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）

2022-05-13 494
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
云数据库 ClickHouse数据库
数据库clickhouse
clickhouse数据库
ta7lhdiw3omdo
目录
相关文章
cuicuicuic
|
3天前
|
关系型数据库 MySQL 数据库
实时计算 Flink版产品使用合集之支持将数据写入 OceanBase 数据库吗
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架，广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器，提供了一套全面的解决方案，以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点，使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
cuicuicuic
21 5
cuicuicuic
|
3天前
|
关系型数据库 MySQL API
实时计算 Flink版产品使用合集之可以通过mysql-cdc动态监听MySQL数据库的数据变动吗
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架，广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器，提供了一套全面的解决方案，以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点，使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
cuicuicuic
20 0
兀码
|
2天前
|
NoSQL Shell MongoDB
NoSQL数据使用指令和引擎连接数据库实例
【5月更文挑战第8天】本文介绍了MongoDB的本地使用和常用操作，包括通过mongo shell连接数据库、显示数据库和集合，以及副本集设置。最后提到了MongoDB的日志功能和顶点集的使用，如capped collection的创建和管理。
兀码
22 3
xin在这
|
2天前
|
SQL 流计算 API
实时计算 Flink版产品使用合集之ClickHouse-JDBC 写入数据时，发现写入的目标表名称与 PreparedStatement 中 SQL 的表名不一致如何解决
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架，广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器，提供了一套全面的解决方案，以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点，使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
xin在这
8 0
cuicuicuic
|
3天前
|
SQL 关系型数据库 MySQL
实时计算 Flink版产品使用合集之在使用Flink SQL向ClickHouse写入数据的过程中出现丢数据或重复数据的情况如何解决
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架，广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器，提供了一套全面的解决方案，以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点，使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
cuicuicuic
17 1
以山向海
|
3天前
|
存储 SQL Oracle
关系型数据库文件方式存储DATA FILE（数据文件）
【5月更文挑战第11天】关系型数据库文件方式存储DATA FILE（数据文件）
以山向海
14 3
cuicuicuic
|
3天前
|
消息中间件 Java Kafka
实时计算 Flink版产品使用合集之可以将数据写入 ClickHouse 数据库中吗
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架，广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器，提供了一套全面的解决方案，以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点，使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
cuicuicuic
14 1
cuicuicuic
|
3天前
|
Oracle 关系型数据库 MySQL
实时计算 Flink版产品使用合集之Flink CDC 2.3.0和Flink 1.17，无法从MySQL数据库中抽取数据，是什么原因导致的
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架，广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器，提供了一套全面的解决方案，以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点，使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
cuicuicuic
19 1
cuicuicuic
|
3天前
|
SQL 消息中间件 关系型数据库
实时计算 Flink版产品使用合集之用tidb连接器flink-connector-tidb-cdc-2.4.1.jar遇到从已存在的ck启动无效问题，启动后仍然从头开始读取数据
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架，广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器，提供了一套全面的解决方案，以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点，使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
cuicuicuic
22 1
向画
|
3天前
|
存储 JSON 前端开发
数据库中的数据
数据库中的数据
向画
9 0

热门文章

最新文章

  • 1
    号外号外！ClickHouse企业版正式商业化啦！
  • 2
    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
  • 3
    号外号外！ClickHouse企业版正式商业化啦！
  • 4
    Clickhouse数据库应用
  • 5
    Linux(6)CH9434 SPI调试笔记
  • 6
    Python与NoSQL数据库（MongoDB、Redis等）面试问答
  • 7
    手把手教你实现 OceanBase 数据到阿里云数据库 SelectDB 内核版 Apache Doris 的便捷迁移｜实用指南
  • 8
    Druid数据库连接池简介及应用推广(老项目翻出来做下记录)
  • 9
    Centos7安装mariadb数据库
  • 10
    MySQL环境搭建——“MySQL数据库”
  • 1
    sql数据库查询语句大全
    26
  • 2
    面对多种国产数据库，如何选择合适的技术栈和发展方向
    45
  • 3
    宝塔数据库崩溃解决方案详解
    59
  • 4
    视觉智能平台常见问题之创建人脸数据库失败如何解决
    30
  • 5
    TiDB的优势：为何选择TiDB作为您的数据库解决方案
    156
  • 6
    阿里云数据库使用方法，从购买、创建数据库账号密码到连接数据库全流程
    412
  • 7
    【mysql】—— 数据库的操作
    56
  • 8
    悦数图数据库推出 AI 知识图谱构建器及图语言生成助手
    61
  • 9
    Windows公网远程连接MongoDB数据库【无公网IP】
    75
  • 10
    嵌入式数据库sqlite3【基础篇】基本命令操作，小白一看就懂（C/C++）
    624

    • 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
  • 阿里云瑶池数据库精要2022版
  • 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
  • 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
  • Excel文件转存到RDS数据库
  • 快速体验PolarDB开源数据库
  • 使用SQL语句实现数据表管理
  • 如何基于PolarDB-PG处理空间数据

    • 推荐镜像

    更多
  • clickhouse
  • mongodb
  • postgresql
    • 下一篇
    2024年阿里云免费云服务器及学生云服务器申请教程参考
    http://www.vxiaotou.com