二、ClickHouse 数据类型

作为一款分析型数据库，ClickHouse提供了许多数据类型，他们可以划分三类： 基础类型、 复合类型和 特殊类型。其中基础类型使ClickHouse具备了描述数据的基本能力，而另外两种类型则使ClickHouse的数据表达能力更加丰富立体。

1、基础类型

基础类型只有数值、字符串和时间这三种类型。值得一提的是，与大多数普通的数据库不一样的是，ClickHouse没有Boolean类型，但是呢，可以使用整型的0或1替代。

1.1、数值类型

数值类型分为整数、浮点数和定点数三类，接下来分别进行说明。

1.1.1、Int

在普通的观念中，常用Tinyint、Smallint、Int和Bigint指代整数的不同取值范围。而ClickHouse则是直接使用Int8、Int16、Int32和Int64这4种大小的Int类型，其末尾的数字正好表明了占用字节的大小（8位 = 1字节）。详细信息如下表所示：

表1 有符号整数类型的具体信息

名 称	大小（字节）	范围	普遍概念
Int8	1	-128 ~ 127	Tinyint
Int16	2	-32768 ~ 32767	Smallint
Int32	4	-2147483648 ~ 2147483647	Int
Int64	8	-9223372036854775808~9223372036854775807	BigInt

同样的，ClickHouse也支持无符号的整数，使用前缀U表示，具体信息如下表所示：

表2 有符号整数类型的具体信息

名 称	大小（字节）	范围	普遍概念
Int8	1	0 ~ 255	Tinyint Unsigned
Int16	2	0 ~ 65535	Smallint Unsigned
Int32	4	0 ~ 4294967295	Int Unsigned
Int64	8	0 ~ 18446744073709551615	BigInt Unsigned

1.1.2、Float

与整数类似，ClickHouse直接使用Float32和Float64代表单精度浮点数以及双精度浮点数，具体信息如下表所示：

表3 浮点数类型的具体信息

名称	大小（字节）	有效精度（位数）	普遍概念
Float32	4	7	Float
Float	8	16	Double

在使用浮点数的时候，应当要意识到它是有限精度的。什么意思呢？比如，我分别对Float32和Float64写入超过有效精度的数值，下面让我们看看会发生什么事情。
例子：将拥有20位小数的数值分别写入Float32和Float64，观看他们会发生什么？

select toFloat32('0.1234567890123456789') as result,toTypeName(result)

result	toTypeName(toFloat32(‘0.1234567890123456789’))
0.12345679	Float32

select toFloat64('0.1234567890123456789') as result,toTypeName(result)

result	toTypeName(toFloat32(‘0.1234567890123456789’))
0.12345678901234568	Float64

我们可以发现，Float32从小数点后第八位开始以及Float64从小数点后第十七位开始，都产生了数据溢出。所以，当你需要浮点数后几位的时候，注意浮点数的类型，不超过8位的用Float32，超过8位而小于17位的用Float64,超过17位的如果需要，建议使用定点数（decimal）类型。

另外，ClickHouse的浮点数支持正无穷、负无穷以及非数字的表达方式。
正无穷：

select 0.1/0

divide(0.1,0)
∞

select -0.1/0

divide(-0.1,0)
-∞

select 0/0

divide(0,0)
NaN

1.1.3、Decimal

如果想要使用更高精度的数值运算，则需要使用定点数！ClickHouse提供了Decimal32、Decimal64和Decimal128三种精度的定点数。可以通过两种形式声明定点：

• ①简写方式：Decinal32（S）、Decinal64（S）、Decinal128（S）
• ②原生方式：Decinal（P,S）

其中：

• P代表精度，决定总位数（整数部分＋小数部分），取值为1 ~ 38
• S代表规模，决定小数位数，取值范围是0 ~ P

简写方式和原生方式的对应方式如下表所示：

表4 定点数类型的具体信息

名称	等效声明	范围
Decinal32（S）	Decimal(1~9,S)	-10^(9-S) ~ 10^(9-S)
Decinal64（S）	Decimal(10~18,S)	-10^(18-S) ~ 10^(18-S)
Decinal128（S）	Decimal(19~38,S)	-10^(38-S) ~ 10^(38-S)

在使用两个不同精度的定点数进行四则运算时，它们的小数点位数S会发生变化：

①在进行加法运算时，S取最大值(规模)。例如下面的查询，toDecimal64(2,4)与toDecimal32(2,2)相加后S=4（也就是说，2.0000＋2.00=4.0000）:

select toDecimal64(2,4),toDecimal32(2,2),toDecimal64(2,4)+toDecimal32(2,2)

toDecimal64(2,4)	toDecimal32(2,2)	plus(toDecimal64(2,4)+toDecimal32(2,2))
2.0000	2.00	4.0000

②在进行减法运算时，其规则与加法运算相同，S同样会取最大值(规模)。例如toDecimal32(4,4)与toDecimal64(2,2)相减后S=4（也就是说，4.0000 - 2.00=2.0000）:

select toDecimal32(4,4),toDecimal64(2,2),toDecimal32(4,4)-toDecimal64(2,2)

toDecimal32(4,4)	toDecimal64(2,2)	minus(toDecimal32(4,4)-toDecimal64(2,2))
4.0000	2.00	2.0000

③在进行乘法运算时，S取两者S之和。例如toDecimal64(2,4)与toDecimal32(2,2)相乘后S=4+2=6（也就是说，2.0000 * 2.00=4.000000）:

select toDecimal64(2,4),toDecimal32(2,2),toDecimal64(2,4)*toDecimal32(2,2)

toDecimal64(2,4)	toDecimal32(2,2)	multiply(toDecimal64(2,4)*toDecimal32(2,2))
2.0000	2.00	4.000000

④在进行除法运算时，S取被除数的值，此时要求被除数的S必须大于除数的S,否则会报错！例如toDecimal64(2,4)与toDecimal32(2,2)相除后S=4:

select toDecimal64(2,4),toDecimal32(2,2),toDecimal64(2,4)/toDecimal32(2,2)

toDecimal64(2,4)	toDecimal32(2,2)	divide(toDecimal64(2,4)+toDecimal32(2,2))
2.0000	2.00	1.0000

需要注意的是，如果被除数的S小于于除数的S,则会报错！

select toDecimal32(2,2),toDecimal64(2,4),toDecimal32(2,2)/toDecimal64(2,4)

最后可以总结得出：对于不同精度的定点数之间的四则运算，其精度S的变化会遵循下表所示的规则。

表5 定点数四则运算后，精度变化的规则

名称	规则
加法	S=max(S1,S2)
减法	S=max(S1,S2)
乘法	S = S1+S2(S1范围>=S2范围)
除法	S=S1(S1为被除数，S1/S2)

还有，使用定点数时需要注意一点就是：由于现代计算器只支持32位和64位CPU，所以Decimal128是在软件层面模拟实现的，它的速度会明显慢于Decimal32与Decimal64。

1.2、字符串类型

字符串类型可以细分为String,FixedString和UUID三类。从命名来看彷佛不像是由一款数据库提供的类型，反而像是一门编程语言的设计。

1.2.1、String

字符串类型由String定义，长度不限。因此在使用String的时候无须声明大小。它完全代替了传统意义上数据库的Varchar、Text、Clob和Blob等字符类型。String类型不限定字符集，因为它根本就没有这个概念，所以可以将任意编码的字符串存入其中。但是为了程序的规范性和可维护性，在同一套程序中应该遵循使用统一的编码，例如 “统一保持UTF-8编码” 就是一种很好的约定。

1.2.2、FixedString

FixedString类型和传统意义上的Char类型有些类似，对于一些字符有明确长度的场合，可以使用固定长度的字符串。定长字符串通过FixedString(N)声明，其中N表示字符串长度（N 必须是严格的正自然数）。但是和Char不同的是，FixedString使用null字节填充末尾字符，而char通常使用空格填充。

select toFixedString('abc',5),length(toFixedString('abc',5)) as length

toFixedString(‘abc’,5)	length
abc	5

当服务端读取长度大于 N 的字符串时候，将返回错误消息！

select toFixedString('abcdefg',5)

与 String 相比，极少会使用 FixedString，因为使用起来不是很方便。

1.2.3、UUID

UUID是一种数据库常见的主键类型，在ClickHouse中，它却被作为一种数据类型。UUID共有32位，它的格式为8-4-4-4-12。如果一个UUID类型的字段在写入数据时没有被赋值，则会依照格式使用填充。比如：

create table UUID_TEST(
	c1 UUID,
	c2 String
) ENGINE = Memory;
--- 第一行UUID有值
insert into UUID_TEST SELECT generateUUIDv4(),'t1'
--- 第二行UUID没有值
insert into UUID_TEST(c2) values('t2')

select * from UUID_TEST

c1	c2
f378ea5b-5195-4987-a97f-2e5d5093f925	t1
00000000-0000-0000-0000-000000000000	t2

我们可以看到，第二行没有被赋值的UUID被0填充了。所以当我们插入数据的时候，需要注意，如果没有给UUID类型的列赋值，它会按照格式使用0填充而不是显示空值！

1.3、时间类型

时间类型分为DateTime、DateTime64和Date三类。ClickHouse目前没有时间戳类型。时间类型最高的精度是秒，也就是说，如果需要处理毫秒、微秒等大于秒分辨率的时间，则只能借助UInt类型实现。

1.3.1、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(
    t1 Datetime
) ENGINE = Memory
---以字符串形式写入
insert into Datetime_Test values('2020-12-21 00:00:00')

select t1,toTypeName(t1) From Datetime_Test

t1	toTypeName(t1)
2020-12-21 00:00:00	DateTime

1.3.2、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(
t1 Datetime64(2)
) ENGINE=Memory
--- 以字符串的形式写入
insert into Datetime64_TEST values('2020-12-21 00:00:00')

select t1,toTypeName(t1) from Datetime64_TEST

t1	toTypeName(t1)
2020-12-21 00:00:00.00	DateTime64(2)

1.3.3、Date

Date类型不包括具体的时间信息，只精确到天，它同样也支持字符串形式写入：

create table Date_TEST(
t1 Date
) ENGINE = Memory
---以字符串形式写入
insert into Date_TEST values('2020-12-21')

select t1,toTypeName(t1) from Date_TEST

t1	toTypeName(t1)
2020-12-21	Date

2、复合类型

除了基础数据类型之外，ClickHouse还提供了数组、元组、枚举和嵌套四类复合类型。这些类型通常是其他数据库原生不具备的特性。拥有了复合类型之后，ClickHouse的数据模型表达能力更强了。

2.1、Array

数组有两种定义形式，常规方式array(T)。T 可以是任意类型，包含数组类型。 但不推荐使用多维数组，ClickHouse 对多维数组的支持有限。例如，不能在 MergeTree 表中存储多维数组。：

select array(1,2) as a,toTypeName(a)

a	toTypeName(array(1,2))
[1, 2]	Array(UInt8)

或者可运用其简写方式[T]:

select [1,2]

通过上述的例子，我们可以发现：在查询的时候并不需要主动声明数组的元素类型。因为ClickHouse的数组拥有类型推断的能力，推断依据：以最小存储代价为原则，即使用最小可表达的数据类型。例如在上面的例子中，array(1,2)会通过自动判断将UInt8作为数组类型。但是数组元素中如果存在Null值，则元素类型将变成Nullable，例如：

select [1,2,null] as a,toTypeName(a)

a	toTypeName([1,2,null])
[1,2,null]	Array(Nullable(UInt8))

如果大家仔细观察一下，那么就可以看到：在同一个数组内可以包含多种数据类型。例如数组[1,2.0]也是可行的。但各类型之间必须兼容，例如数组[1,‘2’]则会报错。

在定义表字段时，数组需要指定明确的元素类型，例如：

create table Array_TEST(
t1 Array(UInt8)
) engine=Memory

2.2、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的数据类型，且彼此之间不要求兼容。元组同样支持类型判断，其推断依据仍然以最小存储代价为原则。与数组类似，元组也可以使用两种方式定义，常规方式tuple(T)：

select tuple(1,'a',now()) as t,toTypeName(t)

t	toTypeName(tuple(1,‘a’,now()))
(1,‘a’,‘2020-12-18 01:07:15’)	Tuple(UInt8, String, DateTime)

或者可以简写为：（T）

select (1,2.0,null) as t,toTypeName(t)

t	toTypeName(1,2.,NULL)
(1,2,NULL)	Tuple(UInt8, Float64, Nullable(Nothing))

在定义表字段时，元组也需要指定明确的元素类型：

create table Tuple_TEST(
c1 Tuple(Int8,String)
) engine=Memory;

元素类型和泛型的作用类似，可以进一步保障数据质量。在数据写入的过程中会进行类型检查。例如，写入insert into Tuple_TEST values((1234，‘abcd’))是可行的，而写入insert into Tuple_TEST values((‘abcd’，‘efgh’))则会报错。

2.3、Enum

ClickHouse支持枚举类型，这是一种在定义常量时经常会使用的数据类型。ClickHouse提供了Enum8和Enum16两种枚举类型，他们除了取值范围不同之外，别无二致。枚举固定使用（String:Int）Key/Value键值对的形式定义数据，所以Enum8和Enum16分别会对应（String:Int8）和（String:Int16）,例如：

create table Enum_TEST(
t1 Enum8('ready'=1,'start'=2,'success'=3,'error'=4)
) engine=Memory;

在定义枚举集合的时候，有几点需要注意。首先，Key和Value是不允许重复的，要保证唯一性。其次，Key和Value的值都不能为Null，但Key允许是空字符串。在写入数据的时候，只会用到Key字符串部分。这个 t1 列只能存储类型定义中列出的值：‘ready’或’start’或’success’或’error’。如果尝试保存任何其他值，ClickHouse 抛出异常。例如：

insert into Enum_TEST values('ready');
insert into Enum_TEST values('start');

数据在写入的过程中，会对照枚举集合项的内容逐一检查。如果Key字符串不在集合范围内则会抛出异常，比如执行下面的语句就会报错：

insert into Enum_TEST values('stop');

从表中查询数据时，ClickHouse从Enum中输出字符串值。

select * from Enum_TEST

t1
ready
start

如果需要看到对应行的数值，则必须将 Enum 值转换为整数类型。

SELECT CAST(t1, 'Int8') FROM Enum_TEST

CAST(t1, ‘Int8’)
1
2

可能有人会觉得，完全可以使用String替代枚举，为什么还需要专门的枚举类型呢？这是出于性能的考虑。因为虽然枚举定义中的Key属于String类型，但是在后续对枚举的所有操作中（包括排序、分组、去重、过滤等），会使用Int类型的Valuez=值。

2.4、Nested

嵌套类型，顾名思义是一种嵌套表结构。一张数据表，可以定义任意多个嵌套类型字段，但每个字段的嵌套层级只支持一级，即嵌套表内不能继续使用嵌套类型。对于简单场景的层级关系或关联关系，使用嵌套类型也是一种不错的选择。例如，下面的nested_test是一张模拟的学生表，它的所属部门字段就使用了嵌套类型：

create table nest_test
(
    name String,
    age UInt8,
    teacher Nested(
        id UInt8,
        name String
    )
) ENGINE = Memory;

ClickHouse的嵌套类型和传统的嵌套类型不相同，导致在初次接触它的时候会让人十分困惑。以上面的这张表为例，如果按照它的字面意思来理解，会很容易理解成nested_test与dept是一对一关系，其实这是错误的。不信可以执行下面的语句，看看会是什么结果：

insert into nest_test values('张三',18,1,'语文老师')

注意上面的异常信息，它提示期望写入的是一个Array数组类型。
现在大家应该明白了，嵌套类型本质是一种多维数组的结构。嵌套表中的每个字段都是一个数组，并且行与行之间数组的长度无须对齐。所以需要把刚才的insert语句调整成下面的形式：

insert into nest_test values('张三',18,[1,2,3],['语文老师','数学老师','英语老师'])

需要注意的是，在同一行数据内每个数组字段的长度必须相等。例如，在下面的示例中，由于行内数组字段的长度没有对齐，所以会抛出异常：

insert into nest_test values('张三',18,[1,2,3],['语文老师','数学老师'])

在访问嵌套类型的数据时需要使用点符号，例如：

select name,teacher.id,teacher.name from nest_test

name	teacher.id	teacher.name
张三	[1, 2, 3]	[‘语文老师’, ‘数学老师’, ‘英语老师’]

3、特殊类型

ClickHouse还有一类不同寻常的数据类型，我将它们定义为特殊类型。

3.1、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。Nullable类型与Java8的Optional对象有些相似，它表示某个基础数据类型可以是Null值。其具体用法如下所示：

create table Null_test (
	t1 String,
	t2 Nullable(UInt8)
) ENGINE = TinyLog

通过Nullable修饰后c2字段可以被写入Null值：

insert into Null_test values ('张三',null)
insert into Null_test values('李四',18)
select t1,t2,toTypeName(t2) from Null_test

t1	t2	t3
张三	NULL	Nullable(UInt8)
李四	18	Nullable(UInt8)

在使用Nullable类型的时候还有两点值得注意：

• ①首先，它只能和基础类型搭配使用，不能用于数组和元组这些复合类型，也不能作为索引字段；
• ②其次，应该慎用Nullable类型，包括Nullable的数据表，不然会使查询和写入性能变慢。因为在正常情况下，每个列字段的数据会被存储在对应的[Column].bin文件中。如果一个列字段被Nullable类型装饰后，会额外生成一个[Column].null.bin文件专门保存它的Null值。这意味着在读取和写入数据时，需要一倍的额外文件操作。

3.2、Domain

域名类型分为IPv4和IPv6两类，本质上他们是对整型和字符串的进一步封装。IPv4类型是基于UInt32封装的，它的具体用法如下所示：

create table IP4_test (
    url String,
    ip IPv4
) ENGINE = Memory;

insert into IP4_test values ('www.baidu.com','192.168.1.1');

select url,ip,toTypeName(ip) from IP4_test;

url	ip	toTypeName(ip)
www.baidu.com	192.168.1.1	IPv4

细心的人可能会问，直接用字符串不就行了吗？为何多此一举呢？我想至少有如下两个原因。
（1）出于便捷性的考量，例如IPv4类型支持格式检查，格式错误的IP数据是无法被写入的，例如

insert into IP4_test values ('www.baidu.com','192.168.1')

（2）出于性能的考量，同样以IPv4为例，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，它的使用方法与IPv4别无二致，此处不再多说。
在使用Domain类型的时候还有一点需要注意的是，虽然它从表象上看起来与String一样，但Domain并不是字符串，所以它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，则需要显示调用IPv4NumToString或IPv6NumToString函数进行转换。