AI 助理
备案控制台
开发者社区 数据库 文章 正文

ClickHouse数据库数据定义手记之数据类型（上）

2022-05-13 550
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： 前边一篇文章详细分析了如何在Windows10系统下搭建ClickHouse的开发环境，接着需要详细学习一下此数据库的数据定义，包括数据类型、DDL和DML。ClickHouse作为一款完备的DBMS，提供了类似于MySQL（其实有部分语法差别还是比较大的）的DDL与DML功能，并且实现了大部分标准SQL规范中的内容。系统学习ClickHouse的数据定义能够帮助开发者更深刻地理解和使用ClickHouse。

前提


前边一篇文章详细分析了如何在Windows10系统下搭建ClickHouse的开发环境，接着需要详细学习一下此数据库的数据定义，包括数据类型、DDL和DML。ClickHouse作为一款完备的DBMS，提供了类似于MySQL（其实有部分语法差别还是比较大的）的DDL与DML功能，并且实现了大部分标准SQL规范中的内容。系统学习ClickHouse的数据定义能够帮助开发者更深刻地理解和使用ClickHouse。本文大纲（右侧分支）👇👇

微信截图_20220513180445.png


本文会详细分析ClickHouse目前最新版本（20.10.3.30）支持的所有数据类型。


数据类型


ClickHouse的数据类型从大体的来看主要包括：

  • 数值类型
  • 字符串类型
  • 日期时间类型
  • 复合类型
  • 特殊类型


这里做一份汇总的表格👇


大类 类型 类型名称 一般概念 JavaType 备注
数值类型 Int8 8bit整型 TINYINT `Byte Integer`
数值类型 Int16 16bit整型 SMALLINT `Short Integer`
数值类型 Int32 32bit整型 INT Integer -
数值类型 Int64 64bit整型 BIGINT Long -
数值类型 Int128 128bit整型 `- - -
数值类型 Int256 256bit整型 - - -
数值类型 UInt8 无符号8bit整型 TINYINT UNSIGNED - Java中不存在无符号整数类型，选择类型时只要不溢出就行
数值类型 UInt16 无符号16bit整型 SMALLINT UNSIGNED - Java中不存在无符号整数类型，选择类型时只要不溢出就行
数值类型 UInt32 无符号32bit整型 INT UNSIGNED - Java中不存在无符号整数类型，选择类型时只要不溢出就行
数值类型 UInt64 无符号64bit整型 BIGINT UNSIGNED - Java中不存在无符号整数类型，选择类型时只要不溢出就行
数值类型 Float32 32bit单精度浮点数 FLOAT Float -
数值类型 Float64 64bit双精度浮点数 DOUBLE Double -
数值类型 Decimal(P,S) 高精度数值，P为总位长，S为小数位长 DECIMAL BigDecimal -
数值类型 Decimal32(S) 高精度数值，P总位长属于[1,9]，S为小数位长 DECIMAL BigDecimal Decimal(P,S)特化类型
数值类型 Decimal64(S) 高精度数值，P总位长属于[10,18]，S为小数位长 DECIMAL BigDecimal Decimal(P,S)特化类型
数值类型 Decimal128(S) 高精度数值，P总位长属于[19,38]，S为小数位长 DECIMAL BigDecimal Decimal(P,S)特化类型
字符串类型 String 不定长字符串，长度随意不限 广义上类似LONGTEXT String 替代了传统DBMS中的VARCHAR、BLOB、CLOB、TEXT等类型
字符串类型 FixedString(N) 定长字符串，使用null字节填充末尾字符 有点类似VARCHAR String -
字符串类型 UUID 特殊字符串，32位长度，格式为：8-4-4-4-4-12 - String 一般使用内置函数生成
日期时间类型 Date 日期 DATE LocalDate -
日期时间类型 DateTime 日期时间 类似DATE_TIME `LocalDateTime OffsetDateTime`
日期时间类型 DateTime64 日期时间 类似DATE_TIME `LocalDateTime OffsetDateTime`
复合类型 Array(T) 数组 - 类似T[] -
复合类型 Tuple(S,T...R) 元组 - - -
复合类型 Enum 枚举 - - -
复合类型 Nested 嵌套 - - -
特殊类型 Nullable NULL修饰类型，不是独立的数据类型 - - -
特殊类型 Domain 域名 - - 存储IPV4和IPV6格式的域名


ClickHouse中类型严格区分大小写，一般为驼峰表示，例如DateTime不能写成DATETIME或者DATE_TIME，同理，UUID不能写成uuid


下面就每种类型再详细分析其用法。


数值类型


数值类型主要包括整型数值、浮点数值、高精度数值和特殊的布尔值。


整型


整型数值指固定长度（bit数）的整数，可以使用带符号和无符号的表示方式。先看整型数值的表示范围👇👇


带符号整型数值：


类型 字节(byte)数 范围
Int8 1 [-128, 127]
Int16 2 [-32768, 32767]
Int32 4 [-2147483648, 2147483647]
Int64 8 [-9223372036854775808, 9223372036854775807]
Int128 16 [-170141183460469231731687303715884105728, 170141183460469231731687303715884105727]
Int256 32 [-57896044618658097711785492504343953926634992332820282019728792003956564819968,57896044618658097711785492504343953926634992332820282019728792003956564819967]


Int128和Int256能表示的整数范围十分巨大，占用的字节大小也随之增大，一般很少使用。


无符号整型数值：


类型 字节(byte)数 范围
UInt8 1 [0, 255]
UInt16 2 [0, 65535]
UInt32 4 [0, 4294967295]
UInt64 8 [0, 18446744073709551615]
UInt256 32 [0, 115792089237316195423570985008687907853269984665640564039457584007913129639935]


值得注意的是，UInt128类型并不支持，因此不存在UInt128。UInt256能表示的整数范围十分巨大，占用的字节大小也随之增大，一般很少使用。


一般在使用MySQL的时候会定义一个BIGINT UNSIGNED类型的自增趋势的主键，在ClickHouse中对标UInt64类型。做一个小测试，在ClickHouse命令行客户端中执行：


SELECT \
toInt8(127) AS a,toTypeName(a) AS aType, \
toInt16(32767) AS b,toTypeName(b) AS bType, \
toInt32(2147483647) AS c,toTypeName(c) AS cType, \
toInt64(9223372036854775807) AS d,toTypeName(d) AS dType, \
toInt128(170141183460469231731687303715884105727) AS e,toTypeName(e) AS eType, \
toInt256(57896044618658097711785492504343953926634992332820282019728792003956564819967) AS f,toTypeName(f) AS fType, \
toUInt8(255) AS g,toTypeName(g) AS gType, \
toUInt16(65535) AS h,toTypeName(h) AS hType, \
toUInt32(4294967295) AS i,toTypeName(i) AS iType, \
toUInt64(18446744073709551615) AS j,toTypeName(j) AS jType, \
toUInt256(115792089237316195423570985008687907853269984665640564039457584007913129639935) AS k,toTypeName(k) AS kType; 
复制代码


输出结果：


SELECT
    toInt8(127) AS a,
    toTypeName(a) AS aType,
    toInt16(32767) AS b,
    toTypeName(b) AS bType,
    toInt32(2147483647) AS c,
    toTypeName(c) AS cType,
    toInt64(9223372036854775807) AS d,
    toTypeName(d) AS dType,
    toInt128(1.7014118346046923e38) AS e,
    toTypeName(e) AS eType,
    toInt256(5.78960446186581e76) AS f,
    toTypeName(f) AS fType,
    toUInt8(255) AS g,
    toTypeName(g) AS gType,
    toUInt16(65535) AS h,
    toTypeName(h) AS hType,
    toUInt32(4294967295) AS i,
    toTypeName(i) AS iType,
    toUInt64(18446744073709551615) AS j,
    toTypeName(j) AS jType,
    toUInt256(1.157920892373162e77) AS k,
    toTypeName(k) AS kType
┌───a─┬─aType─┬─────b─┬─bType─┬──────────c─┬─cType─┬───────────────────d─┬─dType─┬────────────────────────────────────────e─┬─eType──┬────────────────────f─┬─fType──┬───g─┬─gType─┬─────h─┬─hType──┬──────────i─┬─iType──┬────────────────────j─┬─jType──┬──────────────────────────────────────────────────────────────────────────────k─┬─kType───┐
│ 127 │ Int8  │ 32767 │ Int16 │ 2147483647 │ Int32 │ 9223372036854775807 │ Int64 │ -170141183460469231731687303715884105728 │ Int128 │ -9223372036854775808 │ Int256 │ 255 │ UInt8 │ 65535 │ UInt16 │ 4294967295 │ UInt32 │ 18446744073709551615 │ UInt64 │ 115792089237316195423570985008687907853269984665640564039448360635876274864128 │ UInt256 │
└─────┴───────┴───────┴───────┴────────────┴───────┴─────────────────────┴───────┴──────────────────────────────────────────┴────────┴──────────────────────┴────────┴─────┴───────┴───────┴────────┴────────────┴────────┴──────────────────────┴────────┴────────────────────────────────────────────────────────────────────────────────┴─────────┘
1 rows in set. Elapsed: 0.009 sec.
复制代码


尴尬，上面的shell执行结果有点长，变形了。


浮点数


浮点数包括单精度浮点数Float32和双精度浮点数Float64👇👇


类型 字节(byte)大小 有效精度(排除最左边的零小数位数) 备注
Float32 4 7 小数点后除去左边的零后第8位起会产生数据溢出
Float64 8 16 小数点后除去左边的零后第17位起会产生数据溢出


可以做一个小测试：


f5abc88ff7e4 :) SELECT toFloat32('0.1234567890') AS a,toTypeName(a);
SELECT
    toFloat32('0.1234567890') AS a,
    toTypeName(a)
┌──────────a─┬─toTypeName(toFloat32('0.1234567890'))─┐
│ 0.12345679 │ Float32                               │
└────────────┴───────────────────────────────────────┘
1 rows in set. Elapsed: 0.005 sec.
f5abc88ff7e4 :) SELECT toFloat32('0.0123456789') AS a,toTypeName(a);
SELECT
    toFloat32('0.0123456789') AS a,
    toTypeName(a)
┌───────────a─┬─toTypeName(toFloat32('0.0123456789'))─┐
│ 0.012345679 │ Float32                               │
└─────────────┴───────────────────────────────────────┘
1 rows in set. Elapsed: 0.036 sec.
f5abc88ff7e4 :) SELECT toFloat64('0.12345678901234567890') AS a,toTypeName(a);
SELECT
    toFloat64('0.12345678901234567890') AS a,
    toTypeName(a)
┌───────────────────a─┬─toTypeName(toFloat64('0.12345678901234567890'))─┐
│ 0.12345678901234568 │ Float64                                         │
└─────────────────────┴─────────────────────────────────────────────────┘
1 rows in set. Elapsed: 0.005 sec.
f5abc88ff7e4 :) SELECT toFloat64('0.01234567890123456789') AS a,toTypeName(a);
SELECT
    toFloat64('0.01234567890123456789') AS a,
    toTypeName(a)
┌────────────────────a─┬─toTypeName(toFloat64('0.01234567890123456789'))─┐
│ 0.012345678901234568 │ Float64                                         │
└──────────────────────┴─────────────────────────────────────────────────┘
1 rows in set. Elapsed: 0.005 sec.
复制代码


特别地，与标准的SQL相比，ClickHouse支持如下特殊的浮点数类别：

  • Inf - 表示正无穷
  • -Inf - 表示负无穷
  • NaN - 表示不是数字


验证一下：


f5abc88ff7e4 :) SELECT divide(0.5,0);
SELECT 0.5 / 0
┌─divide(0.5, 0)─┐
│            inf │
└────────────────┘
1 rows in set. Elapsed: 0.007 sec.
f5abc88ff7e4 :) SELECT divide(-0.5,0);
SELECT -0.5 / 0
┌─divide(-0.5, 0)─┐
│            -inf │
└─────────────────┘
1 rows in set. Elapsed: 0.004 sec.
f5abc88ff7e4 :) SELECT divide(0.0,0.0);
SELECT 0. / 0.
┌─divide(0., 0.)─┐
│            nan │
└────────────────┘
1 rows in set. Elapsed: 0.005 sec.
复制代码


高精度数值


高精度数值类型Decimal一般又称为为定点数，可以指定总位数和固定位数小数点，表示一定范围内的精确数值。Decimal的原生表示形式为Decimal(P,S)，两个参数的意义是：


  • P：代表精度，决定总位数（也就是决定整数部分加上小数部分一共有多少位数字），取值范围是[1,76]
  • S：代表规模（scale），决定小数位数，取值范围是[0,P]

Decimal(P,S)衍生出的简单表示形式有：Decimal32(S)、Decimal64(S)、Decimal128(S)和Decimal256(S)。见下表：


类型 P的取值范围 S的取值范围 数值范围
Decimal(P,S) [1,76] [0,P] (-1*10^(P - S), 1*10^(P - S))
Decimal32(S) [1,9] [0,P] (-1*10^(9 - S), 1*10^(9 - S))
Decimal64(S) [10,18] [0,P] (-1*10^(18 - S), 1*10^(18 - S))
Decimal128(S) [19,38] [0,P] (-1*10^(38 - S), 1*10^(38 - S))
Decimal256(S) [39,76] [0,P] (-1*10^(76 - S), 1*10^(76 - S))


如果觉得衍生类型不好理解，还是直接使用Decimal(P,S)就行。它的定义格式如下：


column_name Decimal(P,S)
# 如
amount Decimal(10,2)
复制代码


对于四则运算，使用两个不同精度的Decimal数值进行（内置函数）运算，运算结果小数位的规则如下（假设S1为左值的小数位，S2为右值的小数位，S为结果小数位）：

  • 对于加法和减法，S = max(S1,S2)
  • 对于乘法，S = S1 + S2
  • 对于除法，S = S1（结果小数位和被除数小数位一致）


f5abc88ff7e4 :) SELECT toDecimal32(2,4) AS x, toDecimal32(2,2) AS y,x+y;
SELECT
    toDecimal32(2, 4) AS x,
    toDecimal32(2, 2) AS y,
    x + y
┌──────x─┬────y─┬─plus(toDecimal32(2, 4), toDecimal32(2, 2))─┐
│ 2.0000 │ 2.00 │                                     4.0000 │
└────────┴──────┴────────────────────────────────────────────┘
1 rows in set. Elapsed: 0.019 sec.
f5abc88ff7e4 :) SELECT toDecimal32(2,4) AS x, toDecimal32(2,5) AS y,y/x
SELECT
    toDecimal32(2, 4) AS x,
    toDecimal32(2, 5) AS y,
    y / x
┌──────x─┬───────y─┬─divide(toDecimal32(2, 5), toDecimal32(2, 4))─┐
│ 2.0000 │ 2.00000 │                                      1.00000 │
└────────┴─────────┴──────────────────────────────────────────────┘
1 rows in set. Elapsed: 0.004 sec.
f5abc88ff7e4 :) SELECT toDecimal32(2,4) AS x, toDecimal32(2,4) AS y,y*x
SELECT
    toDecimal32(2, 4) AS x,
    toDecimal32(2, 4) AS y,
    y * x
┌──────x─┬──────y─┬─multiply(toDecimal32(2, 4), toDecimal32(2, 4))─┐
│ 2.0000 │ 2.0000 │                                     4.00000000 │
└────────┴────────┴────────────────────────────────────────────────┘
1 rows in set. Elapsed: 0.004 sec.
复制代码


重点注意：如果从事的是金融领域等追求准确精度的数值存储，不能使用浮点数，而应该考虑使用整型或者定点数，舍入尽可能交由程序规则处理，毕竟数据库是存储数据的工具，不应该承担太多处理数据计算的职能。


布尔值


ClickHouse中不存在布尔值类型，官方建议使用UInt8类型，通过值0或1表示false或true。


字符串类型


字符串类型主要包括：


  • 不定长（动态长度）字符串String
  • 固定长度字符串FixedString(N)，这里的N是最大字节数，而不是长度，例如UTF-8字符占用3个字节，GBK字符占用2个字节
  • 特殊字符串UUID（存储的是数值，只是形式是字符串）

ClickHouse中没有编码的概念，字符串可以包含一组任意字节，这些字节按原样存储和输出。这个编码和解码操作推测完全移交给客户端完成。一般情况下，推荐使用UTF-8编码存储文本类型内容，这样就能在不进行转换的前提下读取和写入数据。


String


String类型不限制字符串的长度，可以直接替代其他DBMS的VARCHAR、BLOB、CLOB等字符串类型，相比VARCHAR这类要考虑预测数据最大长度，显然String无比便捷。使用Java语言开发，直接使用String类型承接即可。String类型的数据列的定义如下：


column_name String
复制代码


FixedString


FixedString类型的数据列的定义如下：


column_name FixedString(N)
复制代码


FixedString表示固定长度N的字符串，这里的N代表N个字节（N bytes），而不是N个字符或者N个码点（code point）。一些使用FixedString类型的典型场景：


  • 二进制表示存储IP地址，如使用FixedString(16)存储IPV6地址
  • 哈希值的二进制表示形式，如FixedString(16)存储MD5的二进制值，FixedString(32)存储SHA256的二进制值


当写入FixedString类型数据的时候：


  • 如果数据字节数大于N，则会返回一个Too large value for FixedString(N)的异常
  • 如果数据字节数小于N，则会使用null字节填补剩下的部分


官方文档提示查询条件WHERE中如果需要匹配FixedString类型的列，传入的查询参数要自行补尾部的\0，否则有可能导致查询条件失效。也就是更加建议写入数据和查询条件都是固定字节数的参数。


内置函数length()会直接返回N，而内置函数empty()在全为null字节的前提下会返回1，其他情况返回0。


UUID


UUID这个概念很常见，Java中也有静态方法java.util.UUID#randomUUID()直接生成UUID，因为其独特的唯一性有时候可以选择生成UUID作为数据库的主键类型。ClickHouse直接定义了一种UUID类型，严格来说这种类型不是字符串，但是因为在文档上它的位置顺序排在字符串类型之下，日期时间类型之上，形式上看起来也像字符串，并且它仅仅支持字符串类型的内置函数，所以笔者也把它归类为字符串类型。ClickHouse中的UUID实际上是一个16字节的数字，它的通用格式如下：


8-4-4-4-4-12
## 例子
61f0c404-5cb3-11e7-907b-a6006ad3dba0
## 零值
00000000-0000-0000-0000-000000000000
复制代码


UUID类型列定义格式如下：


column_name UUID
复制代码


可以通过内置函数generateUUIDv4()直接生成UUID数据，测试一下：


f5abc88ff7e4 :) CREATE TABLE test_u(id UInt64,u UUID) ENGINE = Memory;
CREATE TABLE test_u
(
    `id` UInt64,
    `u` UUID
)
ENGINE = Memory
Ok.
0 rows in set. Elapsed: 0.018 sec.
f5abc88ff7e4 :) INSERT INTO test_u VALUES (1,generateUUIDv4());
INSERT INTO test_u VALUES
Ok.
1 rows in set. Elapsed: 0.005 sec.
f5abc88ff7e4 :) SELECT * FROM test_u;
SELECT *
FROM test_u
┌─id─┬────────────────────────────────────u─┐
│  1 │ fc379d2c-0753-45a3-8589-1ef95ee0d8c9 │
└────┴──────────────────────────────────────┘
1 rows in set. Elapsed: 0.004 sec.
复制代码


日期时间类型


日期时间类型包括Date（表示年月日）、DateTime（表示年月日时分秒）和DateTime64（表示年月日时分秒亚秒）。


Date


Date表示年月日，但是这种类型在ClickHouse中使用2字节（2 byte -> 16 bit）无符号整数去存储距离Unix纪元（1970-01-01）的天数，不支持时区，能够表示的最大年份为2105年。基于这个特性，在插入Date类型数据的时候可以采用yyyy-MM-dd格式或者无符号整数。见下面的测试：


f5abc88ff7e4 :) CREATE TABLE test_dt(date Date) ENGINE = Memory;
CREATE TABLE test_dt
(
    `date` Date
)
ENGINE = Memory
Ok.
0 rows in set. Elapsed: 0.025 sec.
f5abc88ff7e4 :) INSERT INTO dt VALUES(1),(2),('0000-00-00'),('2020-11-11');
INSERT INTO dt VALUES
Received exception from server (version 20.10.3):
Code: 60. DB::Exception: Received from clickhouse-server:9000. DB::Exception: Table default.dt doesn't exist..
0 rows in set. Elapsed: 0.007 sec.
f5abc88ff7e4 :) INSERT INTO test_dt VALUES(1),(2),('0000-00-00'),('2020-11-11');
INSERT INTO test_dt VALUES
Ok.
4 rows in set. Elapsed: 0.025 sec.
f5abc88ff7e4 :) SELECT * FROM test_dt;
SELECT *
FROM test_dt
┌───────date─┐
│ 1970-01-02 │
│ 1970-01-03 │
│ 1970-01-01 │
│ 2020-11-11 │
└────────────┘
4 rows in set. Elapsed: 0.005 sec.
复制代码


Date类型中的0或者'0000-00-00'代表1970-01-01


DateTime


DateTime是通常概念中的年月日时分秒，支持时区，但是不支持毫秒表示，也就是此类型精确到秒。它的定义格式为：


column_name DateTime[(time_zone)]
复制代码


可以表示的范围：[1970-01-01 00:00:00, 2105-12-31 23:59:59]。使用DateTime的时候需要注意几点：


  • DateTime时间点实际上保存为Unix时间戳（笔者探究过这里的单位应该是秒），与时区或者夏时制无关
  • DateTime的时区并不存储在列数据或者结果集中，而是存储在列元数据中
  • 创建表定义DateTime类型的列的时候如果不指定时区，则使用服务器或者操作系统中设置的默认时区
  • 创建表定义DateTime类型的列的时候如果不指定时区，ClickHouse客户端会使用ClickHouse服务端的时区，也可以通过参数--use_client_time_zone指定
  • 可以通过配置值date_time_input_format或date_time_output_format分别指定DateTime类型数据的输入和输出格式
  • DateTime类型数据插入的时候，整数会被视为Unix时间戳，并且会使用UTC作为时区（零时区），字符串会被视为使用了时区的日期时间（取决于服务或者系统），再基于时区转化为对应的Unix时间戳进行存储


可以测试一下：


f5abc88ff7e4 :) CREATE TABLE test_dt(t DateTime,tz DateTime('Asia/Shanghai')) ENGINE = Memory;
CREATE TABLE test_dt
(
    `t` DateTime,
    `tz` DateTime('Asia/Shanghai')
)
ENGINE = Memory
Ok.
0 rows in set. Elapsed: 0.029 sec.
f5abc88ff7e4 :) INSERT INTO test_dt VALUES(1605194721,'2020-11-01 00:00:00');   # <-------------- 这里的1605194721是北京时间2020-11-12 23:25:21的Unix时间戳
INSERT INTO test_dt VALUES
Ok.
1 rows in set. Elapsed: 0.006 sec.
f5abc88ff7e4 :) SELECT * FROM test_dt;
SELECT *
FROM test_dt
┌───────────────────t─┬──────────────────tz─┐
│ 2020-11-12 15:25:21 │ 2020-11-01 00:00:00 │
└─────────────────────┴─────────────────────┘
1 rows in set. Elapsed: 0.005 sec.
f5abc88ff7e4 :) SELECT toDateTime(t, 'Asia/Shanghai') AS sh_time,toDateTime(tz, 'Europe/London') AS lon_time FROM test_dt;
SELECT
    toDateTime(t, 'Asia/Shanghai') AS sh_time,
    toDateTime(tz, 'Europe/London') AS lon_time
FROM test_dt
┌─────────────sh_time─┬────────────lon_time─┐
│ 2020-11-12 23:25:21 │ 2020-10-31 16:00:00 │
└─────────────────────┴─────────────────────┘
1 rows in set. Elapsed: 0.004 sec.
复制代码


DateTime64


DateTime64其实和DateTime类型差不多，不过可以额外表示亚秒，所谓亚秒，精度就是10 ^ (-n)（10的负n次方）秒，例如0.1秒、0.01秒等等。它的定义格式为：


column_name DateTime64(precision [, time_zone])
复制代码


测试一下：


f5abc88ff7e4 :) SELECT toDateTime64(now(), 5, 'Asia/Shanghai') AS column, toTypeName(column) AS x;
SELECT
    toDateTime64(now(), 5, 'Asia/Shanghai') AS column,
    toTypeName(column) AS x
┌────────────────────column─┬─x──────────────────────────────┐
│ 2020-11-12 23:45:56.00000 │ DateTime64(5, 'Asia/Shanghai') │
└───────────────────────────┴────────────────────────────────┘
1 rows in set. Elapsed: 0.005 sec.
f5abc88ff7e4 :) CREATE TABLE test_dt64(t DateTime64(2),tz DateTime64(3,'Asia/Shanghai')) ENGINE = Memory;
CREATE TABLE test_dt64
(
    `t` DateTime64(2),
    `tz` DateTime64(3, 'Asia/Shanghai')
)
ENGINE = Memory
Ok.
0 rows in set. Elapsed: 0.017 sec.
f5abc88ff7e4 :) INSERT INTO test_dt64 VALUES(1605194721,'2020-11-01 00:00:00');
INSERT INTO test_dt64 VALUES
Ok.
1 rows in set. Elapsed: 0.005 sec.
f5abc88ff7e4 :) SELECT * FROM test_dt64;
SELECT *
FROM test_dt64
┌──────────────────────t─┬──────────────────────tz─┐
│ 1970-07-05 18:52:27.21 │ 2020-11-01 00:00:00.000 │
└────────────────────────┴─────────────────────────┘
1 rows in set. Elapsed: 0.004 sec.
复制代码


文章标签：
云数据库 ClickHouse
Java
SQL
关系型数据库
数据库管理
Unix
网络协议
MySQL
数据库
存储
开发者
关键词：
云数据库 ClickHouse数据
数据库数据
数据库数据类型
云数据库 ClickHouse数据类型
数据库clickhouse
ta7lhdiw3omdo
目录
相关文章
数据库小能手
|
15天前
|
存储 人工智能 Cloud Native
云栖重磅｜从数据到智能：Data+AI驱动的云原生数据库
在9月20日2024云栖大会上，阿里云智能集团副总裁，数据库产品事业部负责人，ACM、CCF、IEEE会士（Fellow）李飞飞发表《从数据到智能：Data+AI驱动的云原生数据库》主题演讲。他表示，数据是生成式AI的核心资产，大模型时代的数据管理系统需具备多模处理和实时分析能力。阿里云瑶池将数据+AI全面融合，构建一站式多模数据管理平台，以数据驱动决策与创新，为用户提供像“搭积木”一样易用、好用、高可用的使用体验。
数据库小能手
79 1
云栖重磅｜从数据到智能：Data+AI驱动的云原生数据库
江湖有缘
|
17天前
|
SQL 关系型数据库 数据库
国产数据实战之docker部署MyWebSQL数据库管理工具
【10月更文挑战第23天】国产数据实战之docker部署MyWebSQL数据库管理工具
江湖有缘
56 4
国产数据实战之docker部署MyWebSQL数据库管理工具
数据库小能手
|
14天前
|
关系型数据库 分布式数据库 数据库
云栖大会｜从数据到决策：AI时代数据库如何实现高效数据管理？
在2024云栖大会「海量数据的高效存储与管理」专场，阿里云瑶池讲师团携手AMD、FunPlus、太美医疗科技、中石化、平安科技以及小赢科技、迅雷集团的资深技术专家深入分享了阿里云在OLTP方向的最新技术进展和行业最佳实践。
数据库小能手
34 4
科技云报道
|
22天前
|
人工智能 Cloud Native 容灾
云数据库“再进化”，OB Cloud如何打造云时代的数据底座？
云数据库“再进化”，OB Cloud如何打造云时代的数据底座？
科技云报道
46 2
小Lee
|
30天前
|
SQL 存储 关系型数据库
数据储存数据库管理系统（DBMS）
【10月更文挑战第11天】
小Lee
85 3
1100237741946300
|
1月前
|
SQL 存储 关系型数据库
添加数据到数据库的SQL语句详解与实践技巧
在数据库管理中，添加数据是一个基本操作，它涉及到向表中插入新的记录
1100237741946300
237 4
小强在此
|
1月前
|
关系型数据库 MySQL 数据库
MySQL数据库基础（数据库操作，常用数据类型，表的操作）
MySQL数据库基础（数据库操作，常用数据类型，表的操作）
小强在此
34 5
hju6meadphitw
|
1月前
|
SQL 监控 数据处理
SQL数据库数据修改操作详解
数据库是现代信息系统的重要组成部分，其中SQL（StructuredQueryLanguage）是管理和处理数据库的重要工具之一。在日常的业务运营过程中，数据的准确性和及时性对企业来说至关重要，这就需要掌握如何在数据库中正确地进行数据修改操作。本文将详细介绍在SQL数据库中如何修改数据，帮助读者更好
hju6meadphitw
188 4
郑小健
|
15天前
|
数据采集 存储 分布式计算
ClickHouse大规模数据导入优化：批处理与并行处理
【10月更文挑战第27天】在数据驱动的时代，高效的数据导入和处理能力是企业竞争力的重要组成部分。作为一位数据工程师，我在实际工作中经常遇到需要将大量数据导入ClickHouse的需求。ClickHouse是一款高性能的列式数据库系统，非常适合进行大规模数据的分析和查询。然而，如何优化ClickHouse的数据导入过程，提高导入的效率和速度，是我们面临的一个重要挑战。本文将从我个人的角度出发，详细介绍如何通过批处理、并行处理和数据预处理等技术优化ClickHouse的数据导入过程。
郑小健
36 0
lsug6eziqmdfk1111
|
1月前
|
存储 分布式计算 数据库
阿里云国际版设置数据库云分析工作负载的 ClickHouse 版
阿里云国际版设置数据库云分析工作负载的 ClickHouse 版
lsug6eziqmdfk1111
46 2

热门文章

最新文章

  • 1
    RDS入门——Excel文件转存到RDS数据库实践
  • 2
    干货分享 ｜ 揭秘下一代云数据库引擎MyBase for MySQL
  • 3
    SQLServer数据库日志清理 清除sqlserver2005日志 - sk
  • 4
    数据库查询返回空的原因
  • 5
    国产化人大金仓数据库转库工具：oracle12c数据库转kingbase8.6人大金仓数据库实例演示
  • 6
    服务器增加内存后无法重启数据库的问题及解决
  • 7
    Android Sqlite数据库版本升级管理初探
  • 8
    Sqlserver与access数据库sql语法十大差异
  • 9
    使用xtrabackup备份innodb引擎的数据库
  • 10
    数据库安全之权限与角色
  • 1
    国内独家｜阿里云瑶池发布ClickHouse企业版：云原生Serverless新体验
    1291
  • 2
    clickhouse SQL优化
    83537
  • 3
    阿里云ClickHouse企业版正式商业化，为开发者提供容灾性更好、性价比更高的实时数仓
    522
  • 4
    Linux(6)CH9434 SPI调试笔记
    264
  • 5
    号外号外！ClickHouse企业版正式商业化啦！
    413
  • 6
    Clickhouse数据库应用
    238
  • 7
    号外号外！ClickHouse企业版正式商业化啦！
    692
  • 8
    ClickHouse(06)ClickHouse建表语句DDL详细解析
    507
  • 9
    python3安装clickhouse_sqlalchemy(greenlet) 失败
    163
  • 10
    ClickHouse(04)如何搭建ClickHouse集群
    509

    • 相关课程

    更多
  • 数据库的前世今生
  • 数据库核心概念
  • 从传统数据库到云数据库演进
  • 数据库常见问题排查
  • 数据库及SQL/MySQL基础
  • 高校精品课-西安交通大学 -数据库理论与技术

    • 相关电子书

    更多
  • 阿里云&信通院《Serverless数据库技术研究报告》
  • ClickHouse在手淘流量分析应用实践Jason Xu
  • 云数据库clickhouse最佳实践

    • 相关实验场景

    更多
  • 使用DAS实现数据库SQL优化
  • 自建数据库迁移到云数据库
  • PolarDB for AI：在数据库中通过SQL实现AI能力
  • 云原生HTAP数据库，让你的交易和分析一库搞定
  • 快速体验PolarDB开源数据库
  • SQLServer数据库的创建

    • 推荐镜像

    更多
  • clickhouse
  • postgresql
  • oceanbase
    • 下一篇
    阿里云OSS设置跨域访问