数据类型 数据类型是一组值的集合以及定义在这个值集上的一组操作。 GaussDB数据库 是由表的集合组成的，而各表中的列定义了该表，每一列都属于一种数据类型， GaussDB 根据数据类型有相应函数对其内容进行操作，例如GaussDB可对数值型数据进行加、减、乘、除等操作。 XML类型数

查看更多 →

数据类型 数据类型 输入 输出 数值类型 BIGINT BIGINT BYTEINT SMALLINT DECIMAL [(n[,m])] DECIMAL [(n[,m])] DOUBLE PRECISION DOUBLE PRECISION FLOAT DOUBLE PRECISION

查看更多 →

数据类型 数据类型是一组值的集合以及定义在这个值集上的一组操作。GaussDB数据库是由表的集合组成的，而各表中的列定义了该表，每一列都属于一种数据类型，GaussDB根据数据类型有相应函数对其内容进行操作，例如GaussDB可对数值型数据进行加、减、乘、除等操作。 XML类型数

查看更多 →

数据类型 表1 数值类型 序号 Oracle数据库 GaussDB数据库 差异 1 NUMBER [ ( p [ , s ] ) ] 支持，有差异 精度和用法存在差异。 NUMBER带参数时，GaussDB的精度p与标度s的最大边界值比Oracle更大。 NUMBER不带参数时，

查看更多 →

数据类型 数据类型是数据的一个基本属性，用于区分不同类型的数据。不同的数据类型所占的存储空间不同，能够进行的操作也不相同。数据库中的数据存储在数据表中。数据表中的每一列都定义了数据类型，用户存储数据时，须遵从这些数据类型的属性，否则可能会出错。 GaussDB支持某些数据类型间的

查看更多 →

数据类型 数值类型 货币类型 布尔类型 字符类型 二进制类型 日期/时间类型 几何类型 数组类型 枚举类型 网络地址类型 位串类型 文本搜索类型 UUID类型 JSON类型 RoaringBitmap类型 HLL数据类型 对象标识符类型 伪类型 范围类型 复合类型 列存表支持的数据类型

查看更多 →

数据类型 本章节介绍了在PostgreSQL11开源版本的基础上，RDS for PostgreSQL增强版支持的数据类型。 表1 数据类型 数据类型名称 数据类型 变长字符串类型 VARCHAR2，NVARCHAR2 十进制浮点数类型 DECIMAL 双精度二进制浮点类型 BINARY_DOUBLE

查看更多 →

选择数据类型 高效数据类型，主要包括以下三方面： 尽量使用执行效率比较高的数据类型 一般来说整型数据运算(包括=、＞、＜、≧、≦、≠等常规的比较运算，以及group by)的效率比字符串、浮点数要高。比如某客户场景中对列存表进行点查询，filter条件在一个numeric列上，执

查看更多 →

选择数据类型 高效数据类型，主要包括以下三方面： 尽量使用执行效率比较高的数据类型 一般来说整型数据运算(包括=、＞、＜、≧、≦、≠等常规的比较运算，以及group by)的效率比字符串、浮点数要高。 尽量使用短字段的数据类型 长度较短的数据类型不仅可以减小数据文件的大小，提升I

查看更多 →

HLL中主要的数据结构，请参见表2。 表2 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0~4个参数入参，具体的参数含义与参数规格同函数hll_

查看更多 →

选择数据类型 高效数据类型，主要包括以下三方面： 尽量使用执行效率比较高的数据类型 一般来说整型数据运算(包括=、＞、＜、≧、≦、≠等常规的比较运算，以及group by)的效率比字符串、浮点数要高。 尽量使用短字段的数据类型 长度较短的数据类型不仅可以减小数据文件的大小，提升I

查看更多 →

数据类型转换 数据库中有些数据类型间允许进行隐式类型转换（例如赋值、函数调用的参数等）、有些数据类型间不允许进行隐式数据类型转换（例如int），可尝试使用GaussDB提供的类型转换函数，例如CAST进行数据类型强转。 GaussDB数据库常见的隐式类型转换，请参见表1。 Gau

查看更多 →

选择数据类型 高效数据类型，主要包括以下三方面： 尽量使用执行效率比较高的数据类型 一般来说整型数据运算(包括=、＞、＜、≧、≦、≠等常规的比较运算，以及group by)的效率比字符串、浮点数要高。 尽量使用短字段的数据类型 长度较短的数据类型不仅可以减小数据文件的大小，提升I

查看更多 →

选择数据类型 高效数据类型，主要包括以下三方面： 尽量使用执行效率比较高的数据类型 一般来说整型数据运算(包括“=”、“＞”、“＜”、“≧”、“≦”、“≠”等常规的比较运算，以及group by)的效率比字符串、浮点数要高。 尽量使用短字段的数据类型 长度较短的数据类型不仅可以减

查看更多 →

HLL中主要的数据结构，请参见表2。 表2 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0~4个参数入参，具体的参数含义与参数规格同函数hll_

查看更多 →

HLL中主要的数据结构，请参见表2。 表2 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0~4个参数入参，具体的参数含义与参数规格同函数hll_

查看更多 →

支持，存在差异 FLOAT数据类型不支持KEY键值分区策略分区表。 FLOAT(p) [ZEROFILL] 支持，存在差异 FLOAT数据类型不支持KEY键值分区策略分区表。 DOUBLE[(M,D)] [ZEROFILL] 支持，存在差异 DOUBLE数据类型不支持KEY键值分区策略分区表。

查看更多 →

选择数据类型 高效数据类型，主要包括以下三方面： 使用执行效率更高的数据类型 通常情况下，整型数据运算（包括“=”、“＞”、“＜”、“≧”、“≦”、“≠”等常规的比较运算，以及GROUP BY）的效率比字符串和浮点数的效率高。 使用短字段的数据类型 长度较短的数据类型不仅可以减小

查看更多 →

HLL中主要的数据结构，请参见表2。 表2 HyperLogLog中主要数据结构 数据类型 功能描述 hll 大小为确定的1280 bytes，可直接计算得到distinct值。 HLL的应用场景 使用hll数据类型场景 创建带有hll类型的表并向表中插入空的hll。 1 2 CREATE

查看更多 →

py 在作业算子 MRS Spark Python中引用Python脚本： 在运行程序参数中配置参数--py-files和参数值hdfs:///tmp/pyspark/hello.py。 图2 算子MRS Spark Python中引用Python脚本 该示例是将脚本上传到HDFS路径，上传到OBS路径也适用。

查看更多 →

Python SDK 本章节介绍新版Python SDK，您可以参考本章节进行快速集成开发。 准备工作 注册华为账号 并开通华为云，并完成实名认证，账号不能处于欠费或冻结状态。 已具备开发环境，支持Python3及以上版本。 登录“我的凭证 > 访问密钥”页面，依据界面操作指引获取Access

查看更多 →