinTrim_temp1 a join joinTrim_temp2 b on a.charToJoin1 = b.charToJoin2;

查询的输出如下：

在查询中，您可以看到第二个表中有一个尾随空格。因此不应发生内连接。但 Redshift 似乎能够在加入时修剪尾随空格。

我在将现有 Redshift sql 代码转换为 PySpark 时遇到了这个问题。

问候， 库马尔

啊!确实，这是一个非常有趣的发现！

From 字符类型 - Amazon Redshift https://docs.aws.amazon.com/redshift/latest/dg/r_Character_types.html#r_Character_types-significance-of-trailing-blanks:

比较值时，VARCHAR 和 CHAR 值中的尾随空格在语义上被视为无关紧要。

看来，如果您想强制进行比较，您是否需要避免尾随空格，例如：

SELECT * 
FROM joinTrim_temp1 a 
JOIN joinTrim_temp2 b 
ON a.charToJoin1 || '.' = b.charToJoin2 || '.';