ClickHouse读书笔记(三)—数据定义

一、基础类型

1、数值类型

• 整型：Int8、Int16、Int32、Int64
• 无符号整型：UInt8、UInt16、UInt32、UInt64
• 浮点数：Float32(7位精度)、Float64(16位精度)
• 定点数：Decimal32、Decimal64、Decimal128三种精度，简写方式有Decimal32(S)、Decimal64(S)、Decimal128(S)。原生方式为Decimal(P,S)，P代表总位数，范围是1～38；S代表小数位数，范围是0~P。加减乘除运算会导致S发生变化，加减法S=max(S1,S2)；乘法S=S1+S2(S1范围>=S2范围)；除法S=S1(S1是被除数，S1/S2)；

2、字符串类型

• String：不限长度，不限定字符集，同一套程序应该遵循使用统一的编码，例如“统一保持UTF-8编码”
• FixedString：定长字符串，类似传统意义的Char类型，定长字符串通过FixedString(N)声明，N表示字符串长度，末尾不足补null字节
• UUID：数据库常见的主键类型，共32位，格式是8-4-4-4-12，如果写入时没赋值会按照格式用0填充

3、时间类型

支持字符串写入，没有时间戳，最高精度是秒，毫秒微秒需要借助UInt类型。

• DateTime：年月日时分秒，例如2019-06-22 00:00:00
• DateTime64：支持亚秒，例如2019-06-22 00:00:00.00
• Data：年月日，例如2019-06-22

二、复合类型

1、Array

数组，写法有两种：array(T)和[T]，例如array(1, 2) 和 [1, 2]，通过toTypeName()函数获取类型名称，例如Array(UInt8)。CK的数组拥有类型推断能力，以最小存储代价为原则，使用最小可表达的数据类型。多种数据类型之间可以兼容，例如[1, 1.2]

定义表字段时，需要明确元素类型，c1 Array(String)。

2、Tuple

元组类型，由1～n个元素组成，每个元素之间允许设置不同数据类型，不要求兼容。写法有两种：tuple(T)和(T)，tuple(1,'a',now())或者(1,2.0,null)，同样支持最小存储代价原则的类型推断。

定义表字段时，需要明确元素类型，c2 Tuple(String, Int8)，写入时会进行类型检查。

3、Enum

枚举类型，定义常量时经常会使用到的数据类型。Enum8和Enum16只有取值范围不同。枚举固定使用(String:Int)Key/Value键值对的形式定义数据。Enum8对应(String:Int8)，Enum16对应(String:Int16)。

定义枚举集合【c1 Enum8('ready' = 1, 'start' = 2, 'success' = 3, 'error' = 4)】，注意：Key和Value都不允许重复，都不允许为Null，但Key允许为空字符串，写入枚举数据时，只会用到Key字符串部分。例如【INSERT INTO Enum_TEST VALUES('ready');】

为什么不直接用String替代枚举，还要枚举类型？因为后续对枚举的所有操作，包括排序、分组、去重、过滤等都会使用Int类型的Value值。

4、Nested

嵌套类型，一张表可以有多个嵌套类型字段，但只能嵌套一层。嵌套里面的字段期望写入的是Array数组类型。并且同一行数据每个数组字段的长度必须相等。

CREATE TABLE nested_test (
    name String,
    age  UInt8 ,
    dept Nested(
        id UInt8,
        name String 
    )
) ENGINE = Memory;
INSERT INTO nested_test VALUES ('bruce' , 30 , [10000,10001,10002], ['研发部','技 术支持中心','测试部']); -- 正确，3个id对应3个name
INSERT INTO nested_test VALUES ('bruce' , 30 , [10000,10001], ['研发部','技术支持中心','测试部']); -- 错误，2个id对应3个name
SELECT name, dept.id, dept.name FROM nested_test; -- 访问嵌套类型的数据需要使用点符号

三、特殊类型

1、Nullable

准确来说，Nullable并不能算是一种独立的数据类型，它更像是 一种辅助的修饰符，需要与基础数据类型一起搭配使用。被修饰的字段可以写入null值。有两个注意点：

• 只能和基础类型搭配使用，不能用于复合类型，也不能作为索引字段。
• 慎用，会使查询和写入性能变慢。正常字段的数据会被存储在对应的[Column].bin文件中，如果用Nullable类型修饰，会额外生成一个[Column].null.bin文件专门保存它的Null值，这意味着读取和写入数据时需要一倍的额外文件操作。

2、Domain

域名类型，分为Ipv4和Ipv6，本质是对整型和字符串的进一步封装。有三个注意点

• 相比String，有格式校验。
• IPv4使用UInt32存 储，相比String更加紧凑，占用的空间更小，查询性能更快。IPv6类 型是基于FixedString(16)封装的。
• 看起来与String一样，但不支持隐式的自动类型转换，如果需要返回IP的字符串形式，需要显式调 用IPv4NumToString或IPv6NumToString函数。

四、关于最小存储代价原则的疑问（21.9.4.35版本）

SELECT [1, 2.1, null] as a , toTypeName(a)
-- Array(Nullable(Float64))，2.1用Float32就足够存储了，为什么最小存储代价的类型是Float64？

SELECT [1, 2, null] as a , toTypeName(a)
-- Array(Nullable(UInt8))，这个没有疑问，两个小正数用UInt8

SELECT [1, -2, null] as a , toTypeName(a)
-- Array(Nullable(Int16))，-2用Int8应该是够存了，为什么最小存储代价的类型是Int16？

盲猜：在最小存储代价之上还有一个默认规则，浮点数一律用Float64，正负小整数一律用Int16