SQL Data Types

Ниже мы разберем различные категории типов данных и уникальные типы данных, которые входят в каждую категорию.

Числовые типы данных

Существует множество различных числовых типов в SQL, и это логично, потому что... мы работаем с данными, и числа важны, длина в битах важна, десятичные знаки еще более важны, и именно числа позволяют заинтересованным сторонам принимать определенные решения.

Существует небольшая разница в том, какие числовые типы данных поддерживаются в каждом хранилище данных, но в основном важно понимать различия между целыми числами, десятичными и плавающими числами.

Тип	Определение	Сценарии использования
Integer	Целые числа — это числа без дробей. Подумайте о 1, 2, 72384191203 — красивые, чистые числа.	Хотя многие значения столбцов могут выглядеть как целые числа (и в теории они таковыми являются), они часто отображаются или приводятся к десятичным/числовым типам, чтобы обеспечить точность и масштаб в будущем, если это потребуется.
Decimal	Decimal, также известный как тип NUMERIC, — это числовой тип данных, который имеет стандартную точность 38 и масштаб 0.	Типичные числовые столбцы в наборах данных, такие как пожизненная ценность или идентификаторы пользователей. Скорее всего, это самая распространенная форма числовых данных в ваших таблицах.
Float	Плавающие числа используются для предоставления приблизительных числовых значений дробей с точностью до 64 бит. Плавающие числа предлагают больший диапазон значений по сравнению с десятичными числами.	Столбцы, которые являются процентами; долгота/широта.

Строковые типы данных

Строки повсюду в данных — они позволяют людям иметь описательные текстовые поля, использовать регулярные выражения в своей работе с данными, и, честно говоря, они просто делают мир данных более живым. Формально, строковый тип — это слово или комбинация символов, которые вы обычно видите заключенными в одинарные кавычки (например, 'Jaffle Shop', '1234 Shire Lane', 'Plan A').

Snowflake, Databricks, Google BigQuery и Amazon Redshift поддерживают строковый тип данных. У них могут быть немного разные подтипы для строк; некоторые хранилища данных, такие как Snowflake и Redshift, поддерживают строковые типы text, char и character, которые обычно отличаются по длине в байтах по сравнению с общим строковым типом.

Опять же, поскольку большинство строковых типов столбцов являются неотъемлемой частью ваших данных, вы, вероятно, сможете использовать общие varchar или строки для приведения, но никогда не помешает ознакомиться с документацией, специфичной для поддержки строк вашего хранилища данных!

Типы данных даты

Даты, временные метки, часовые пояса — все эти забавные (и немного болезненные) вещи с данными, которые делают аналитиков настоящими практиками данных (людьми, которые иногда хотят вырвать себе волосы).

Ниже мы разберем даты, даты-времена, времена и временные метки, чтобы помочь вам лучше понять основные типы данных даты.

Начнем с самого простого и перейдем к более сложному: даты, обычно представленные типом DATE, это то, что вы обычно ассоциируете с календарной датой (например, 2022-12-16), и они ограничены диапазоном от 0001-01-01 до 9999-12-31.

Значения DATETIME содержат как календарную дату, так и время (например, 2022-12-16 02:33:24) и могут дополнительно включать доли секунд. Типы TIME обычно представлены как HH:MM:SS времени и не содержат указанного часового пояса.

Типы данных TIMESTAMP позволяют наибольшую спецификацию и точность момента времени и могут быть указаны с часовым поясом или без него. Большинство полей данных, основанных на событиях (например, время завершения заказа, время создания учетной записи, время ухода пользователя), будут представлены как временные метки в ваших источниках данных. Некоторые хранилища данных, такие как Amazon Redshift и Snowflake, поддерживают различные варианты временных меток, которые позволяют явное указание часового пояса (или его отсутствие).

В общем, две лучшие практики, когда дело касается дат и времени:

1. Сохраняйте (или преобразуйте) временные метки в один и тот же часовой пояс.
2. Сохраняйте типы дат в наиболее специфичном типе даты: вы всегда можете "отдалиться" от временной метки, чтобы получить дату, но не можете получить временную метку из даты.

В конечном итоге вы будете использовать удобные функции даты, чтобы "приближаться" и "отдаляться" от дат, преобразовывать даты или добавлять время к датам.

Булевы значения

Булево значение — это значение столбца, которое может быть истинным, ложным или null. В ваших наборах данных вы будете использовать булевы значения для создания полей is_ или has_, чтобы создавать четкие сегменты в ваших данных; например, вы можете использовать булевы значения, чтобы указать, ушел ли клиент (has_churned) или обозначить записи сотрудников (is_employee), или отфильтровать записи, которые были удалены из вашего исходного набора данных (is_deleted).

Обычно вы увидите True или False как фактические булевы значения в столбце, но также можете выбрать использование числовых значений, таких как 1 и 0, для представления истинных и ложных значений. Однако строки True и False обычно легче читать и интерпретировать для конечных бизнес-пользователей.

Полуструктурированные типы данных

Полуструктурированные типы данных — это отличный способ объединить или агрегировать данные по нескольким полям; вы также можете оказаться в обратной ситуации, когда вам нужно распаковать полуструктурированные данные, такие как объект JSON, и развернуть его в отдельные пары ключ-значение. Два основных полуструктурированных типа данных, которые вы увидите в хранилищах данных, — это JSON и массивы.

Ниже мы разберем, в чем разница между ними, и приведем пример каждого из них.

Тип	Определение	Пример	Сценарий использования
JSON	Когда мы смотрим на данные, отформатированные в JSON, мы говорим, что данные хранятся в JSON-объектах. Они состоят из пар ключ-значение. JSON-объекты заключены в фигурные скобки ({ }), и каждая пара ключ-значение разделена запятой. Подробнее о использовании JSON можно прочитать здесь.	{"customer_id":2947, "order_id":4923, "order_items":"cheesecake"}	Одно из замечательных свойств JSON-данных заключается в том, что они не требуют определения схемы — до тех пор, пока вы их не развернете. Извлеките именно то, что вам нужно из вашего JSON-объекта, и вы можете забыть об остальном! JSON-значения часто будут неотъемлемой частью ваших источников данных, поэтому научитесь их разворачивать, и ваша жизнь станет проще.
Array	Подобно массивам в других языках программирования, массив содержит несколько элементов, доступных через их позицию в этом массиве.	["cheesecake", "cupcake", "brownie"]	Массивы — это понятный способ агрегировать несколько значений вместе, чтобы создать одно значение. Здесь много сценариев использования, но будьте осторожны: использование агрегатных функций, таких как array_agg, может стать неэффективным на больших наборах данных.