开发者社区> 问答> 正文

MaxCompute产品简介:基本概念:数据类型



基本数据类型


MaxCompute2.0 支持的基本数据类型如下表,新增类型有:TINYINT、SMALLINT、 INT、 FLOAT、VARCHAR、TIMESTAMP 和 BINARY,MaxCompute 表中的列必须是下列描述的任意一种类型,详情如下:
注意

  • 若想使用新数据类型,需在 SQL 语句前加语句:set odps.sql.type.system.odps2=true;
类型是否新增常量定义描述
TINYINT1Y,-127Y8 位有符号整形,范围 -128 到 127
SMALLINT32767S, -100S16 位有符号整形, 范围 -32768 到 32767
INT1000,-15645787(注释1)32位有符号整形,范围-231到231 - 1
BIGINT100000000000L, -1L64位有符号整形, 范围-263 + 1到263 - 1
FLOAT32位二进制浮点型
DOUBLE3.1415926 1E+764位二进制浮点型
DECIMAL3.5BD, 99999999999.9999999BD10 进制精确数字类型,整形部分范围-1036+1到1036-1, 小数部分精确到 10-18
VARCHAR无 ( 注释2 )变长字符类型,n为长度,取值范围 1 到 65535
STRING“abc”,’bcd’,”alibaba” ‘inc’ ( 注释3 )字符串类型,目前长度限制为 8M
BINARY二进制数据类型,目前长度限制为 8M
DATETIMEDATETIME ‘2017-11-11 00:00:00’日期时间类型,范围从0000年1月1日到9999年12月31日,精确到毫秒
TIMESTAMPTIMESTAMP ‘2017-11-11 00:00:00.123456789’与时区无关的时间戳类型,范围从0000年1月1日到9999年12月31日 23.59:59.999999999, 精确到纳秒
BOOLEANTRUE,FALSEboolean 类型, 取值 TRUE 或 FALSE

上述的各种数据类型均可为 NULL。

注释:

  • 注释1:对于 INT 常量,如果超过 INT 取值范围,会转为 BIGINT;如果超过 BIGINT 取值范围,会转为 DOUBLE。
    在旧版 MaxCompute 中,因为历史原因,SQL 脚本中的所有 INT 类型都被转换为 BIGINT,例如:
    1. create table a_bigint_table(a int); -- 这里的int实际当作bigint处理
    2. select cast(id as int) from mytable; -- 这里的int实际当作bigint处理

    为与MaxCompute 原有模式兼容,MaxCompute2.0 在未设定 odps.sql.type.system.odps2 为 true的情况下,仍保留此转换,但会报告一个警告,提示 INT 被当作 BIGINT 处理了,如果您的脚本有此种情况,建议全部改写为BIGINT,避免混淆。

  • 注释2:VARCHAR 类型常量可通过 STRING 常量的隐式转换表示。

  • 注释3:STRING 常量支持连接,例如 ‘abc’ ‘xyz’ 会解析为 ‘abcxyz’,不同部分可以写在不同行上。


复杂数据类型


MaxCompute2.0 支持的复杂类型见下表。
注意
  • 若想使用新数据类型,需在 SQL 语句前加语句:set odps.sql.type.system.odps2=true;
类型定义方法构造方法
ARRAYarray< int >;
array< struct< a:int, b:string >>
array(1, 2, 3);
array(array(1, 2);
array(3, 4))
MAPmap< string, string >;
map< smallint, array< string>>
map(“k1”, “v1”, “k2”, “v2”);
map(1S, array(‘a’, ‘b’), 2S, array(‘x’, ‘y))
STRUCTstruct< x:int, y:int>;
struct< field1:bigint, field2:array< int>, field3:map< int, int>>
named_struct(‘x’, 1, ‘y’, 2);
named_struct(‘field1’, 100L, ‘field2’, array(1, 2), ‘field3’, map(1, 100, 2, 200)

展开
收起
行者武松 2017-10-23 14:59:57 3225 0
0 条回答
写回答
取消 提交回答
问答排行榜
最热
最新

相关电子书

更多
Data+AI时代大数据平台应该如何建设 立即下载
大数据AI一体化的解读 立即下载
极氪大数据 Serverless 应用实践 立即下载