Я пытаюсь понять разницу между следующими данными в Impala.
Будучи схемой при чтении, потребуется 3 разных типа. Мне интересно, есть ли какие-либо преимущества в производительности от использования Char/Varchars по сравнению со строками в сценариях, где мы знаем верхние границы длины столбцов?
STRING хранит данные переменной длины и является (по сути, за исключением некоторых практических ограничений, конечно) неограниченным.
VARCHAR(x) хранит данные переменной длины с верхней границей x символов, поэтому данные будут усечены до определенной длины. Например, если у вас есть VARCHAR(10), ваши входные данные могут иметь размер в [0,10].
CHAR(x) — это тип данных с фиксированным размером x-символов. Данные дополняются, если они короче x. Данные усекаются, если они длиннее x.
И VARCHAR, и CHAR были представлены в Impala 2.0.0 (CDH 5.2.0) и в основном полезны для совместимости с другими системами баз данных. Однако и VARCHAR, и CHAR не рекомендуются, за исключением некоторых особых случаев использования (с определенными устаревшими системами), поскольку оба имеют некоторые функциональные ограничения.
Хотя между STRING и VARCHAR должна быть одинаковая производительность, CHAR имеет некоторые другие характеристики: в частности, он не сгенерирован кодом, поэтому, как правило, производительность будет страдать. Однако небольшие CHARs (где x < 128) сохраняются вместе с кортежами во время выполнения, а не во вспомогательной памяти, как данные переменной длины.
Выше приведены некоторые различия между этими типами, но по возможности рекомендуется использовать STRING.
См. STRING, VARCHAR и < href="http://www.cloudera.com/content/cloudera/en/documentation/cloudera-impala/latest/topics/impala_char.html" rel="nofollow noreferrer">CHAR для получения более подробной информации. .
