選擇欄位資料類型

8 分鐘

小提示

有關更多詳細信息，請參閱 文本和圖像 選項卡！

為每欄選擇合適的資料類型，直接影響資料品質、儲存效率及查詢效能。選擇不適當的類型，可能會失去精確度、浪費儲存空間，或阻塞需要特定類型特性的操作。在這個單元中，你將學習如何評估你的資料，並選擇 Azure Databricks 中最合適的欄位類型。

了解資料類型類別

Azure Databricks 根據資料類型及其特性與使用情境將其分類。了解這些分類有助於你在選擇特定欄位的類型時縮小選項範圍。

數值類型 處理數學值與計算。您有數個選項：

類型類別	型別	用例
積分	`TINYINT`、`SMALLINT`、`INT`、`BIGINT`	大小不一的整數
Decimal	`DECIMAL(p,s)`	財務數據的精確度
浮點	`FLOAT`、`DOUBLE`	近似科學計算

日期時間類型 代表時間資料：

類型	Description
`DATE`	無時間成分的曆法日期
`TIMESTAMP`	會議時區的日期和時間
`TIMESTAMP_NTZ`	日期與時間，無時區

文字與二進位類型 可儲存字元與位元組序列：

STRING 對於可變長度文字
BINARY 對於原始位元組序列

複合型別 組織巢狀或重複資料：

ARRAY用於元素的有序序列
MAP 對於鍵值對
STRUCT 用於有命名欄位的紀錄

選擇正確的數字類型

數值資料需要謹慎選擇型別，因為不同型別具有不同的精度、範圍及儲存特性。你的選擇會影響資料完整性和效能。

對於整數，請將類型與你的值範圍相匹配：

類型	範圍	儲存體	常見使用案例
`TINYINT`	-128 到 127	1 個位元組	狀態碼，小計數器
`SMALLINT`	-32,768 到 32,767	2 個位元組	年份值，範圍有限
`INT`	-21億到21億	4 個位元組	大多數識別碼與數量
`BIGINT`	-9.2 百京至 9.2 百京	8 個位元組	大型 ID、資料列數量

建立表格時，請為每個欄位指定適當的類型：

CREATE TABLE orders (
    order_id INT,
    status_code TINYINT,
    total_items SMALLINT,
    transaction_id BIGINT
);

對於十進制數，DECIMAL 類型和浮點數類型之間的選擇取決於您的精確度要求：

-- DECIMAL(p,s): exact precision for financial calculations
-- p = total digits, s = digits after decimal point
CREATE TABLE transactions (
    transaction_id INT,
    amount DECIMAL(10,2),         -- Exact: up to 99,999,999.99
    tax_rate DECIMAL(5,4)         -- Exact: up to 9.9999
);

-- DOUBLE: approximate, suitable for scientific calculations
CREATE TABLE measurements (
    sensor_id INT,
    temperature DOUBLE,           -- Approximate, large range
    pressure DOUBLE
);

這很重要

在需要精確度的財務資料中使用 DECIMAL。浮點數類型（FLOAT，DOUBLE）使用二進位表示，可能會在處理像貨幣這樣的以10為底的數值時產生四捨五入誤差。

正確選擇時間類型

時間資料類型的選擇取決於您是否需要時區意識，以及應用程式所需的精確度。

當您只需要日曆日期而非時間成分時，請使用 DATE ：

CREATE TABLE employees (
    employee_id INT,
    hire_date DATE,
    birth_date DATE
);

關於時間戳，請選擇帶時區資訊的型態或不帶時區資訊的型態：

-- TIMESTAMP: normalizes to UTC internally, applies session timezone on read
-- Use when tracking events across time zones
CREATE TABLE audit_log (
    log_id BIGINT,
    event_time TIMESTAMP,
    user_id INT
);

-- TIMESTAMP_NTZ: no timezone conversion
-- Use when the time should remain as entered
CREATE TABLE schedules (
    schedule_id INT,
    local_meeting_time TIMESTAMP_NTZ
);

該 TIMESTAMP 類型會將值轉換為 UTC 以儲存，並在取用值時套用會話時區。此行為確保時區間排序一致，但若期望數值保持不變，可能會造成混淆。

Note

TIMESTAMP_NTZ 現已進入公開預覽。當你建立一個帶有TIMESTAMP_NTZ欄位的新 Delta 資料表時，Azure Databricks 會啟用該timestampNtz資料表功能並升級資料表協定。

使用複雜型態進行操作

複雜型態可以讓你在單一欄位中儲存結構化、巢狀或重複的資料。當你的資料不符合扁平關聯模型時，它們很有用。

當你有多個相同類型的數值時，請使用 ARRAY ：

-- Store a list of tags for each product
CREATE TABLE products (
    product_id INT,
    name STRING,
    tags ARRAY<STRING>
);

-- Query array elements
SELECT product_id, tags[0] AS primary_tag FROM products;

使用 MAP 於具有動態鍵的鍵值對。

-- Store flexible attributes as key-value pairs
CREATE TABLE devices (
    device_id INT,
    properties MAP<STRING, STRING>
);

-- Access map values by key
SELECT device_id, properties['firmware_version'] AS firmware FROM devices;

當你有一組固定的命名欄位時，請使用 STRUCT ：

-- Store address as a structured type
CREATE TABLE customers (
    customer_id INT,
    address STRUCT<street: STRING, city: STRING, postal_code: STRING>
);

-- Access struct fields
SELECT customer_id, address.city FROM customers;

小提示

複雜型別減少了對額外表格和連接的需求，但也使某些操作變得更困難。在選擇正規化資料表和複雜型態前，請先考慮你的查詢模式。

應用類型選擇最佳實務

在評估類型選擇資料時，請參考以下實務指引：

將類型與資料的性質和範圍相匹配。 不要用 BIGINT 在從未超過幾千的數值上。多出來的位元組會在數百萬資料列中累積。

考慮可空性。 如果欄位絕不應該包含 null 值，請記錄此限制。雖然資料型別預設不會強制執行空無限制，但你可以在資料表定義中加入 NOT NULL 限制。

在資料導入時確認類型。 在管線早期將傳入資料轉換為目標類型，以在類型不符合問題傳播之前將其擷取：

-- Cast during data loading
INSERT INTO target_table
SELECT 
    CAST(raw_id AS INT) AS id,
    CAST(raw_amount AS DECIMAL(10,2)) AS amount,
    CAST(raw_date AS DATE) AS transaction_date
FROM staging_table;

轉換類型時使用明確轉換。 即使資料遺失，隱式轉換也能悄悄成功。明確的鑄模能清楚表達你的意圖，並協助在測試時發現問題。

這些做法幫助你建立管線，讓資料型態成為文件與驗證的工具，及早發現錯誤，而非影響後續分析。

意見反應

此頁面對您有幫助嗎？