表概述

系统架构

基本概念

• 项目

  项目（Project）是MaxCompute的基本组织单元，类似于传统数据库的Database或Schema。项目是进行多用户隔离和访问控制的主要边界。一个用户可以同时拥有多个项目的权限。您通过安全授权可以跨项目访问对象，例如表（Table）、资源（Resource）、函数（Function）和实例（Instance）。

• 表

  表（Table）是MaxCompute的数据存储单元。它在逻辑上是由行和列组成的二维结构，每行代表一条记录，每列表示相同数据类型的一个字段。一条记录可以包含一个或多个列，各个列的名称和数据类型构成表的Schema。

  MaxCompute的表有两种类型：

  • 内部表：所有数据都存储在MaxCompute中，内部表的列可以是MaxCompute支持的任意一种数据类型。本文所介绍的相关规范只针对此类表。

  • 外部表：数据不存储在MaxCompute中，表数据可以存放在OSS或OTS。MaxCompute仅会记录表格的Meta信息。您可以通过MaxCompute的外部表机制处理OSS或OTS上的非结构化数据，例如视频、音频、基因、气象或地理信息等。本文所介绍的相关规范不包含此类表。

• 分区

  您需要在创建表时指定分区空间，即指定表内的某几个字段作为分区列。

  分区的作用类似于分类，即通过分类把不同类型的数据放到不同的目录下。分类的标准是分区字段，即不同的字段代表不同的分类标准。分区字段的个数没有限制，您可以设置一个或多个分区字段。

  分区表用于优化查询，查询表时通过WHERE语句指定待查询的分区，避免全表扫描，提高处理效率，降低费用。

• 建表语法如下，详情请参见表操作。

  CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name
  [(col_name data_type [COMMENT col_comment], ...)]
  [COMMENT table_comment]
  [PARTITIONED BY (col_name data_type [COMMENT col_comment], ...)]
  [CLUSTERED BY (col_name [, col_name, ...]) [SORTED BY (col_name [ASC | DESC] [, col_name [ASC | DESC] ...])] INTO number_of_buckets BUCKETS] -- 用于创建Hash Clustering表时设置表的Shuffle和Sort属性。
  [STORED BY StorageHandler]  -- 仅限外部表
  [WITH SERDEPROPERTIES (Options)]  -- 仅限外部表
  [LOCATION OSSLocation] -- 仅限外部表
  [LIFECYCLE days]
  [AS select_statement];
  CREATE TABLE [IF NOT EXISTS] table_name
  LIKE existing_table_name;

• 数据类型

  • 基础数据类型

    类型	是否新增	常量定义	描述
    TINYINT	是	1Y、-127Y	8位有符号整型。范围：-128~127。
    SMALLINT	是	32767S、-100S	16位有符号整数。 范围：-32768~32767。
    INT	是	1000、-15645787	32位有符号整数。范围：-231~231 -1。
    BIGINT	否	100000000000L、-1L	64位有符号整型。范围：-263+1~263-1。
    FLOAT	是	无	32位二进制浮点型。
    DOUBLE	否	3.1415926 1E+7	8字节双精度浮点数或64位二进制浮点型。
    DECIMAL	否	3.5BD、99999999999.9999999BD	10进制精确数字类型。整数部分范围：-1036+1~1036-1。小数部分精确到10-18 。
    VARCHAR(n)	是	无	变长字符类型，n为长度。取值范围：1~65535。
    STRING	否	"abc"、'bcd'、"alibaba"、"inc"	字符串类型。长度限制为8 MB。
    BINARY	是	无	二进制数据类型。长度限制为8 MB。
    DATETIME	否	DATETIME '2017-11-11 00:00:00'	日期时间类型，使用东八区时间作为系统标准时间。范围：0000年1月1日~9999年12月31日，精确到毫秒。
    TIMESTAMP	是	TIMESTAMP '2017-11-11 00:00:00.123456789'	与时区无关的时间戳类型。范围：0000年1月1日~9999年12月31日23:59:59.999999999，精确到纳秒。
    BOOLEAN	否	TRUE、FALSE	布尔类型。值为TRUE或FALSE。

  • 复杂数据类型

    类型	定义方法	构造方法
    ARRAY	array<int>、array<struct<a:int，b:string>>	array(1, 2, 3)、array(array(1, 2)、array(3, 4))
    MAP	map<string, string>、map<smallint, array<string>>	map("k1", "v1", "k2", "v2")、map(1S, array('a', 'b'), 2S, array('x', 'y’))
    STRUCT	struct<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))

    您可以执行如下命令打开复杂数据类型：

    • Session级别，需要将set命令和SQL命令一起提交。

      set odps.sql.type.system.odps2=true;

    • Project级别，需要Project Owner执行。

      setproject odps.sql.type.system.odps2=true;

    说明

    • 数据精确的场景，不建议使用DOUBLE类型。

    • Round函数对DOUBLE类型字段的处理结果不一定是准确的四舍五入结果。

    • 当您在函数Round、Trunc、Floor、Ceil和Bround中使用DOUBLE类型数据时，需要注意精度问题。

表的限制