最全大数据StarRocks(五) ：数据类型_starrocks 数据类型(3)，阿里开发7年大牛

最新推荐文章于 2024-08-06 10:21:07 发布

2401_84181326

最新推荐文章于 2024-08-06 10:21:07 发布

阅读量485

点赞数 11

分类专栏：程序员文章标签：大数据

本文链接：https://blog.csdn.net/2401_84181326/article/details/138550698

版权

程序员专栏收录该内容

166 篇文章 0 订阅

订阅专栏

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

CHAR
	定长字符串，M 代表的是定长字符串的长度。M 的范围是 1~255。
VARCHAR
	变长字符串。M 代表变长字符串长度，单位：字节，默认取值为 1。
	StarRocks 2.1 之前的版本，M 的取值范围为 1~65533。
	【公测中】自 StarRocks 2.1 版本开始，M 的取值范围为 1~1048576。
STRING
	字符串，最大长度 65533 字节。
BINARY/VARBINARY
	自 3.0 版本起，StarRocks 支持 BINARY/VARBINARY 数据类型，用于存储二进制数据，单位为字节。
	支持的最大长度与 VARCHAR 类型相同，M 的取值范围为 1~1048576。如果未指定 M，默认为最大值 1048576。
	BINARY 是 VARBINARY 的别名，用法与 VARBINARY 相同。

5.3 日期类型

DATETIME
	日期时间类型，取值范围是 ['0000-01-01 00:00:00', '9999-12-31 23:59:59']。
	打印的形式是'YYYY-MM-DD HH: MM: SS'
DATE
	日期类型，目前的取值范围是 ['0000-01-01', '9999-12-31']，默认的打印形式是 'YYYY-MM-DD'。

5.4 半结构化类型

ARRAY
	数组（Array) 是数据库中的一种扩展数据类型，其相关特性在众多数据库系统中均有支持，可以广泛的应用于 A/B Test 对比、用户标签分析、人群画像等场景。StarRocks 当前支持多维数组嵌套、数组切片、比较、过滤等特性。
	定义一维数组: ARRAY<type>
	定义嵌套数组: ARRAY<ARRAY<type>>
	定义 NOT NULL 数组列: ARRAY<type> NOT NULL
JSON
	自 2.2.0 版本起，StarRocks 支持 JSON。本文介绍 JSON 的基本概念，以及 StarRocks 如何创建 JSON 类型的列、导入和查询 JSON 数据，通过 JSON 函数及运算符构造和处理 JSON 数据。
	JSON 是一种轻量级的数据交换格式，JSON 类型的数据是一种半结构化的数据，支持树形结构。JSON 数据层次清晰，结构灵活易于阅读和处理，广泛应用于数据存储和分析场景。JSON 支持的数据类型为数字类型（NUMBER）、字符串类型（STRING）、布尔类型（BOOLEAN）、数组类型（ARRAY）、对象类型（OBJECT），以及 NULL 值。
	JSON 的更多介绍，请参见 JSON 官网，JSON 数据的输入和输出语法，请参见 JSON 规范 RFC 7159 。
	StarRocks 支持存储和高效查询分析 JSON 数据。StarRocks 采用二进制格式编码来存储 JSON 数据，而不是直接存储所输入文本，因此在数据计算查询时，降低解析成本，从而提升查询效率。
MAP
	MAP 是一种复杂数据类型，用于存储无序的键值对 (key-value pair)，例如 {a:1, b:2, c:3}。Map 中的 Key 不能重复。一个 Map 最多支持 14 层嵌套。
	StarRocks 从 3.1 版本开始支持存储和导入 MAP 类型的数据。您可以在建表时定义 MAP 列，向表中导入 MAP 数据，查询 MAP 数据。
	StarRocks 从 2.5 版本开始支持查询数据湖中的复杂数据类型 MAP 和 STRUCT。您可以通过 StarRocks 提供的 External Catalog 方式来查询 Apache Hive™，Apache Hudi，Apache Iceberg 中的 MAP 和 STRUCT 数据。仅支持查询 ORC 和 Parquet 类型文件。
	想了解如何使用 External Catalog 查询外部数据源，参见 Catalog 概述 和对应的 Catalog 文档。
	语法
		MAP<key_type,value_type>
		key_type：Key 的数据类型。必须是 StarRocks 支持的基本数据类型 (Primitive Type)，例如数值、字符串、日期类型。不支持复杂类型，例如 HLL、JSON、ARRAY、MAP、BITMAP、STRUCT。
		value_type：Value 的数据类型。可以是 StarRocks 支持的任意类型，包括复杂类型。
		Key 和 Value 取值都可以为 NULL。
STRUCT
	STRUCT 是一种复杂数据类型，可以存储不同数据类型的元素（也称字段），例如 <a INT, b STRING>。
	Struct 中的字段名称不能重复。字段可以是基本数据类型 (Primitive Type)，例如数值、字符串、日期类型；也可以是复杂数据类型，例如 ARRAY 或 MAP。
	Struct 中的字段可以是另外一个 Struct，Map，或者 Array，方便用户定义嵌套数据结构。例如 STRUCT<a INT, b STRUCT<c INT, d INT>, c MAP<INT, INT>, d ARRAY<INT>>。
	StarRocks 从 3.1 版本开始支持存储和导入 STRUCT 数据类型。您可以在建表时定义 STRUCT 列，向表中导入 STRUCT 数据，查询 STRUCT 数据。
	StarRocks 从 2.5 版本开始支持查询数据湖中的复杂数据类型 MAP 和 STRUCT。您可以通过 StarRocks 提供的 External Catalog 方式来查询 Apache Hive™，Apache Hudi，Apache Iceberg 中的 MAP 和 STRUCT 数据。仅支持查询 ORC 和 Parquet 类型文件。
	语法
		STRUCT<name type>
		name：字段名称，和建表语句中的列名相同。
		type：字段类型。可以是 StarRocks 支持的任意类型。

5.5 其他类型

BITMAP
	BITMAP 与 HLL (HyperLogLog) 类似，常用来加速 count distinct 的去重计数使用。
	您可以通过 bitmap 函数进行集合的各种操作，相比 HLL 可以获得更精确的结果。但是 BITMAP 需要消耗更多的内存和磁盘资源，另外 BITMAP 只能支持整数类型的聚合，如果是字符串等类型需要采用字典进行映射。


![img](https://img-blog.csdnimg.cn/img_convert/65357b52aa4a4a90845eac71982d07cb.png)
![img](https://img-blog.csdnimg.cn/img_convert/b9df982529e7244a9d4db5928f88d0b6.png)
![img](https://img-blog.csdnimg.cn/img_convert/6ba4e6d79f3b3e187ff17aac3a5bd1c4.png)

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！**

**由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618545628)**

讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618545628)**