SQL 类型 - 数据类型概览 - 《Apache Doris v3.0 中文文档》

数值类型

包括以下 4 种：

1. BOOLEAN 类型：

两种取值，0 代表 false，1 代表 true。更多信息参考 BOOLEAN 文档。

2. 整数类型：

都是有符号整数，xxINT 的差异是占用字节数和表示范围

3. 浮点数类型：

不精确的浮点数类型 FLOAT 和 DOUBLE，和常见编程语言中的 float 和 double 对应。更多信息参考 FLOAT、DOUBLE 文档。

4. 定点数类型：

精确的定点数类型 DECIMAL，用于金融等精度要求严格准确的场景。更多信息参考 DECIMAL 文档。

日期类型包括 DATE、TIME 和 DATETIME，DATE 类型只存储日期精确到天，DATETIME 类型存储日期和时间，可以精确到微秒。TIME 类型只存储时间，且暂时不支持建表存储，只能在查询过程中使用。

对日期类型进行计算，或将其转换为数字，请使用类似 TIME_TO_SEC, DATE_DIFF, UNIX_TIMESTAMP 等函数，直接将其 CAST 为数字类型的结果不受保证。在未来的版本中，此类 CAST 行为将会被禁止。

更多信息参考 DATE、TIME 和 DATETIME 文档。

字符串类型支持定长和不定长，总共有以下 3 种：

CHAR(M)：定长字符串，固定长度 M 字节，M 的范围是 [1, 255]。
VARCHAR(M)：不定长字符串，M 是最大长度，M 的范围是 [1, 65533]。
STRING：不定长字符串，默认最长 1048576 字节（1MB），可调大到 2147483643 字节（2GB），BE 配置 string_type_length_soft_limit_bytes。

针对 JSON 半结构化数据，支持 3 类不同场景的半结构化数据类型：

支持嵌套的固定 schema，适合分析的数据类型 ARRAY、 MAP STRUCT：常用于用户行为和画像分析，湖仓一体查询数据湖中 Parquet 等格式的数据等场景。由于 schema 相对固定，没有动态 schema 推断的开销，写入和分析性能很高。
支持嵌套的不固定 schema，适合分析的数据类型 VARIANT：常用于 Log, Trace, IoT 等分析场景，schema 灵活可以写入任何合法的 JSON 数据，并自动展开成子列采用列式存储，存储压缩率高，聚合过滤排序等分析性能很好。
支持嵌套的不固定 schema，适合点查的数据类型 JSON：常用于高并发点查场景，schema 灵活可以写入任何合法的 JSON 数据，采用二进制格式存储，提取字段的性能比普通 JSON String 快 2 倍以上。

聚合类型存储聚合的结果或者中间状态，用于加速聚合查询，包括下面几种：

BITMAP：用于精确去重，如 UV 统计，人群圈选等场景。配合 bitmap_union、bitmap_union_count、bitmap_hash、bitmap_hash64 等 BITMAP 函数使用。
HLL：用于近似去重，性能优于 COUNT DISTINCT。配合 hll_union_agg、hll_raw_agg、hll_cardinality、hll_hash 等 HLL 函数使用。
QUANTILE_STATE：用于分位数近似计算，性能优于 PERCENTILE。配合 QUANTILE_PERCENT、QUANTILE_UNION、TO_QUANTILE_STATE 等函数使用。
AGG_STATE：用于聚合计算加速，配合 state/merge/union 聚合函数组合器使用。

IP 类型以二进制形式存储 IP 地址，比用字符串存储更省空间查询速度更快，支持 2 种类型：