Специализированные типы данных

Помимо числовых типов и строк, ClickHouse предлагает специализированные типы, оптимизированные для конкретных данных. Каждый из них экономит хранение, добавляет валидацию или открывает доступ к специфическим функциям.

Enum8 и Enum16: типовая безопасность

Enum хранит строковые значения как целые числа, но в отличие от LowCardinality, обеспечивает строгую валидацию — ClickHouse отклонит INSERT с неизвестным значением.

CREATE TABLE orders (
    status Enum8('pending' = 1, 'paid' = 2, 'shipped' = 3, 'cancelled' = 4)
) ENGINE = MergeTree()
ORDER BY tuple()

-- Работает
INSERT INTO orders VALUES ('paid')

-- Ошибка: Unknown element 'refunded' for enum
INSERT INTO orders VALUES ('refunded')

Главный недостаток: добавление нового значения требует ALTER TABLE:

ALTER TABLE orders MODIFY COLUMN status
    Enum8('pending'=1, 'paid'=2, 'shipped'=3, 'cancelled'=4, 'refunded'=5)

Если значения добавляются часто, используйте LowCardinality(String) вместо Enum.

UUID: 16 байт вместо 36

Тип UUID хранит 128-битный идентификатор в 16 байт (бинарно), а не как строку из 36 символов (‘550e8400-e29b-41d4-a716-446655440000’):

-- String UUID: ~36 байт + length overhead
-- UUID тип: ровно 16 байт
SELECT generateUUIDv4() AS id, toTypeName(id) AS type

Сравнение ORDER BY с UUID и без:

-- Плохо: UUID первым в ORDER BY
-- Sparse index не может пропускать гранулы -- полный scan
CREATE TABLE events (
    id UUID,
    event_date Date,
    user_id UInt64
) ENGINE = MergeTree()
ORDER BY (id, event_date)

-- Хорошо: event_date первым, UUID только для уникальности
CREATE TABLE events (
    id UUID,
    event_date Date,
    user_id UInt64
) ENGINE = MergeTree()
ORDER BY (event_date, user_id, id)

UUID полезен как столбец данных (для дедупликации, внешних ссылок), но не как ведущий столбец сортировки.

IPv4 и IPv6: нативная экономия

Хранение IP-адреса как String расходует ~11-15 байт на значение (‘192.168.1.1’ = 11 символов, ‘255.255.255.255’ = 15 символов). Нативные типы значительно компактнее:

Экономия на строку: IPv4 (4 байта) вместо String (~13 байт в среднем) = ~9 байт. При 1 миллиарде строк = ~9 ГБ экономии на одном столбце.

Нативные функции для работы с IP:

-- Преобразование строки в IPv4
SELECT IPv4StringToNum('192.168.1.1') AS ip_num
-- Результат: 3232235777

-- Обратное преобразование
SELECT IPv4NumToString(3232235777) AS ip_str
-- Результат: '192.168.1.1'

-- CIDR-фильтрация
SELECT * FROM logs
WHERE IPv4CIDRToRange(ip, 24).1 = IPv4StringToNum('10.0.0.0')

Decimal: точные десятичные вычисления

Decimal типы хранят числа с фиксированной точностью без потери значащих цифр. Параметр S определяет количество знаков после запятой:

Операции между Decimal и Float запрещены — ClickHouse требует явного приведения типа. Это защищает от случайной потери точности.

Nested: синтаксический сахар для параллельных массивов

Nested выглядит как вложенная структура, но на самом деле это параллельные массивы:

CREATE TABLE events (
    event_date Date,
    tags Nested(
        name String,
        value String
    )
) ENGINE = MergeTree()
ORDER BY event_date

ClickHouse разворачивает Nested в два отдельных столбца:

• tags.name — Array(String)
• tags.value — Array(String)

INSERT INTO events VALUES (
    '2024-01-15',
    ['region', 'env'],           -- tags.name
    ['eu-west', 'production']    -- tags.value
)

Map и Tuple

Map(K, V) — ключ-значение пары для semi-structured данных:

CREATE TABLE events (
    metadata Map(String, String)
) ENGINE = MergeTree()
ORDER BY tuple()

INSERT INTO events VALUES ({'source': 'api', 'version': '2.1'})

SELECT metadata['source'] FROM events

Map медленнее выделенных столбцов (key lookup на каждую строку), но подходит для столбцов с непредсказуемой схемой (теги, метаданные, HTTP-заголовки).

Tuple(T1, T2, …) — фиксированный набор типов:

-- Tuple как тип столбца
CREATE TABLE geo (
    location Tuple(latitude Float64, longitude Float64)
) ENGINE = MergeTree()
ORDER BY tuple()

-- Tuple в AggregateFunction (в AggregatingMergeTree)
-- Состояние агрегатной функции хранится как Tuple внутри

Tuple используется для составных значений с фиксированной структурой и как внутренний формат для состояний агрегатных функций.

Сводная таблица специализированных типов

Ключевые выводы

1. Enum8 (1 байт) для закрытых множеств — строгая валидация, но требует ALTER TABLE для новых значений. Если значения часто добавляются, используйте LowCardinality(String).
2. UUID не ведущий столбец ORDER BY — случайность UUID v4 уничтожает sparse index locality. Используйте UUID для данных, не для сортировки.
3. IPv4 (4 байта) вместо String (~13 байт) — экономия ~9 ГБ на миллиард строк. Нативные функции для CIDR-фильтрации и преобразований.
4. Decimal для денег, Float для метрик — Decimal64(2) гарантирует точность до копейки. Float64 теряет значащие цифры.
5. Nested — параллельные массивы, не вложенные документы. Map — для semi-structured данных. Tuple — для фиксированных составных значений.