2.0数据类型版本

本文为您介绍MaxCompute 2.0数据类型版本的定义、使用场景、支持的数据类型以及与其它数据类型版本的差异。

定义

项目空间选择数据类型版本为2.0数据类型版本时,项目空间的数据类型属性参数定义如下。

setproject odps.sql.type.system.odps2=true; --打开MaxCompute 2.0数据类型。
setproject odps.sql.decimal.odps2=true; --打开Decimal 2.0数据类型。
setproject odps.sql.hive.compatible=false; --关闭Hive兼容模式。

适用场景

适用于在2020年04月之前无存量数据的MaxCompute项目,且该项目依赖的产品组件支持2.0数据类型版本。

基础数据类型

类型

常量示例

描述

TINYINT

1Y、-127Y

8位有符号整型。

取值范围:-128~127。

SMALLINT

32767S、-100S

16位有符号整型。

取值范围:-32768~32767。

INT

1000、-15645787

32位有符号整型。

取值范围:-2 31~2 31-1。

BIGINT

100000000000L、-1L

64位有符号整型。

取值范围:-2 63+1~2 63 -1。

BINARY

  • unhex('FA34E10293CB42848573A4E39937F479')

  • X'616263'

二进制数据类型,目前长度限制为8 MB。

说明
  • X'num [...]'格式中num是16进制的数字,可以是0~9或者是A~F。例如X'616263',实际代表的是abc,因为字符a的ASCII编码是0x61,字符b的ASCII编码是0x62,字符c的ASCII编码是0x63X'616263'在语义上等效于unhex('616263')

  • 假如字符串长度不是偶数,系统会在前面补0,例如X'616'等效于X'0616'

  • 必须要使用半角单引号,不能使用双引号,例如X"616263"不会被解释成BINARY类型常量。

FLOAT

3.14F、cast(3.14159261E+7 as float)

32位二进制浮点型。

说明

由于计算机存储以及内部计算逻辑,用FLOAT类型进行计算时会有精度损失,如果对精度要求比较高,需要将FLOAT数据类型转换成DECIMAL类型进行计算。

DOUBLE

3.14D、3.14159261E+7

64位二进制浮点型。

说明

由于计算机存储以及内部计算逻辑,用DOUBLE类型进行计算时会有精度损失,如果对精度要求比较高,需要将DOUBLE数据类型转换成DECIMAL类型进行计算。

DECIMAL(precision,scale)

3.5BD、99999999999.9999999BD

10进制精确数字类型。

  • precision:表示最多可以表示多少位的数字。取值范围:1 <= precision <= 38

  • scale:表示小数部分的位数。取值范围: 0 <= scale <= 18

如果不指定以上两个参数,则默认为decimal(38,18)

说明
  • 同一个表中不能同时存在新老Decimal数据类型。

  • 执行setproject odps.sql.hive.compatible=true;命令开启Hive兼容模式时,Decimal(precision, scale)类型在数据导入(Tunnel Upload)和SQL运算过程中,如果数据的小数位数超过scale的大小,则会进行四舍五入的处理。如果整数部分超出限制,则会报错。

  • 当参数odps.sql.decimal.tostring.trimzero值为true时去掉小数点后末尾的零,为false时保留小数点后末尾的零,默认值为true。只对表里取数生效,对静态值不生效。

VARCHAR(n)

变长字符类型,n为长度。

取值范围:1~65535。

CHAR(n)

固定长度字符类型,n为长度,最大取值为255。长度不足则会填充空格,但空格不参与比较。

STRING

"abc"、'bcd'、"alibaba"、'inc'

字符串类型,目前长度限制为8 MB。

DATE

DATE'2017-11-11'

日期类型,格式为yyyy-mm-dd

取值范围:0001-01-01~9999-12-31。

DATETIME

DATETIME'2017-11-11 00:00:00'

日期时间类型。

取值范围:0001-01-01 00:00:00.000~9999-12-31 23:59:59.999,精确到毫秒。

TIMESTAMP

TIMESTAMP'2017-11-11 00:00:00.123456789'

时间戳类型。

取值范围:0001-01-01 00:00:00.000000000~9999-12-31 23:59:59.999999999,精确到纳秒。

说明

TIMESTAMP类型本身与时区无关,在任何时区,TIMESTAMP类型存储的都是从Epoch(UTC 1970-01-01 00:00:00)开始的一个偏移量。您可以通过内建函数对TIMESTAMP类型数据执行与时区相关的计算,如cast(<a timestamp> as string)将TIMESTAMP类型数据按照当前时区值转换成STRING类型。

TIMESTAMP_NTZ

TIMESTAMP_NTZ '2017-11-11 00:00:00.123456789'

无时区时间戳类型。

取值范围:0000-01-01 00:00:00.000000000~9999-12-31 23:59:59.999999999。关于TIMESTAMP_NTZ数据类型介绍,详情请参见MaxCompute TIMESTAMP_NTZ数据类型介绍

BOOLEAN

True、False

BOOLEAN类型。

取值范围:True、False。

数据类型说明如下:

  • 上述的各种数据类型均可以为NULL。

  • SQL中的INT关键字是32位整型。

    --将a转换为32位整型。
    cast(a as INT)
  • 整型常量的语义会默认为INT类型。例如SELECT 1 + a;中的整型常量1会被作为INT类型处理。如果常量过长,超过了INT的值域而又没有超过BIGINT的值域,则会作为BIGINT类型处理;如果超过了BIGINT的值域,则会被作为DOUBLE类型处理。

  • 隐式转换

    • 部分隐式类型转换会被禁用。例如,STRING->BIGINT、STRING->DATETIME、DOUBLE->BIGINT、DECIMAL->DOUBLE、DECIMAL->BIGINT有精度损失或者报错的风险。禁用类型可以通过CAST函数强制进行数据类型转换。

    • VARCHAR类型常量可以通过隐式转换为STRING常量。

  • 表、函数以及UDF

    • 参数涉及2.0数据类型的内置函数,在2.0数据类型版本下可以正常使用。

    • UDF包含的数据类型都会按照2.0数据类型进行解析重载。

    • 分区列支持STRING、VARCHAR、CHAR、TINYINT、SMALLINT、INT、BIGINT数据类型。

  • STRING常量支持连接,多(2个及以上)个字符串放一起,会自动连接成一个字符串,例如执行 select 'abc' 'efg' 'ddt';,返回结果为abcefgddt

  • 给DECIMAL字段插入常量时,常量的写法需要与常量定义中的格式保持一致。例如下面示例代码中的3.5BD

    insert into test_tb(a) values (3.5BD)
  • DATETIME查询显示的时间值不包含毫秒。Tunnel命令通过-dfp来指定时间格式,可以指定到毫秒显示,例如tunnel upload -dfp 'yyyy-MM-dd HH:mm:ss.SSS'。关于Tunnel命令的更多信息,请参见Tunnel命令

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(struct(1, 2), struct(3, 4))

MAP

  • map<string, string>

  • map<smallint, array<string>>

  • map("k1", "v1","k2","v2")

  • map(1S, array("a", "b"), 2S, array('z','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))

JSON

JSON

JSON '123'

说明
  • MaxCompute的复杂数据类型可以被嵌套使用,相关的内建函数说明请参见ARRAYMAPSTRUCTJSON

  • MaxCompute的复杂数据类型最大Size建议不要超过1 MB,即复杂数据类型里存的数据大小不能超过1 MB,否则会造成计算过程OOM的错误。

与其他数据类型版本的差异

  • DML语法行为差异

    • 集合操作中的LIMIT语句行为不同。

      例如,对于SELECT * FROM t1 UNION ALL SELECT * FROM t2 limit 10;

      • 1.0数据类型版本下时为SELECT * FROM t1 UNION ALL SELECT * FROM ( SELECT * FROM t2 limit 10) t2;

      • 2.0数据类型版本下时为SELECT * FROM (SELECT * FROM t1 UNION ALL SELECT * FROM t2 ) t limit 10;

      ORDER BY、DISTRIBUTE BY、SORT BY和CLUSTER BY操作也具有上述行为特点。

    • IN表达式的类型解析不同。

      例如a in (1, 2, 3)

      • 1.0数据类型版本时,要求IN后面的括号里的所有值的类型必须一致。

      • 2.0数据类型版本时,IN后面的括号里的所有值支持隐式类型转换一致即可。

    • INSERT语句转换规则不同。
      • Hive兼容数据类型:源数据类型如果可以显式转换为表中的数据类型,系统会自动插入转换函数并允许运行。
      • 1.0和2.0数据类型版本:源数据类型需要隐式转换为表中的数据类型,否则报错。
        --在Hive模式下成功,在其他模式下报错。
        create table t (a bigint); 
        insert into table select 1.5; 
  • 函数行为差异
    • + -*/、POW函数
      • Hive兼容数据类型版本:在数据溢出时绕回(即数据超出范围后返回初始值)。
      • 1.0和2.0数据类型版本:在数据溢出时报告异常,其它模式下返回NULL。
    • >>==<<=
      • Hive兼容数据类型版本:在比较DOUBLE类型数据时,直接比较Double值。
      • 1.0和2.0数据类型版本:在比较DOUBLE类型数据时,如果小数点后15位以前数据相同,认为数据相同。15位以后的数据不作比较。
    • 位操作运算符&|^
      • Hive兼容数据类型版本:返回参数类型。
      • 1.0和2.0数据类型版本:返回类型为BIGINT。
    • LENGTH、LENGTHB、FIND_IN_SET、INSTR、SIZE、HASH、SIGN函数
      • Hive兼容数据类型版本:返回类型为INT。
      • 1.0和2.0数据类型版本:返回类型为BIGINT。
    • FLOOR、CEIL
      • Hive兼容数据类型版本:如果参数为DECIMAL类型,在Hive兼容数据类型版本下返回类型仍为DECIMAL。
      • 1.0和2.0数据类型版本:如果参数为DECIMAL类型,在1.0和2.0数据类型版本下返回类型为BIGINT。
    • FROM_UNIXTIME
      • Hive兼容数据类型版本:返回值为STRING类型。
      • 1.0和2.0数据类型版本:返回值为DATETIME类型。
    • CONCAT_WS
      • Hive兼容数据类型版本:如果一个被连接的输入字符串为NULL,此字符串被忽略。
      • 1.0和2.0数据类型版本:如果一个被连接的输入字符串为NULL,则返回NULL。
    • FIND_IN_SET
      • Hive兼容数据类型版本:空字符串认为匹配字符串尾部。
        --Hive兼容模式下 
        find_in_set("","") 结果是1。
        find_in_set("", "a,") 结果是2。
      • 1.0和2.0数据类型版本:空字符串认为不匹配返回0。
    • REGEXP_(EXTRACT/REPLACE)
      • Hive兼容数据类型版本:REGEXP的模式定义符合Java regex规范。
      • 1.0和2.0数据类型版本:REGEXP的模式定义符合MaxCompute规范。
    • SUBSTR
      string substr(string <str>, bigint <start_position>[, bigint <length>])

      start_position:必填,为BIGINT类型,默认起始位置为1。

      • Hive兼容数据类型版本:当start_position为0时,与起始位置为1时相同。

      • 1.0和2.0数据类型版本:当start_position为0时,返回NULL。