时间类型

简介: 时间类型

时间类型分为 DateTimeDateTime64Date 三类。 ClickHouse 目前没有时间戳类型。时间类型最高的精度是,也就是说,如果需要处理毫秒、微秒等大于秒分辨率的时间类型,则只能借助 UInt 类型实现。


DateTime

DateTime 类型包含时、分、秒信息,精确到秒,支持使用字符串形式写入:

$ CREATE TABLE Datetime_TEST (
  c1 Datetime
) ENGINE = Memory;
-- 以字符串形式写入
$ INSERT INTO Datetime_TEST VALUES('2022-03-26 00:00:00');
$ SELECT c1, toTypeName(c1) FROM Datetime_TEST;
┌──────────────────c1─┬─toTypeName(c1)─┐
│ 2022-03-26 00:00:00 │ DateTime       │
└─────────────────────┴────────────────┘点击复制复制失败已复制


DateTime64

DateTime64 可以记录亚秒,它在 DateTime 之上增加了精度的设置,例如:

$ CREATE TABLE Datetime64_TEST (
  c1 Datetime64(3, 'Asia/Shanghai')
) ENGINE = Memory;
-- 以字符串形式写入
$ INSERT INTO Datetime64_TEST VALUES('2022-03-26 00:00:00');
$ SELECT c1, toTypeName(c1) FROM Datetime64_TEST;点击复制复制失败已复制


Note

运行失败,运行时间:2022年3月26日ClickHouse 版本: 22.2.3ClickHouse client 版本: 18.16.1


Date

Date 类型不包含具体的时间信息,只精确到,它同样也支持字符串形式写入:

$ CREATE TABLE Date_TEST (
  c1 Date
) ENGINE = Memory;
-- 以字符串形式写入
$ INSERT INTO Date_TEST VALUES('2022-03-26');
$ SELECT c1, toTypeName(c1) FROM Date_TEST;
┌─────────c1─┬─toTypeName(c1)─┐
│ 2022-03-26 │ Date           │
└────────────┴────────────────┘
目录
相关文章
|
11月前
|
机器学习/深度学习 人工智能 自然语言处理
超越文本局限:生成式人工智能(GAI)认证引领未来技能新范式
生成式人工智能(GAI)正成为重塑社会生产力的关键力量,但其在复杂逻辑与深度推理方面存在局限。本文探讨GAI技术现状、局限及突破路径,如多模态融合、强化学习等,并引入GAI认证体系,助力个人技能提升与企业创新。未来,GAI认证有望引领技能新范式,推动社会生产力变革。
|
存储 关系型数据库 MySQL
MySQL 5.7 - 常见数据类型
MySQL 5.7 - 常见数据类型
876 1
|
2月前
|
人工智能 测试技术 Apache
面向 Agent 的高并发分析:Doris vs. Snowflake vs. ClickHouse
智能体能够独立推理、实时分析数据,甚至主动触发行动。这意味着分析模式正从被动报告转向主动决策,处理模式也从以查询为中心转向以语义和响应为中心。 这一转变对数据基础设施提出巨大挑战:工作负载已从“少量用户、繁重查询、慢容忍度”转变为“海量用户(智能体)、轻量级/迭代查询、零延迟容忍度”。如果数据库系统无法满足高并发低延迟的查询需求,那么其上构建的 AI 智能体就会变得缓慢、笨拙,尤其是在一些信息检索的领域产生幻觉,给人误导性的结果。 因此,面向智能体的高并发和低延迟处理能力,已不再是可选项,而是决定数据仓库能否支撑 AI 时代的生存基石。
147 1
面向 Agent 的高并发分析:Doris  vs. Snowflake vs. ClickHouse
|
6月前
|
人工智能 自然语言处理 数据可视化
聊聊多维表格与BI|AI x Data 数据产品的发展趋势
多维表格与Quick BI深度融合,助力企业在AI与数据时代实现高效分析。多维表格作为轻量级数据管理工具,擅长快速填报与基础分析;而Quick BI则专注于多源数据整合、深度洞察与可视化展示。两者协同,既能降低使用门槛,又能提升数据分析的广度与深度,满足企业从数据采集到智能决策的全链路需求。未来,数据产品将朝着低门槛、多场景与实用性方向发展,推动商业智能迈向新高度。
424 25
|
存储 算法 NoSQL
Zstandard (zstd)压缩算法在JAVA上的使用
Zstandard (zstd)压缩算法在JAVA上的使用
2427 0
|
监控 Java
线程池中线程异常后:销毁还是复用?技术深度剖析
在并发编程中,线程池作为一种高效利用系统资源的工具,被广泛用于处理大量并发任务。然而,当线程池中的线程在执行任务时遇到异常,如何妥善处理这些异常线程成为了一个值得深入探讨的话题。本文将围绕“线程池中线程异常后:销毁还是复用?”这一主题,分享一些实践经验和理论思考。
430 3
|
存储 算法 Java
Java8 CompletableFuture:异步编程的瑞士军刀
Java8 CompletableFuture:异步编程的瑞士军刀
465 2
|
SQL 存储 算法
ClickHouse(06)ClickHouse建表语句DDL详细解析
ClickHouse创建表有多种语法,包括在当前服务器上创建、复制已有表结构、从表函数创建和从查询创建。表引擎决定表的特性和数据存储方式,如Memory引擎仅存储内存中。分布式DDL可在CLUSTER子句中实现跨节点操作。临时表生命周期与会话绑定,仅支持Memory引擎。分区表用于优化查询性能,MergeTree系列引擎支持分区。默认值表达式(DEFAULT, MATERIALIZED, EPHEMERAL, ALIAS)影响数据插入和查询行为。主键和约束可增强数据完整性,TTL功能用于自动删除过期数据。列压缩和编码能减少存储空间。文章还提供了ClickHouse更多相关系列内容链接。
1352 5
|
存储 SQL 运维
OLAP数据库选型指南:Doris与ClickHouse的深入对比与分析
OLAP数据库选型指南:Doris与ClickHouse的深入对比与分析