Apache Doris 数据类型全面解析：从基础到高级应用

一、数据类型概述

Apache Doris 作为一款高性能的MPP分析型数据库，提供了丰富的数据类型支持，以满足不同业务场景下的数据处理需求。本文将系统性地介绍Doris支持的所有数据类型，包括数值类型、日期时间类型、字符串类型、半结构化类型、聚合类型以及IP类型，帮助开发者更好地理解和使用这些数据类型。

二、数值类型详解

1. 布尔类型(BOOLEAN)

布尔类型是最基础的数据类型之一，在Doris中：

• 使用1表示true
• 使用0表示false

这种表示方式与大多数编程语言一致，便于理解和转换。

2. 整数类型

Doris提供了从1字节到16字节的完整整数类型系列：

类型	存储空间	取值范围	典型应用场景
TINYINT	1字节	-128 ~ 127	状态码、小范围计数
SMALLINT	2字节	-32,768 ~ 32,767	中等范围计数
INT	4字节	-2,147,483,648 ~ 2,147,483,647	常规整数存储
BIGINT	8字节	-9.22×10¹⁸ ~ 9.22×10¹⁸	大整数、ID等
LARGEINT	16字节	-2¹²⁷ ~ 2¹²⁷-1	超大整数、精确计算

选择建议：根据实际数据范围选择最小够用的类型，可以节省存储空间并提升查询性能。

3. 浮点类型

Doris支持两种浮点类型：

• FLOAT：单精度浮点，约7位有效数字
• DOUBLE：双精度浮点，约15位有效数字

注意：浮点类型存在精度损失问题，不适合金融等需要精确计算的场景。

4. 定点类型(DECIMAL)

DECIMAL类型用于精确计算，特别适合金融领域：

• 可指定精度和小数位数
• 不会产生浮点运算的精度误差
• 语法：DECIMAL(P,S)，P表示总位数，S表示小数位数

三、日期时间类型

1. 主要类型

类型	精度	格式示例	特点
DATE	天	'2023-01-01'	仅存储日期
DATETIME	微秒	'2023-01-01 12:00:00'	存储日期和时间
TIME	秒	'12:00:00'	仅存储时间(暂不支持建表)

2. 使用建议

• 避免直接将日期时间类型转为数值类型操作
• 使用内置函数处理日期计算：
  • TIME_TO_SEC：时间转秒数
  • DATE_DIFF：计算日期差
  • UNIX_TIMESTAMP：获取Unix时间戳

四、字符串类型

1. 类型对比

类型	长度特性	最大长度	存储特点
CHAR(M)	固定长度	255字节	不足长度会填充空格
VARCHAR(M)	可变长度	65,533字节	只存储实际内容
STRING	可变长度	默认1MB(可配置)	大文本存储

2. 选择策略

• 确定长度的字段使用CHAR(M)效率更高
• 长度变化大的字段使用VARCHAR(M)节省空间
• 超大文本使用STRING类型

五、半结构化类型

1. 固定模式类型

• ARRAY：存储同类型元素集合
• MAP：键值对集合
• STRUCT：复合结构，可包含不同类型字段

优势：固定模式带来高性能，适合分析场景。

2. 灵活模式类型

• VARIANT：自动扩展JSON结构为列存储
  • 高压缩率
  • 适合日志、IoT等半结构化数据
• JSON：二进制存储格式
  • 点查询性能提升2倍以上
  • 适合高并发查询场景

六、聚合类型

1. 主要类型及用途

类型	主要用途	优势
BITMAP	精确去重(UV统计)	空间效率高，计算快
HLL	近似去重	比COUNT DISTINCT更快
QUANTILE_STATE	近似分位数计算	性能优于PERCENTILE函数
AGG_STATE	加速聚合计算	与聚合函数组合使用

七、IP类型

1. 类型特点

• IPv4：4字节存储，配套ipv4_*函数族
• IPv6：16字节存储，配套ipv6_*函数族

优势：相比字符串存储，查询更快且更节省空间。

八、最佳实践建议

1. 数值类型：根据范围选择最小够用的类型
2. 字符串类型：优先使用VARCHAR，固定长度用CHAR
3. 日期类型：使用专门函数处理，避免直接数值转换
4. 半结构化数据：
   • 模式固定：使用ARRAY/MAP/STRUCT
   • 模式灵活：查询为主用JSON，分析为主用VARIANT
5. 去重统计：优先考虑BITMAP和HLL类型

通过合理选择数据类型，可以显著提升Doris的存储效率和查询性能。建议在实际应用中根据具体业务场景和数据特点选择最适合的类型。