openGauss学习笔记08 openGauss 数据类型

Table of Contents

• openGauss学习笔记-08 openGauss 数据类型
• 8.1 数值类型
• 8.2 布尔类型
• 8.3 字符类型
• 8.4 二进制类型
• 8.5 日期/时间类型
• 8.6 几何类型
• 8.7 网络地址类型
• 8.8 位串类型
• 8.9 文本搜索类型
• 8.10 UUID数据类型
• 8.11 JSON/JSONB类型
• 8.12 HLL数据类型
• 8.13 范围类型
• 8.14 索引
• 8.15 对象标识符类型
• 8.16 伪类型
• 8.17 列存表支持的数据类型
• 8.18 XML类型
• 8.19 账本数据库使用的数据类型

openGauss学习笔记-08 openGauss 数据类型

8.1 数值类型

表1列出了所有的可用类型。

表 1 整数类型

表 2 任意精度型

表 3 序列整型

表 4 浮点类型

8.2 布尔类型

表 5 布尔类型

8.3 字符类型

openGauss支持的字符类型请参见表6。

表 6 字符类型

说明：

• 除了每列的大小限制以外，每个元组的总大小也不可超过1GB-1字节，主要受列的控制头信息、元组控制头信息以及元组中是否存在NULL字段等影响。
• NCHAR为bpchar类型的别名，NCHAR(n)为b(n)类型bpchar(n)的别名。

在openGauss里另外还有两种定长字符类型。在表7里显示。name类型只用在内部系统表中，作为存储标识符，不建议普通用户使用。该类型长度当前定为64字节（63可用字符加结束符）。类型“char”只用了一个字节的存储空间。他在系统内部主要用于系统表，主要作为简单化的枚举类型使用。

表 7 特殊字符类型

8.4 二进制类型

openGauss支持的二进制类型请参见表8。

表 8 二进制类型

说明：

• 除了每列的大小限制以外，每个元组的总大小也不可超过1GB-8203字节（即1073733621字节）。
• 不支持直接使用BYTEAWITHOUTORDERWITHEQUALCOL和BYTEAWITHOUTORDERCOL，_BYTEAWITHOUTORDERWITHEQUALCOL，_BYTEAWITHOUTORDERCOL类型创建表。

8.5 日期/时间类型

openGauss支持的日期/时间类型请参见表9。

说明：
如果其他的数据库时间格式和openGauss的时间格式不一致，可通过修改配置参数DateStyle的值来保持一致。

表 9 日期/时间类型

8.6 几何类型

openGauss支持的几何类型请参见表10。最基本的类型：点，是其它类型的基础。

表 10 几何类型

openGauss提供了一系列的函数和操作符用来进行各种几何计算，如拉伸、转换、旋转、计算相交等。

• 点

  点是几何类型的基本二维构造单位。用下面语法描述point的数值：

  ( x , y )
x , y


  x和y是用浮点数表示的点的坐标。

  点输出使用第一种语法。

• 线段

  线段（lseg）是用一对点来代表的。用下面的语法描述lseg的数值：

  [ ( x1 , y1 ) , ( x2 , y2 ) ]
( ( x1 , y1 ) , ( x2 , y2 ) )
( x1 , y1 ) , ( x2 , y2 )
x1 , y1 , x2 , y2


  (x1,y1)和(x2,y2)表示线段的端点。

  线段输出使用第一种语法。

• 矩形

  矩形是用一对对角点来表示的。用下面的语法描述box的值：

  ( ( x1 , y1 ) , ( x2 , y2 ) )
( x1 , y1 ) , ( x2 , y2 )
x1 , y1 , x2 , y2


  (x1,y1)和(x2,y2)表示矩形的一对对角点。

  矩形的输出使用第二种语法。

  任何两个对角都可以出现在输入中，但按照那样的顺序，右上角和左下角的值会被重新排序以存储。

• 路径

  路径由一系列连接的点组成。路径可能是开放的，也就是认为列表中第一个点和最后一个点没有连接，也可能是闭合的，这时认为第一个和最后一个点连接起来。

  用下面的语法描述path的数值：

  [ ( x1 , y1 ) , ... , ( xn , yn ) ]
( ( x1 , y1 ) , ... , ( xn , yn ) )
( x1 , y1 ) , ... , ( xn , yn )
( x1 , y1 , ... , xn , yn )
x1 , y1 , ... , xn , yn


  点表示组成路径的线段的端点。方括弧（[]）表明一个开放的路径，圆括弧（()）表明一个闭合的路径。当最外层的括号被省略，如在第三至第五语法，会假定一个封闭的路径。

  路径的输出使用第一种或第二种语法输出。

• 多边形

  多边形由一系列点代表（多边形的顶点）。多边形可以认为与闭合路径一样，但是存储方式不一样而且有自己的一套支持函数。

  用下面的语法描述polygon的数值：

  ( ( x1 , y1 ) , ... , ( xn , yn ) )
( x1 , y1 ) , ... , ( xn , yn )
( x1 , y1 , ... , xn , yn )
x1 , y1 , ... , xn , yn


  点表示多边形的端点。

  多边形输出使用第一种语法。

• 圆

  圆由一个圆心和半径标识。用下面的语法描述circle的数值：

  
( ( x , y ) , r )
( x , y ) , r
x , y , r


  (x,y)表示圆心，r表示半径。

  圆的输出用第一种格式。

8.7 网络地址类型

openGauss提供用于存储IPv4、IPv6、MAC地址的数据类型。

用这些数据类型存储网络地址比用纯文本类型好，因为这些类型提供输入错误检查和特殊的操作和功能。

表 11 网络地址类型

在对inet或cidr数据类型进行排序的时候，IPv4地址总是排在IPv6地址前面，包括那些封装或者是映射在IPv6地址里的IPv4地址，比如::10.2.3.4或::ffff:10.4.3.2。

• cidr

  cidr（无类别域间路由，Classless Inter-Domain Routing）类型，保存一个IPv4或IPv6网络地址。声明网络格式为address/y，address表示IPv4或者IPv6地址，y表示子网掩码的二进制位数。如果省略y，则掩码部分使用已有类别的网络编号系统进行计算，但要求输入的数据已经包括了确定掩码所需的所有字节。

表 12 cidr类型输入举例

• inet

  inet类型在一个数据区域内保存主机的IPv4或IPv6地址，以及一个可选子网。主机地址中网络地址的位数表示子网（“子网掩码”）。如果子网掩码是32并且地址是IPv4，则这个值不表示任何子网，只表示一台主机。在IPv6里，地址长度是128位，因此128位表示唯一的主机地址。

  该类型的输入格式是address/y，address表示IPv4或者IPv6地址，y是子网掩码的二进制位数。如果省略/y，则子网掩码对IPv4是32，对IPv6是128，所以该值表示只有一台主机。如果该值表示只有一台主机，/y将不会显示。

  inet和cidr类型之间的基本区别是inet接受子网掩码，而cidr不接受。

• macaddr

  macaddr类型存储MAC地址，也就是以太网卡硬件地址（尽管MAC地址还用于其它用途）。可以接受下列格式：

  '08:00:2b:01:02:03'
'08-00-2b-01-02-03'
'08002b:010203'
'08002b-010203'
'0800.2b01.0203'
'08002b010203'


  这些示例都表示同一个地址。对于数据位a到f，大小写都行。输出时都是以第一种形式展示。

8.8 位串类型

位串就是一串1和0的字符串。它们可以用于存储位掩码。

openGauss支持两种位串类型：bit(n)和bit varying(n)，这里的n是一个正整数。

bit类型的数据必须准确匹配长度n，如果存储短或者长的数据都会报错。bit varying类型的数据是最长为n的变长类型，超过n的类型会被拒绝。一个没有长度的bit等效于bit(1)，没有长度的bit varying表示没有长度限制。

说明： 如果用户明确地把一个位串值转换成bit(n)，则此位串右边的内容将被截断或者在右边补齐零，直到刚好n位，而不会抛出任何错误。 如果用户明确地把一个位串数值转换成bit varying(n)，如果它超过了n位，则它的右边将被截断。

--创建表。
openGauss=# CREATE TABLE bit_type_t1
(
BT_COL1 INTEGER,
BT_COL2 BIT(3),
BT_COL3 BIT VARYING(5)
) ;

--删除表。
openGauss=# DROP TABLE bit_type_t1;


8.9 文本搜索类型

openGauss提供了两种数据类型用于支持全文检索。tsvector类型表示为文本搜索优化的文件格式，tsquery类型表示文本查询。

• tsvector

  tsvector类型表示一个检索单元，通常是一个数据库表中一行的文本字段或者这些字段的组合，tsvector类型的值是一个标准词位的有序列表，标准词位就是把同一个词的变型体都标准化成相同的，在输入的同时会自动排序和消除重复。to_tsvector函数通常用于解析和标准化文档字符串。

  tsvector的值是唯一分词的分类列表，把一句话的词格式化为不同的词条，在进行分词处理的时候tsvector会自动去掉分词中重复的词条，按照一定的顺序录入。如：

  openGauss=# SELECT 'a fat cat sat on a mat and ate a fat rat'::tsvector;
tsvector
----------------------------------------------------
'a' 'and' 'ate' 'cat' 'fat' 'mat' 'on' 'rat' 'sat'
(1 row)


  从上面的例子可以看出，通过tsvector把一个字符串按照空格进行分词，分词的顺序是按照长短和字母排序的。但是如果词条中需要包含空格或标点符号，可以用引号标记：

  openGauss=# SELECT $$the lexeme ' ' contains spaces$$::tsvector;
tsvector
-------------------------------------------
' ' 'contains' 'lexeme' 'spaces' 'the'
(1 row)


  如果在词条中使用引号，可以使用双符号($)作为标记：

  openGauss=# SELECT $$the lexeme 'Joe''s' contains a quote$$::tsvector;
tsvector
------------------------------------------------
'Joe''s' 'a' 'contains' 'lexeme' 'quote' 'the'
(1 row)


  词条位置常量也可以放到词汇中：

  openGauss=# SELECT 'a:1 fat:2 cat:3 sat:4 on:5 a:6 mat:7 and:8 ate:9 a:10 fat:11 rat:12'::tsvector;
tsvector
-------------------------------------------------------------------------------
'a':1,6,10 'and':8 'ate':9 'cat':3 'fat':2,11 'mat':7 'on':5 'rat':12 'sat':4
(1 row)


  位置常量通常表示文档中源字的位置。位置信息可以用于进行排名。位置常量的范围是1到16383，最大值默认是16383。相同词的重复位会被忽略掉。

  拥有位置的词汇甚至可以用一个权来标记，这个权可以是A、B、C或D。默认的是D，因此输出中不会出现：

  openGauss=# SELECT 'a:1A fat:2B,4C cat:5D'::tsvector;
tsvector
----------------------------
'a':1A 'cat':5 'fat':2B,4C
(1 row)


  权可以用来反映文档结构，如：标记标题与主体文字的区别。全文检索排序函数可以为不同的权标记分配不同的优先级。

  下面的示例是tsvector类型标准用法。如：

  openGauss=# SELECT 'The Fat Rats'::tsvector;
tsvector
--------------------
'Fat' 'Rats' 'The'
(1 row)


  但是对于英文全文检索应用来说，上面的单词会被认为非规范化的，所以需要通过to_tsvector函数对这些单词进行规范化处理：

  openGauss=# SELECT to_tsvector('english', 'The Fat Rats');
to_tsvector
-----------------
'fat':2 'rat':3
(1 row)


• tsquery

  tsquery类型表示一个检索条件，存储用于检索的词汇，并且使用布尔操作符&（AND），|（OR）和!（NOT）来组合他们，括号用来强调操作符的分组。to_tsquery函数及plainto_tsquery函数会将单词转换为tsquery类型前进行规范化处理。

  openGauss=# SELECT 'fat & rat'::tsquery;
tsquery
---------------
'fat' & 'rat'
(1 row)

  openGauss=# SELECT 'fat & (rat | cat)'::tsquery;
  tsquery
  ---------------------------
  'fat' & ( 'rat' | 'cat' )
  (1 row)

  openGauss=# SELECT 'fat & rat & ! cat'::tsquery;
tsquery
------------------------
'fat' & 'rat' & !'cat'
(1 row)


  在没有括号的情况下，!（非）结合的最紧密，而&（和）结合的比|（或）紧密。

  tsquery中的词汇可以用一个或多个权字母来标记，这些权字母限制这次词汇只能与带有匹配权的tsvector词汇进行匹配。

  openGauss=# SELECT 'fat:ab & cat'::tsquery;
tsquery
------------------
'fat':AB & 'cat'
(1 row)


  同样，tsquery中的词汇可以用*标记来指定前缀匹配：

  openGauss=# SELECT 'super:*'::tsquery;
tsquery
-----------
'super':*
(1 row)


  这个查询可以匹配tsvector中以“super”开始的任意单词。

  请注意，前缀首先被文本搜索分词器处理，这也就意味着下面的结果为真：

  openGauss=# SELECT to_tsvector( 'postgraduate' ) @@ to_tsquery( 'postgres:*' ) AS RESULT;
result
----------
t
(1 row)


  因为postgres经过处理后得到postgr：

  openGauss=# SELECT to_tsquery('postgres:*');
to_tsquery
------------
'postgr':*
(1 row)


  这样就匹配postgraduate了。

  'Fat:ab & Cats’规范化转为tsquery类型结果如下：

  openGauss=# SELECT to_tsquery('Fat:ab & Cats');
to_tsquery
------------------
'fat':AB & 'cat'
(1 row)


8.10 UUID数据类型

UUID数据类型用来存储RFC 4122，ISO/IEF 9834-8:2005以及相关标准定义的通用唯一标识符（UUID）。这个标识符是一个由算法产生的128位标识符，确保它不可能使用相同算法在已知的模块中产生的相同标识符。

UUID是一个小写十六进制数字的序列，由分字符分成几组，一组8位数字+三组4位数字+一组12位数字，总共32个数字代表128位，标准的UUID示例如下：

a0eebc99-9c0b-4ef8-bb6d-6bb9bd380a11


openGauss同样支持以其他方式输入：大写字母和数字、由花括号包围的标准格式、省略部分或所有连字符、在任意一组四位数字之后加一个连字符。示例：

A0EEBC99-9C0B-4EF8-BB6D-6BB9BD380A11
{a0eebc99-9c0b-4ef8-bb6d-6bb9bd380a11}
a0eebc999c0b4ef8bb6d6bb9bd380a11
a0ee-bc99-9c0b-4ef8-bb6d-6bb9-bd38-0a11


一般是以标准格式输出。

8.11 JSON/JSONB类型

JSON(JavaScript Object Notation)数据，可以是单独的一个标量，也可以是一个数组，也可以是一个键值对象，其中数组和对象可以统称容器(container)：

• 标量(scalar)：单一的数字、bool、string、null都可以叫做标量。
• 数组(array)：[]结构，里面存放的元素可以是任意类型的JSON，并且不要求数组内所有元素都是同一类型。
• 对象(object)：{}结构，存储key:value的键值对，其键只能是用“”包裹起来的字符串，值可以是任意类型的JSON，对于重复的键，按最后一个键值对为准。

openGauss内存在两种数据类型JSON和JSONB，可以用来存储JSON数据。其中JSON是对输入的字符串的完整拷贝，使用时再去解析，所以它会保留输入的空格、重复键以及顺序等；JSONB解析输入后保存的二进制，它在解析时会删除语义无关的细节和重复的键，对键值也会进行排序，使用时不用再次解析。

因此可以发现，两者其实都是JSON，它们接受相同的字符串作为输入。它们实际的主要差别是效率。JSON数据类型存储输入文本的精确拷贝，处理函数必须在每个执行上重新解析； 而JSONB数据以分解的二进制格式存储， 这使得它由于添加了转换机制而在输入上稍微慢些，但是在处理上明显更快， 因为不需要重新解析。同时由于JSONB类型存在解析后的格式归一化等操作，同等的语义下只会有一种格式，因此可以更好更强大的支持很多其他额外的操作，比如按照一定的规则进行大小比较等。JSONB也支持索引，这也是一个明显的优势。

• 输入格式

  输入必须是一个符合JSON数据格式的字符串，此字符串用单引号’'声明。

  null (null-json)：仅null，全小写。

  select 'null'::json; -- suc
select 'NULL'::jsonb; -- err


  数字 (num-json)：正负整数、小数、0，支持科学计数法。

  select '1'::json;
select '-1.5'::json;
select '-1.5e-5'::jsonb, '-1.5e+2'::jsonb;
select '001'::json, '+15'::json, 'NaN'::json;
-- 不支持多余的前导0，正数的+号，以及NaN和infinity。


  布尔(bool-json)：仅true、false，全小写。

  select 'true'::json;
select 'false'::jsonb;


  字符串(str-json)：必须是加双引号的字符串。

  select '"a"'::json;
select '"abc"'::jsonb;


  数组(array-json)：使用中括号[]包裹，满足数组书写条件。数组内元素类型可以是任意合法的JSON，且不要求类型一致。

  select '[1, 2, "foo", null]'::json;
select '[]'::json;
select '[1, 2, "foo", null, [[]], {}]'::jsonb;


  对象(object-json)：使用大括号{}包裹，键必须是满足JSON字符串规则的字符串，值可以是任意合法的JSON。

  select '{}'::json;
select '{"a": 1, "b": {"a": 2, "b": null}}'::json;
select '{"foo": [true, "bar"], "tags": {"a": 1, "b": null}}'::jsonb;


  注意：

  • 区分 ‘null’::json 和 null::json 是两个不同的概念，类似于字符串 str= 和 str=null。
  • 对于数字，当使用科学计数法的时候，jsonb类型会将其展开，而json会精准拷贝输入。

• JSONB高级特性

  • 注意事项
    • 不支持列存。
    • 不支持作为分区键。
    • 不支持外表、mot。

  JSON和JSONB的主要差异在于存储方式上的不同，JSONB存储的是解析后的二进制，能够体现JSON的层次结构，更方便直接访问等，因此JSONB会有很多JSON所不具有的高级特性。

  • 格式归一化

    • 对于输入的object-json字符串，解析成jsonb二进制后，会天然的丢弃语义上无关紧要的细节，比如空格：

      openGauss=# select ' [1, " a ", {"a" :1 }] '::jsonb;
jsonb
----------------------
[1, " a ", {"a": 1}]
(1 row)


    • 对于object-json，会删除重复的键值，只保留最后一个出现的，如：

      openGauss=# select '{"a" : 1, "a" : 2}'::jsonb;
jsonb
----------
{"a": 2}
(1 row)


    • 对于object-json，键值会重新进行排序，排序规则：长度长的在后、长度相等则ascii码大的在后，如：

      openGauss=# select '{"aa" : 1, "b" : 2, "a" : 3}'::jsonb;
jsonb
---------------------------
{"a": 3, "b": 2, "aa": 1}
(1 row)


• 大小比较

  由于经过了格式归一化，保证了同一种语义下的jsonb只会有一种存在形式，因此按照制定的规则，可以比较大小。

  • 首先比较类型：object-jsonb > array-jsonb > bool-jsonb > num-jsonb > str-jsonb > null-jsonb

  • 同类型则比较内容：

    • str-json类型：依据text比较的方法，使用数据库默认排序规则进行比较，返回值正数代表大于，负数代表小于，0表示相等。
    • num-json类型：数值比较
    • bool-json类型：true > false
    • array-jsonb类型：长度长的 > 长度短的，长度相等则依次比较每个元素。
    • object-jsonb类型：长度长的 > 长度短的，长度相等则依次比较每个键值对，先比较键，在比较值。

    注意：
    object-jsonb类型内比较时，比较时使用的是格式整理后的最终结果进行比较，因此相对于我们直接的输入未必会很直观。

• 创建索引、主外键

  • BTREE索引

    jsonb类型支持创建btree索引，支持创建主键、外键。

  • GIN索引

    GIN索引可以用来有效地搜索出现在大量jsonb文档（datums） 中的键或者键/值对。提供了两个GIN操作符类(jsonb_ops、jsonb_hash_ops)，提供了不同的性能和灵活性取舍。缺省的GIN操作符类支持使用@>、、 '"foo"'::jsonb;
    -- 左侧数组包含了右侧字符串。
    SELECT '[1, "aa", 3]'::jsonb ? 'aa';
    -- 左侧数组包含了右侧的数组所有元素，顺序、重复不重要。
    SELECT '[1, 2, 3]'::jsonb @> '[1, 3, 1]'::jsonb;
    -- 左侧object-json包含了右侧object-json的所有键值对。
    SELECT '{"product": "PostgreSQL", "version": 9.4, "jsonb":true}'::jsonb @> '{"version":9.4}'::jsonb;
    -- 左侧数组并没有包含右侧的数组所有元素，因为左侧数组的三个元素为1、2、[1,3]，右侧的为1、3。
    SELECT '[1, 2, [1, 3]]'::jsonb @> '[1, 3]'::jsonb; --false
    -- 同上，没有存在包含关系，返回值为false。
    SELECT '{"foo": {"bar": "baz"}}'::jsonb @> '{"bar": "baz"}'::jsonb; -- false
    

  8.12 HLL数据类型

  HLL（HyperLoglog）是统计数据集中唯一值个数的高效近似算法。它有着计算速度快、节省空间的特点，不需要直接存储集合本身，而是存储一种名为HLL的数据结构。每当有新数据加入进行统计时，只需要把数据经过哈希计算并插入到HLL中，最后根据HLL就可以得到结果。

  HLL与其他算法的比较请参见表13。

  表 13 HLL与其他算法比较

  项目	Sort算法	Hash算法	HLL
  时间复杂度	O(nlogn)	O(n)	O(n)
  空间复杂度	O(n)	O(n)	log(logn)
  误差率	0	0	≈0.8%
  所需存储空间	原始数据大小	原始数据大小	默认规格下最大16KB

  HLL在计算速度和所占存储空间上都占优势。在时间复杂度上，Sort算法需要排序至少O(nlogn)的时间，虽说Hash算法和HLL一样扫描一次全表O(n)的时间就可以得出结果，但是存储空间上，Sort算法和Hash算法都需要先把原始数据存起来再进行统计，会导致存储空间消耗巨大，而对HLL来说不需要存原始数据，只需要维护HLL数据结构，故占用空间有很大的压缩，默认规格下HLL数据结构的最大空间约为16KB。

  须知：

  • 当前默认规格下可计算最大distinct值的数量约为1.1e+15个，误差率为0.8%。用户应注意如果计算结果超过当前规格下distinct最大值会导致计算结果误差率变大，或导致计算结果失败并报错。
  • 用户在首次使用该特性时，应该对业务的distinct value做评估，选取适当的配置参数并做验证，以确保精度符合要求：
  • 当前默认参数下，可以计算的distinct值为1.1e+15，如果计算得到的distinct值为NaN，需要调整log2m，或者采用其他算法计算distinct值。
  • 虽然hash算法存在极低的hash collision概率，但是建议用户在首次使用时，选取2-3个hash seed验证，如果得到的distinct value相差不大，则可以从该组seed中任选一个作为hash seed。

  HLL中主要的数据结构，请参见表14。

  表 14 HyperLogLog中主要数据结构

  数据类型	功能描述
  hll	hll头部为27字节长度字段，默认规格下数据段长度0~16KB，可直接计算得到distinct值。

  创建HLL数据类型时，可以支持04个参数入参，具体的参数含义与参数规格同函数hll_empty一致。第一个参数为log2m，表示分桶数的对数值，取值范围1016；第二个参数为log2explicit，表示Explicit模式的阈值大小，取值范围012；第三个参数为log2sparse，表示Sparse模式的阈值大小，取值范围014；第四个参数为duplicatecheck，表示是否启用duplicatecheck，取值范围为0~1。当入参输入值为-1时，会采用默认值设定HLL的参数。可以通过d或d+查看HLL类型的参数。

  说明：
  创建HLL数据类型时，根据入参的行为不同，结果不同：

  • 创建HLL类型时对应入参不输入或输入-1，采用默认值设定对应的HLL参数。
  • 输入合法范围的入参，对应HLL参数采用输入值。
  • 输入不合法范围的入参，创建HLL类型报错。

  -- 创建hll类型的表，不指定入参
openGauss=# create table t1 (id integer, set hll);
openGauss=# d t1
Table "public.t1"
Column | Type | Modifiers
--------+---------+-----------
id | integer |
set | hll |

  -- 创建hll类型的表，指定前两个入参，后两个采用默认值
  openGauss=# create table t2 (id integer, set hll(12,4));
  openGauss=# d t2
  Table "public.t2"
  Column | Type | Modifiers
  --------+----------------+-----------
  id | integer |
  set | hll(12,4,12,0) |

  --创建hll类型的表，指定第三个入参，其余采用默认值
  openGauss=# create table t3(id int, set hll(-1,-1,8,-1));
  openGauss=# d t3
  Table "public.t3"
  Column | Type | Modifiers
  --------+----------------+-----------
  id | integer |
  set | hll(14,10,8,0) |

  --创建hll类型的表，指定入参不合法报错
openGauss=# create table t4(id int, set hll(5,-1));
ERROR: log2m = 5 is out of range, it should be in range 10 to 16, or set -1 as default


  说明：
  对含有HLL类型的表插入HLL对象时，HLL类型的设定参数须同插入对象的设定参数一致，否则报错。

  -- 创建带有hll类型的表
openGauss=# create table t1(id integer, set hll(14));

  -- 向表中插入hll对象,参数一致，成功
  openGauss=# insert into t1 values (1, hll_empty(14,-1));

  -- 向表中插入hll对象，参数不一致，失败
openGauss=# insert into t1(id, set) values (1, hll_empty(14,5));
ERROR: log2explicit does not match: source is 5 and dest is 10


  HLL的应用场景。

  • 场景1：“Hello World”

    通过下面的示例说明如何使用hll数据类型：

    -- 创建带有hll类型的表
openGauss=# create table helloworld (id integer, set hll);

    -- 向表中插入空的hll
    openGauss=# insert into helloworld(id, set) values (1, hll_empty());

    -- 把整数经过哈希计算加入到hll中
    openGauss=# update helloworld set set = hll_add(set, hll_hash_integer(12345)) where id = 1;

    -- 把字符串经过哈希计算加入到hll中
    openGauss=# update helloworld set set = hll_add(set, hll_hash_text('hello world')) where id = 1;

    -- 得到hll中的distinct值
    openGauss=# select hll_cardinality(set) from helloworld where id = 1;
    hll_cardinality
    -----------------
    2
    (1 row)

    -- 删除表
openGauss=# drop table helloworld;


  • 场景2：“网站访客数量统计”

    通过下面的示例说明hll如何统计在一段时间内访问网站的不同用户数量：

    -- 创建原始数据表，表示某个用户在某个时间访问过网站。
openGauss=# create table facts (
date date,
user_id integer
);

    -- 构造数据，表示一天中有哪些用户访问过网站。
    openGauss=# insert into facts values ('2019-02-20', generate_series(1,100));
    openGauss=# insert into facts values ('2019-02-21', generate_series(1,200));
    openGauss=# insert into facts values ('2019-02-22', generate_series(1,300));
    openGauss=# insert into facts values ('2019-02-23', generate_series(1,400));
    openGauss=# insert into facts values ('2019-02-24', generate_series(1,500));
    openGauss=# insert into facts values ('2019-02-25', generate_series(1,600));
    openGauss=# insert into facts values ('2019-02-26', generate_series(1,700));
    openGauss=# insert into facts values ('2019-02-27', generate_series(1,800));

    -- 创建表并指定列为hll。
    openGauss=# create table daily_uniques (
    date date UNIQUE,
    users hll
    );

    -- 根据日期把数据分组，并把数据插入到hll中。
    openGauss=# insert into daily_uniques(date, users)
    select date, hll_add_agg(hll_hash_integer(user_id))
    from facts
    group by 1;

    -- 计算每一天访问网站不同用户数量
    openGauss=# select date, hll_cardinality(users) from daily_uniques order by date;
    date | hll_cardinality
    ------------+------------------
    2019-02-20 | 100
    2019-02-21 | 200.217913059312
    2019-02-22 | 301.76494508014
    2019-02-23 | 400.862858326446
    2019-02-24 | 502.626933349694
    2019-02-25 | 601.922606454213
    2019-02-26 | 696.602316769498
    2019-02-27 | 798.111731634412
    (8 rows)

    -- 计算在2019.02.20到2019.02.26一周中有多少不同用户访问过网站
    openGauss=# select hll_cardinality(hll_union_agg(users)) from daily_uniques where date >= '2019-02-20'::date and date = 2.6.23) is required for XML support"的报错。

  • 在执行编译之前，需要三方库二进制文件中dependency操作系统环境/libobs/comm/lib加入到系统环境变量LD_LIBRARY_PATH中，否则会报错"libiconv.so不存在"。

  8.19 账本数据库使用的数据类型

  账本数据库使用HASH16数据类型来存储行级hash摘要或表级hash摘要，使用HASH32数据类型来存储全局hash摘要或者历史表校验hash。

  表 18 账本数据库HASH类型

  名称	描述	存储空间	范围
  HASH16	以无符号64位整数存储。	8字节	0 ~ +18446744073709551615
  HASH32	以包含16个的无符号整型元素数的组存储。	16字节	16个元素的无符号整型数组能够包含的取值范围

  HASH16数据类型用来在账本数据库中存储行级或表级hash摘要，在获得长度为16个字符串的十六进制字符串的hash序列后，系统将调用hash16in函数将该序列转换为一个无符号64位整数存储进HASH16类型变量中。示例如下：

  十六进制字符串：e697da2eaa3a775b 对应的无符号64位整数：16615989244166043483
十六进制字符串：ffffffffffffffff 对应的无符号64位整数：18446744073709551615


  HASH32数据类型用来在账本数据库中存储全局hash摘要或者历史表校验hash，在获得长度为32个字符串的十六进制字符串的hash序列后，系统将调用hash32in函数将该序列转换到一个包含16个无符号整型元素的数组中。示例如下：

  十六进制字符串：685847ed1fe38e18f6b0e2b18c00edee
对应的HASH32数组：[104,88,71,237,31,227,142,24,246,176,226,177,140,0,237,238]


  👍 点赞，你的认可是我创作的动力！

  ⭐️ 收藏，你的青睐是我努力的方向！

  ✏️ 评论，你的意见是我进步的财富！