大数据ClickHouse（四）：数据类型详细介绍

大数据ClickHouse（四）：数据类型详细介绍

文章目录

​​数据类型详细介绍​​

​​一、Int​​

​​二、Float​​

​​三、Decimal​​

​​四、String​​

​​五、FixedString​​

​​六、UUID​​

​​七、Date​​

​​八、DateTime​​

​​九、DateTime64​​

​​十、布尔类型​​

​​十一、枚举类型 Enum​​

​​十二、Nullable​​

​​十三、数组类型 Array(T)​​

​​十四、Tuple类型​​

​​十五、嵌套类型Nested​​

​​十六、Domain​​

数据类型详细介绍

ClickHouse提供了许多数据类型，它们可以划分为基础类型、复合类型和特殊类型。我们可以在system.data_type_families表中检查数据类型名称以及是否区分大小写。这个表中存储了ClickHouse支持的所有数据类型。

select * from system.data_type_families limit 10;SELECT *FROM system.data_type_familiesLIMIT 10┌─name────────────┬─case_insensitive─┬─alias_to─┐│ Polygon │ 0 │ ││ Ring │ 0 │ ││ MultiPolygon │ 0 │ ││ IPv6 │ 0 │ ││ IntervalSecond │ 0 │ ││ IPv4 │ 0 │ ││ UInt32 │ 0 │ ││ IntervalYear │ 0 │ ││ IntervalQuarter │ 0 │ ││ IntervalMonth │ 0 │ │└─────────────────┴──────────────────┴──────────┘10 rows in set. Elapsed: 0.004 sec.

下面介绍下常用的数据类型，ClickHouse与Mysql、Hive中常用数据类型的对比图如下：

一、Int

ClickHouse中整形分为Int8、Int16、Int32、Int64来表示整数不同的取值范围，其末尾数字正好代表占用字节的大小（8位=1字节），整形又包含有符号整形和无符号整形，他们写法上的区别为无符号整形前面加“U”表示。

有符号整型范围

无符号整形范围

二、Float

我们建议使用整数方式来存储数据，因为浮点类型数据计算可能导致四舍五入的误差。浮点类型包含单精度浮点数和双精度浮点数。

单精度浮点数

Float32从小数点后第8位起会发生数据溢出。

双精度浮点数

Float64从小数点后第17位起会发生数据溢出。

示例

toFloat32(...) 用来将字符串转换成Float32类型的函数toFloat64(...) 用来将字符串转换成Float64类型的函数

#浮点数有可能导致数据误差node1 :) select 1-0.9SELECT 1 - 0.9┌───────minus(1, 0.9)─┐│ 0.09999999999999998 │└─────────────────────┘1 rows in set. Elapsed: 0.021 sec.#Float32类型，从第8位开始产生溢出，会四舍五入。node1 :) select toFloat32(0.123456789);SELECT toFloat32(0.123456789)┌─toFloat32(0.123456789)─┐│ 0.12345679 │└────────────────────────┘1 rows in set. Elapsed: 0.004 sec. # Float64类型，从第17为开始产生数据溢出，会四舍五入node1 :) select toFloat64(0.12345678901234567890);SELECT toFloat64(0.12345678901234568)┌─toFloat64(0.12345678901234568)─┐│ 0.12345678901234568 │└────────────────────────────────┘1 rows in set. Elapsed: 0.006 sec.

三、Decimal

有符号的定点数，可在加、减和乘法运算过程中保持精度。ClickHouse提供了Decimal32、Decimal64、Decimal128、Decimal256几种精度的定点数，支持几种写法：

Decimal(P,S)Decimal32(S),数据范围：(-1*10^(9-S),1*10^(9-S))Decimal64(S),数据范围：(-1*10^(18-S),1*10^(18-S))Decimal128(S),数据范围：(-1*10^(38-S),1*10^(38-S))Decimal256(S),数据范围：(-1*10^(76-S),1*10^(76-S))

其中，P代表精度，决定总位数（整数部分+小数部分），取值范围是1~76。S代表规模，决定小数位数，取值范围是0~P。

根据P值的范围可以有如下对等写法，这里以小数点后2位举例：

另外，Decimal数据在进行四则运算时，精度（总位数）和规模（小数点位数）会发生变化，具体规则如下：

精度（总位数）对应规则：

Decimal64(S1) 运算符 Decimal32(S2) -> Decimal64(S)Decimal128(S1) 运算符 Decimal32(S2) -> Decimal128(S）Decimal128(S1) 运算符 Decimal64(S2) -> Decimal128(S)Decimal256(S1) 运算符Decimal<32|64|128>(S2) -> Decimal256(S)

两个不同精度的数据进行四则运算时，结果数据的精度以最大精度为准。

规模（小数点位数）对应规则：

加法|减法：S=max(S1,S2)，即以两个数据中小数点位数最多的为准。乘法：S=S1+S2(注意：S1精度>=S2精度)，即以两个数据的小数位相加为准。除法：规模以被除数的小数位为准。两数相除，被除数的小数位数不能小于除数的小数位数，也就是触发的规模可以理解为与两个数据中小数点位数大的为准。举例：a/b ，a是被除数，与a的规模保持一致。

示例：

toDecimal32(value,S):将字符串value转换为Decimal32类型,小数点后有S位。toTypeName(字段)：获取字段的数据类型函数。

#测试加法,S取两者最大的，P取两者最大的node1 :) select toDecimal64(2,3) as x, toTypeName(x) as xtype, toDecimal32(2,2) as y, toTypeName(y) as ytype, x+y as z, toTypeName(z) as ztype;

结果如下：

#测试减法，S取两者最大的，P取两者最大的。node1 :) select toDecimal64(2,3) as x, toTypeName(x) as xtype, toDecimal32(2,2) as y, toTypeName(y) as ytype, x-y as z, toTypeName(z) as ztype;

结果如下：

#测试乘法，S取两者最大的，P取两者小数位之和。node1 :) select toDecimal64(2,3) as x, toTypeName(x) as xtype, toDecimal32(2,2) as y, toTypeName(y) as ytype, x*y as z, toTypeName(z) as ztype;

结果如下：

#测试除法，S取两者最大的，P取被除数的小数位数。node1 :) select toDecimal64(2,3) as x, toTypeName(x) as xtype, toDecimal32(2,2) as y, toTypeName(y) as ytype, x/y as z, toTypeName(z) as ztype;

node1 :) select 1-toDecimal64(0.9,1);SELECT 1 - toDecimal64(0.9, 1)┌─minus(1, toDecimal64(0.9, 1))─┐│ 0.1 │└───────────────────────────────┘

四、String

字符串可以是任意长度的。它可以包含任意的字节集，包含空字节。因此，字符串类型可以代替其他 DBMSs 中的VARCHAR、BLOB、CLOB 等类型。

这个类型比较简单，这里就不举例了

五、FixedString

# N表示字符串的长度。 FixedString(N)

当向ClickHouse中插入数据时,如果字符串包含的字节数少于 N ,将对字符串末尾进行空字节填充。如果字符串包含的字节数大于N,将抛出Too large value for FixedString(N)异常。

当做数据查询时，ClickHouse不会删除字符串末尾的空字节。 如果使用WHERE子句，则须要手动添加空字节以匹配FixedString的值，新版本后期不需要手动添加。

示例：

toFixedString(value,N)：将字符串转换为N位长度，N不能小于value字符串实际长度。

#查看字符号串长度node1 :) select toFixedString('hello',6) as a,length(a) as alength;SELECT toFixedString('hello', 6) AS a, length(a) AS alength┌─a─────┬─alength─┐│ hello │ 6 │└───────┴─────────┘node1 :) select toFixedString('hello world',6) as a,length(a) as alength;SELECT toFixedString('hello world', 6) AS a,length(a) AS alengthReceived exception from server (version 20.8.3):Code: 131. DB::Exception: Received from localhost:9000. DB::Exception: String too long for type FixedString(6).

六、UUID

UUID是一种数据库常见的主键类型，在ClickHouse中直接把它作为一种数据类型。UUID共有32位，它的格式为8-4-4-4-12，如果在插入新记录时未指定UUID列值，则UUID值将用0来填充（00000000-0000-0000-0000-000000000000）。

UUID类型不支持算术运算、聚合函数sum和avg。

示例：

generateUUIDv4()随机生成一个32位的UUID。

# 使用mydb库node1 :) use mydb;#创建表t_uuid,指定x列为UUID类型，表引擎为TinyLognode1 :) CREATE TABLE t_uuid (x UUID, y String) ENGINE=TinyLog#向表 t_uuid中插入一条数据node1 :) INSERT INTO t_uuid SELECT generateUUIDv4(), 'Example 1';#向表t_uuid中插入一条数据，这里不指定UUID的值，默认会生成0来填充node1 :) INSERT INTO t_uuid (y) VALUES ('Example 2')#查询结果node1 :) select * from t_uuid;SELECT *FROM t_uuid┌────────────────────────────────────x─┬─y─────────┐│ 9c9f82dc-48a0-4749-b46a-cf6a1159c1fe │ Example 1 ││ 00000000-0000-0000-0000-000000000000 │ Example 2 │└──────────────────────────────────────┴───────────┘2 rows in set. Elapsed: 0.003 sec.

七、Date

Date只能精确到天，用两个字节存储，表示从1970-01-01（无符号）到当前的日期值。日期中没有存储时区信息，不能指定时区。

示例：

now() : 获取当前天日期，返回格式：yyyy-MM-dd HH:mm:sstoDate(value) : 将字符串转成Date，只支持yyyy-MM-dd格式。

# 创建表t_datenode1 :) CREATE TABLE t_date (x date) ENGINE=TinyLog;# 向表中插入两条数据node1 :) INSERT INTO t_date VALUES('2022-06-01'),('2022-07-01');# 查询结果node1 :) SELECT x,toTypeName(x) FROM t_date;SELECT x, toTypeName(x)FROM t_date┌──────────x─┬─toTypeName(x)─┐│ 2022-06-01 │ Date ││ 2022-07-01 │ Date │└────────────┴───────────────┘2 rows in set. Elapsed: 0.003 sec.# 获取当前天日期时间及日期转换node1 :) select now(),toDate(now()) as d,toTypeName(d) ;SELECT now(), toDate(now()) AS d, toTypeName(d)┌───────────────now()─┬──────────d─┬─toTypeName(toDate(now()))─┐│ 2022-06-25 18:03:00 │ 2022-06-25 │ Date │└─────────────────────┴────────────┴───────────────────────────┘1 rows in set. Elapsed: 0.004 sec.

八、DateTime

DateTime精确到秒，可以指定时区。用四个字节（无符号的）存储Unix时间戳。允许存储与日期类型相同的范围内的值。最小值为0000-00-00 00:00:00，时间戳类型值精确到秒。

时区使用启动客户端或服务器时的系统时区。默认情况下，客户端连接到服务的时候会使用服务端时区。您可以通过启用客户端命令行选项 --use_client_time_zone 来设置使用客户端时区。

示例：

toDateTime(DateTimeValue) ：将字符串转成DateTime，只支持yyyy-MM-dd HH:MI:SS。toDateTime(DateTimeValue,时区) ：同上，支持将数据转换为对应时区时间。

# 创建表 t_datetimenode1 :) CREATE TABLE t_datetime(`timestamp` DateTime) ENGINE = TinyLog;# 向表中插入一条数据node1 :) INSERT INTO t_datetime Values('2022-06-01 08:00:00');# 查询数据node1 :) SELECT timestamp,toTypeName(timestamp) as t FROM t_datetime;SELECT timestamp, toTypeName(timestamp) AS tFROM t_datetime┌───────────timestamp─┬─t────────┐│ 2022-06-01 08:00:00 │ DateTime │└─────────────────────┴──────────┘1 rows in set. Elapsed: 0.003 sec# 转换时区查询node1 :) SELECT toDateTime(timestamp, 'Asia/Shanghai') AS column, toTypeName(column) AS x FROM t_datetime;SELECT toDateTime(timestamp, 'Asia/Shanghai') AS column, toTypeName(column) AS xFROM t_datetime┌──────────────column─┬─x─────────────────────────┐│ 2022-06-01 08:00:00 │ DateTime('Asia/Shanghai') │└─────────────────────┴───────────────────────────┘1 rows in set. Elapsed: 0.003 sec.

九、DateTime64

DateTime64精确到毫秒和微秒，可以指定时区。在内部，此类型以Int64类型将数据存储。时间刻度的分辨率由precision参数确定。此外，DateTime64 类型可以像存储其他数据列一样存储时区信息，时区会影响 DateTime64 类型的值如何以文本格式显示，以及如何解析以字符串形式指定的时间数据 (‘2020-01-01 05:00:01.000’)。时区信息不存储在表的行中，而是存储在列的元数据中。

语法如下：

# precision 精度，timezone：时区DateTime64(precision, [timezone])

示例：

toDateTime64(timeStr,precision):将字符串转成DateTime64，精度为precision。支持yyyy-MM-dd HH:MI:SS.SSS时间格式。toDateTime64(timeStr,precision，timezone):同上，只是可以将时间转换为对应时区时间。

#创建表node1 :) CREATE TABLE dt(`timestamp` DateTime64(3, 'Europe/Moscow'),`event_id` UInt8) ENGINE = TinyLog#插入数据node1 :) INSERT INTO dt Values (1546300800000, 1), ('2019-01-01 00:00:00', 2)，(1546300812345, 3)#查询数据node1 :) select * from dt;SELECT *FROM dt┌───────────────timestamp─┬─event_id─┐│ 2019-01-01 03:00:00.000 │ 1 ││ 2019-01-01 00:00:00.000 │ 2 ││ 2019-01-01 03:00:12.345 │ 3 │└─────────────────────────┴──────────┘3 rows in set. Elapsed: 0.003 sec. #使用toDateTime64转换时间node1 :) select toDateTime64(timestamp,4) as t1,toDateTime64(timestamp,4,'Europe/London') as t2,event_id from dt;SELECT toDateTime64(timestamp, 4) AS t1, toDateTime64(timestamp, 4, 'Europe/London') AS t2, event_idFROM dt┌───────────────────────t1─┬───────────────────────t2─┬─event_id─┐│ 2019-01-01 03:00:00.0000 │ 2019-01-01 00:00:00.0000 │ 1 ││ 2019-01-01 00:00:00.0000 │ 2018-12-31 21:00:00.0000 │ 2 ││ 2019-01-01 03:00:12.3450 │ 2019-01-01 00:00:12.3450 │ 3 │└──────────────────────────┴──────────────────────────┴──────────┘3 rows in set. Elapsed: 0.003 sec.

十、布尔类型

ClickHouse中没有单独的类型来存储布尔值。可以使用 UInt8 类型，取值限制为 0 或 1。具体参照枚举类型。

十一、枚举类型 Enum

枚举类型通常在定义常量时使用，ClickHouse提供了Enum8和Enum16两种枚举类型。Enum保存'string'=integer的对应关系。在 ClickHouse 中，尽管用户使用的是字符串常量，但所有含有 Enum 数据类型的操作都是按照包含整数的值来执行。这在性能方面比使用 String 数据类型更有效。

Enum8和Enum16分别对应'String'=Int8和'String'=Int16，Enum8类型的每个值范围是-128 ... 127，Enum16类型的每个值范围是-32768 ... 32767，所有的字符串或者数字都必须是不一样的，允许存在空字符串，Enum类型中数字可以是任意顺序，顺序并不重要。

向Enum字段中插入值时，可以插入枚举的字符串值也可以插入枚举对应的Int值，建议插入对应的字符串值，这样避免插入对应的Int值不在Enum枚举集合中再次查询表时报错。定义了枚举类型值之后，不能写入其他值的数据，写入的值不在枚举集合中就会抛出异常。

示例：

#创建一个表，带有Enum类型的列node1 :) CREATE TABLE t_enum(x Enum8('hello' = 1, 'world' = 2)) ENGINE = TinyLog#向表中插入数据node1 :) insert into t_enum values('hello'),(2);#查询结果node1 :) select * from t_enum;SELECT *FROM t_enum┌─x─────┐│ hello ││ world │└───────┘2 rows in set. Elapsed: 0.003 sec. #插入不在枚举集合中的值时，抛出异常node1 :) insert into t_enum values ('aa')INSERT INTO t_enum VALUESException on client:Code: 36. DB::Exception: Unknown element 'aa' for type Enum8('hello' = 1, 'world' = 2)Connecting to database mydb at localhost:9000 as user default.Connected to ClickHouse server version 20.8.3 revision 54438.#使用枚举类型代替boolean类型。建表，并插入数据node1 :) CREATE TABLE t_enum2(bl Enum8('true' = 1, 'false' = 0)) ENGINE = TinyLog;node1 :) insert into t_enum2 values(0),(1);node1 :) select * from t_enum2;SELECT *FROM t_enum2┌─bl────┐│ false ││ true │└───────┘2 rows in set. Elapsed: 0.004 sec.#查询时可以通过函数将对应的Enum底层数值获取出来node1 :) select toInt8(bl) from t_enum2;SELECT toInt8(bl)FROM t_enum2┌─toInt8(bl)─┐│ 0 ││ 1 │└────────────┘2 rows in set. Elapsed: 0.004 sec.

十二、Nullable

Nullable类型只能与基础数据类型搭配使用，表示某个类型的值可以为NULL,Nullable(Int8)表示可以存储Int8类型的值，没有值时存NULL。使用Nullable需要注意：Nullable类型的字段不能作为索引字段，尽量避免使用Nullable类型，因为字段被定义为Nullable类型后会额外生成[Column].null.bin文件保存Null值，增加开销，比普通列消耗更多的存储空间。

示例：

#创建表，含有Nullable类型的列node1 :) CREATE TABLE t_null(x Int8, y Nullable(Int8)) ENGINE TinyLog;#向表 t_null中插入数据node1 :) INSERT INTO t_null VALUES (1, NULL), (2, 3);#查询表t_null中的数据node1 :) select * from t_null;SELECT *FROM t_null┌─x─┬────y─┐│ 1 │ ᴺᵁᴸᴸ ││ 2 │ 3 │└───┴──────┘2 rows in set. Elapsed: 0.007 sec#查询表t_null做简单运算node1 :) SELECT x + y FROM t_null;SELECT x + yFROM t_null┌─plus(x, y)─┐│ ᴺᵁᴸᴸ ││ 5 │└────────────┘2 rows in set. Elapsed: 0.004 sec.

十三、数组类型 Array(T)

Array(T)，由 T 类型元素组成的数组。T 可以是任意类型，包含数组类型。但不推荐使用多维数组，ClickHouse对多维数组的支持有限。例如，不能在MergeTree表中存储多维数组。

数组的定义方式有两种：Array(T),[1,2,3... ...],数组类型里面的元素必须具有相同的数据类型，否则会报异常。另外，需要注意的是，数组元素中如果存在Null值，则元素类型将变为Nullable。

从数组中查询获取值使用 xx[1|2.. ...]，直接使用中括号获取值，下标从1开始。

示例：

#两种方式定义数组node1 :) SELECT array(1, 2) AS x, toTypeName(x),['zs','ls','ww'] as y ,toTypeName(y)SELECT [1, 2] AS x, toTypeName(x), ['zs', 'ls', 'ww'] AS y, toTypeName(y)┌─x─────┬─toTypeName(array(1, 2))─┬─y────────────────┬─toTypeName(['zs', 'ls', 'ww'])─┐│ [1,2] │ Array(UInt8) │ ['zs','ls','ww'] │ Array(String) │└───────┴─────────────────────────┴──────────────────┴────────────────────────────────┘1 rows in set. Elapsed: 0.004 sec. # 数组中有Null，则数组类型为Nullablenode1 :) SELECT array(1, 2, NULL) AS x, toTypeName(x);SELECT [1, 2, NULL] AS x, toTypeName(x)┌─x──────────┬─toTypeName(array(1, 2, NULL))─┐│ [1,2,NULL] │ Array(Nullable(UInt8)) │└────────────┴───────────────────────────────┘1 rows in set. Elapsed: 0.006 sec.#数组类型里面的元素必须具有相同的数据类型，否则会报异常node1 :) SELECT array(1, 'a')SELECT [1, 'a']Received exception from server (version 20.8.3):Code: 386. DB::Exception: Received from localhost:9000. DB::Exception: There is no supertype for types UInt8, String because some of them are String/FixedString and some of them are not. 0 rows in set. Elapsed: 0.005 sec.#创建表，含有array(T)类型字段，并插入数据node1 :) create table t_array(id UInt32,name String,score Array(UInt32)) ENGINE = TinyLog;#插入数据，注意：字符串在clickhouse中只能是单引号node1 :) insert into t_array values (1,'zs',array(10,20,30)),(2,'ls',[100,200,300])#数组内获取值node1 :) select id,name,score[1] from t_array;SELECT id, name, score[1]FROM t_array┌─id─┬─name─┬─arrayElement(score, 1)─┐│ 1 │ zs │ 10 ││ 2 │ ls │ 100 │└────┴──────┴────────────────────────┘5 rows in set. Elapsed: 0.004 sec.

十四、Tuple类型

元组类型有1~n个元素组成，每个元素允许设置不同的数据类型，且彼此之间不要求兼容。与数组类似，元组也可以使用两种方式定义：tuple(1,'hello',12.34)或者直接写(1,'hello',45.67),元组中可以存储多种数据类型，但是要注意数据类型的顺序。

示例：

#创建元组node1 :) SELECT tuple(1,'a') AS x, toTypeName(x),(1,'b','hello') AS y ,toTypeName(y)SELECT (1, 'a') AS x, toTypeName(x), (1, 'b', 'hello') AS y, toTypeName(y)┌─x───────┬─toTypeName(tuple(1, 'a'))─┬─y───────────────┬─toTypeName(tuple(1, 'b', 'hello'))─┐│ (1,'a') │ Tuple(UInt8, String) │ (1,'b','hello') │ Tuple(UInt8, String, String) │└─────────┴───────────────────────────┴─────────────────┴────────────────────────────────────┘1 rows in set. Elapsed: 0.004 sec. #建表，含有元组类型node1 :) create table t_tuple(id UInt8,name String,info Tuple(String,UInt8)) engine = TinyLog#插入数据node1 :) insert into t_tuple values (1,'zs',tuple('cls1',100)),(2,'ls',('cls2',200))#查询数据node1 :) select * from t_tuple;SELECT *FROM t_tuple┌─id─┬─name─┬─info─────────┐│ 1 │ zs │ ('cls1',100) ││ 2 │ ls │ ('cls2',200) │└────┴──────┴──────────────┘2 rows in set. Elapsed: 0.003 sec.

十五、嵌套类型Nested

ClickHouse支持嵌套数据类型（Nested）,可以为一个表定义一个或者多个嵌套数据类型字段，但是每个嵌套字段只支持一级嵌套，即嵌套字段内不能继续使用嵌套类型。嵌套一般用来表示简单的级联关系，嵌套本质上是一个多维数组，嵌套类型中的每个数组的长度必须相同。目前，Nested类型支持很局限，MergeTree引擎中不支持Nested类型。

示例：

#创建一个表，每个人可以属于多个部门，在不同部门有不同的编号idnode1 :) create table t_nested(:-] id UInt8,:-] name String,:-] dept Nested(:-] id UInt8,:-] name String:-] )) engine = TinyLog;#查看表t_nested的表结构node1 :) desc t_nested;DESCRIBE TABLE t_nested┌─name──────┬─type──────────┬│ id │ UInt8 ││ name │ String ││ dept.id │ Array(UInt8) ││ dept.name │ Array(String) │└───────────┴───────────────┴4 rows in set. Elapsed: 0.003 sec.#向表t_nested中插入数据node1 :) insert into t_nested values (1,'zs',[10,11,12],['dp1','dp2','dp3']),(2,'ls',[100,101],['dp4','dp5'])#查询表 t_nested数据，可以获取嵌套类型中部分字段node1 :) select *,dept.name[1] as first_dpt from t_nested;SELECT *, dept.name[1] AS first_dptFROM t_nested┌─id─┬─name─┬─dept.id────┬─dept.name───────────┬─first_dpt─┐│ 1 │ zs │ [10,11,12] │ ['dp1','dp2','dp3'] │ dp1 ││ 2 │ ls │ [100,101] │ ['dp4','dp5'] │ dp4 │└────┴──────┴────────────┴─────────────────────┴───────────┘2 rows in set. Elapsed: 0.004 sec.

十六、Domain

Domain类型是特定实现的类型，目前支持IPv4和IPv6两类，本质上他们是对整形和字符串的进一步封装，IPv4类型基于UInt32封装，IPv6基于FixedString(16)封装。

出于便捷性的考量，例如：IPv4类型支持格式检查，格式错误的IP无法被写入。出于性能的考量，IPv4和IPv6相对于String更加紧凑，占用的空间更小，查询性能更快。

在使用Domain时需要注意，虽然表面看起来与String一样，但是Domain类型并不是字符串，也不支持隐式自动转换成字符串，如果需要返回IP的字符串形式，需要调用函数IPv4NumToString()和IPv6NumToString()显式实现。

示例：（示例以IPv4为例，IPv6同理）

#创建表 t_domain 含有IPv4字段node1 :) CREATE TABLE t_domain(url String, from IPv4) ENGINE = TinyLog;#插入数据node1 :) INSERT INTO t_domain(url, from) VALUES (''116.253.40.133')(''183.247.232.58')(''116.106.34.242');#查看表 t_domain结果数据node1 :) select * from t_domain;SELECT *FROM t_domain┌─url──────────────────────────────┬───────────from─┐│ │ 116.253.40.133 ││ │ 183.247.232.58 ││ │ 116.106.34.242 │└──────────────────────────────────┴────────────────┘3 rows in set. Elapsed: 0.004 sec. #插入数据不符合IP格式会报错node1 :) INSERT INTO t_domain(url, from) VALUES (''116.253.40')INSERT INTO t_domain (url, from) VALUESException on client:Code: 441. DB::Exception: Invalid IPv4 value.Connecting to database mydb at localhost:9000 as user default.Connected to ClickHouse server version 20.8.3 revision 54438.#将表 t_domain 中from IPv4类型转换成String类型node1 :) SELECT from,toTypeName(from) as tp1,toTypeName(s) as tp2, IPv4NumToString(from) as s FROM t_domain;SELECT from, toTypeName(from) AS tp1, toTypeName(s) AS tp2, IPv4NumToString(from) AS sFROM t_domain┌───────────from─┬─tp1──┬─tp2────┬─s──────────────┐│ 116.253.40.133 │ IPv4 │ String │ 116.253.40.133 ││ 183.247.232.58 │ IPv4 │ String │ 183.247.232.58 ││ 116.106.34.242 │ IPv4 │ String │ 116.106.34.242 │└────────────────┴──────┴────────┴────────────────┘3 rows in set. Elapsed: 0.003 sec.

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。