ARRAY
本文介绍如何使用 StarRocks 中的数组类型。
数组(Array) 是数据库中的一种扩展数据类型,其相关特性在众多数据库系统中均有支持,可以广泛的应用于 A/B Test 对比、用户标签分析、人群画像等场景。StarRocks 当前支持多维数组嵌套、数组切片、比较、过滤等特性。
定义数组类型的列
您可以在建表时定义数组类型的列。
-- 定义一维数组。
ARRAY<type>
-- 定义嵌套数组。
ARRAY<ARRAY<type>>
-- 定义 NOT NULL 数组列。
ARRAY<type> NOT NULL
数组列的定义形式为 ARRAY<type>
,其中 type
表示数组内的元素类型。数组元素目前支持以下数据类型:BOOLEAN、TINYINT、SMALLINT、INT、BIGINT、LARGEINT、FLOAT、DOUBLE、VARCHAR、CHAR、DATETIME、DATE、JSON、BINARY (3.0 及以后)。
数组内的元素默认可以为 NULL,比如 [NULL, 1, 2]。暂时不支持指定数组元素为 NOT NULL,但是您可以定义数组列本身为 NOT NULL,比如上面的第三个示例。
注意
数组类型的列在使用时有以下限制:
- StarRocks 2.1 之前版本中,仅支持在明细模型表中(Duplicate Key)定义数组类型列。自 2.1 版本开始,支持在 Primary Key、Unique Key、Aggregate Key 模型表中定义数组类型列。注意在聚合模型表(Aggregate Key) 中,仅当聚合列的聚合函数为 replace 和 replace_if_not_null 时,才支持将该列定义为数组类型。
- 数组列暂时不能作为 Key 列。
- 数组列不能作为分桶(Distributed By)列。
- 数组列不能作为分区(Partition By)列。
- 数组列暂不支持 DECIMAL V3 数据类型。
- 数组列最多支持 14 层嵌套。
示例:
-- 建表并指定其中的 `c1` 列为一维数组,元素类型为 INT。
create table t0(
c0 INT,
c1 ARRAY<INT>
)
duplicate key(c0)
distributed by hash(c0) buckets 3;
-- 建表并指定 `c1` 为两层的嵌套数组,元素类型为 VARCHAR。
create table t1(
c0 INT,
c1 ARRAY<ARRAY<VARCHAR(10)>>
)
duplicate key(c0)
distributed by hash(c0) buckets 3;
-- 建表并定义 NOT NULL 数组的列。
create table t2(
c0 INT,
c1 ARRAY<INT> NOT NULL
)
duplicate key(c0)
distributed by hash(c0) buckets 3;
使用 SELECT 语句构造数组
您可以在 SQL 语句中通过中括号([]
)来构造数组常量,每个数组元素通过逗号(,
)分隔。
示例:
mysql> select [1, 2, 3] as numbers;
+---------+
| numbers |
+---------+
| [1,2,3] |
+---------+
mysql> select ["apple", "orange", "pear"] as fruit;
+---------------------------+
| fruit |
+---------------------------+
| ["apple","orange","pear"] |
+---------------------------+
mysql> select [true, false] as booleans;
+----------+
| booleans |
+----------+
| [1,0] |
+----------+
当数组元素具有不同类型时,StarRocks 会自动推导出合适的类型(supertype)。
mysql> select [1, 1.2] as floats;
+---------+
| floats |
+---------+
| [1,1.2] |
+---------+
mysql> select [12, "100"];
+--------------+
| [12,'100'] |
+--------------+
| ["12","100"] |
+--------------+
您可以使用尖括号(<>
)声明数组类型。
mysql> select ARRAY<float>[1, 2];
+-----------------------+
| ARRAY<float>[1.0,2.0] |
+-----------------------+
| [1,2] |
+-----------------------+
mysql> select ARRAY<INT>["12", "100"];
+------------------------+
| ARRAY<int(11)>[12,100] |
+------------------------+
| [12,100] |
+------------------------+
数组元素中可以包含 NULL。
mysql> select [1, NULL];
+----------+
| [1,NULL] |
+----------+
| [1,null] |
+----------+
定义空数组时,您可以使用尖括号声明其类型。您也可以直接定义为 []
,此时 StarRocks 会根据上下文推断其类型,如果无法推断则会报错。
mysql> select [];
+------+
| [] |
+------+
| [] |
+------+
mysql> select ARRAY<VARCHAR(10)>[];
+----------------------------------+
| ARRAY<unknown type: NULL_TYPE>[] |
+----------------------------------+
| [] |
+----------------------------------+
mysql> select array_append([], 10);
+----------------------+
| array_append([], 10) |
+----------------------+
| [10] |
+----------------------+
导入数组类型的数据
StarRocks 当前支持三种方式写入数组数据。
通过 INSERT INTO 语句导入数组
INSERT INTO 语句导入方式适合小批量数据逐行导入或对 StarRocks 内外部表数据进行 ETL 处理并导入。
示例:
create table t0(
c0 INT,
c1 ARRAY<INT>
)
duplicate key(c0)
distributed by hash(c0) buckets 3;
INSERT INTO t0 VALUES(1, [1,2,3]);
通过 Broker Load 批量导入 ORC 或 Parquet 文件中的数组
StarRocks 中的数组类型,与 ORC 或 Parquet 格式中的 List 结构相对应,所以无需额外指定。具体导入方法请参考 Broker load。
当前 StarRocks 支持直接导入 ORC 文件的 List 结构。Parquet 格式导入正在开发中。
通过 Stream Load 或 Routine Load 导入 CSV 格式数组
您可以使用 Stream Load 或 Routine Load 方式导入 CSV 文本文件或 Kafka 中的 CSV 格式数据,默认采用逗号分隔。