第 3 章 · 数据类型详解

三个交互演示：① LowCardinality 字典编码 · ② Nullable 双列布局 · ③ Array / Map / Nested 列存物理布局

看 LowCardinality(String) 怎么把字符串列「字典化」

输入一组重复字符串值（每行一个），点「▶ 编码」看：原列 → 字典 → codes 三段布局，以及节省的字节数。

📦 原始 String 列（每值都完整存）
📚 字典 dictionary（去重后排序）
🔢 codes 列（每值变成下标整数）
— 原始 String 占用
— LowCardinality 占用（字典 + codes）
— 压缩比
— codes 字宽
结论： 低基数列收益巨大（10 个值 / 1000 行 → 缩小 5~10 倍）；高基数列反而变大（900 全唯一 → 字典 + codes 一起比原值还大）。生产经验：基数 < 10000 强烈建议套 LowCardinality。

看 Nullable(Int32) 比 Int32 多了什么

滑动控制 NULL 比例，看 Nullable 列是怎么由「原值列 + null mask 列」两列拼起来的，以及多花多少存储：

Int32 列布局（单列）
行
v.bin（数据列）
—
Nullable(Int32) 列布局（双列）
行
v.bin（数据列）
v.null.bin（null 掩码）
— Int32 占用
— Nullable(Int32) 占用
— 额外开销
关键： Nullable 不只是「逻辑标志」 —— 它在物理上多出一列 .null.bin，每行 1 字节。原列越窄、NULL 比例越高，相对开销越显著（UInt8 列直接翻倍）。生产建议：能用 -1 / '' 替代就别上 Nullable。

JSON 输入 → ClickHouse 列存物理布局

选一种复合类型，看同一份 JSON 数据在磁盘上拆成几个文件、怎么布局：

📥 输入 JSON（INSERT FORMAT JSONEachRow）

      

      

        
💾 磁盘上的列文件

        

      

    


    

  


  

    
📊 复合类型选型速查

    

      
类型底层布局典型用途注意

      
        
Array(T)size 列 + data 扁平数组标签 / 分数 / 元素列表大量高阶函数支持

        
Tuple(T1,T2,...)每个字段独立列存(lng,lat)、复合键、临时打包本质是「多列封装」

        
Map(K,V)等价 Tuple(Array(K), Array(V))少量稀疏 KV取 key 是 O(N)，不要乱用

        
Nested(...)多列并行数组订单 items、子表场景各字段长度必须相等

        
JSON / Object动态 schema日志 / 半结构化实验性，生产慎用