Beam ZetaSQL 词法结构

Beam ZetaSQL 支持标准 SQL 标量数据类型，以及包括数组、映射和嵌套行在内的扩展。此页面记录了 Beam ZetaSQL 中支持的 ZetaSQL 数据类型。

数据类型属性

下表包含数据类型属性以及每个属性适用的数据类型

属性	描述	适用范围
可空	`NULL` 是一个有效值。	所有数据类型，以下情况除外 ARRAY 不能为 `NULL`。 `NULL ARRAY` 元素不能持久化到表中。查询无法处理 `NULL ARRAY` 元素。
可排序	可以在 `ORDER BY` 子句中使用。	所有数据类型，以下情况除外 ARRAY STRUCT
可分组	通常可以出现在以下表达式之后 `GROUP BY`、`DISTINCT` 或 `PARTITION BY`。但是，`PARTITION BY` 表达式不能包含浮点数类型 `FLOAT` 和 `DOUBLE`。	所有数据类型，以下情况除外 ARRAY STRUCT FLOAT64
可比较	相同类型的值可以相互比较。	所有数据类型，以下情况除外不支持 ARRAY 比较。 STRUCT 的相等比较按字段顺序逐字段支持。字段名称将被忽略。不支持小于和大于比较。所有支持比较的类型都可以在 `JOIN` 条件中使用。有关联接条件的说明，请参阅联接类型。

数值类型

数值类型包括整数类型和浮点数类型。

整数类型

整数是没有小数部分的数值。

名称	存储大小	范围
`INT64`	8 字节	-9,223,372,036,854,775,808 到 9,223,372,036,854,775,807

浮点数类型

浮点数是带有小数部分的近似数值。

名称	存储大小	描述
`FLOAT64`	8 字节	双精度 (近似) 十进制值。

布尔类型

名称	描述
`BOOL`	布尔值用关键字 `TRUE` 和 `FALSE` 表示（不区分大小写）。

字符串类型

名称	描述
`STRING`	可变长度字符 (Unicode) 数据。

输入 STRING 值必须为 UTF-8 编码，输出 STRING 值将为 UTF-8 编码。其他编码，如 CESU-8 和 Modified UTF-8 不被视为有效的 UTF-8。

所有对 STRING 值进行操作的函数和运算符都作用于 Unicode 字符而不是字节。例如，当函数 SUBSTR 和 LENGTH 应用于 STRING 输入时，这些函数计算 Unicode 字符，而不是字节。比较定义在 Unicode 字符上。小于和 ORDER BY 的比较按字符逐个比较，较低的 Unicode 代码点被视为较低的字符。

字节类型

名称	描述
`BYTES`	可变长度二进制数据。

STRING 和 BYTES 是不同的类型，不能互换使用。STRING 和 BYTES 之间的强制转换强制执行字节使用 UTF-8 编码。

时间戳类型

注意：SQL 的 TIMESTAMP 精度为毫秒。如果 TIMESTAMP 字段具有亚毫秒精度，SQL 将抛出 IllegalArgumentException。

名称	描述	范围
`TIMESTAMP`	表示一个绝对的时间点，具有毫秒精度。	0001-01-01 00:00:00 到 9999-12-31 23:59:59.999 UTC。

时间戳表示一个绝对的时间点，独立于任何时区或约定，如夏令时。

规范格式

YYYY-[M]M-[D]D[( |T)[H]H:[M]M:[S]S[.DDD]][time zone]

YYYY：四位数年份
[M]M：一位或两位数月份
[D]D：一位或两位数日期
( |T)：一个空格或一个 T 分隔符
[H]H：一位或两位数小时（有效值从 00 到 23）
[M]M：一位或两位数分钟（有效值从 00 到 59）
[S]S：一位或两位数秒（有效值从 00 到 59）
[.DDD]：最多三位小数位（即最多毫秒精度）
[时区]：表示时区的字符串。有关详细信息，请参阅时区部分。

时区用于解析时间戳或格式化时间戳以供显示。时间戳值本身不存储特定时区。字符串格式的时间戳可能包含时区。如果未明确指定时区，则使用默认时区 UTC。

时区

时区使用以下两种规范格式之一的字符串表示

相对于协调世界时 (UTC) 的偏移量，或表示 UTC 的字母 Z
tz 数据库中的时区名称

相对于协调世界时 (UTC) 的偏移量

偏移量格式

(+|-)H[H][:M[M]]
Z

示例

-08:00
-8:15
+3:00
+07:30
-7
Z

使用此格式时，时区与时间戳的其余部分之间不允许有空格。

2014-09-27 12:30:00.45-8:00
2014-09-27T12:30:00.45Z

时区名称

时区名称来自 tz 数据库。有关不太全面但更简单的参考，请参阅维基百科上的 tz 数据库时区列表。

格式

continent/[region/]city

示例

America/Los_Angeles
America/Argentina/Buenos_Aires

使用时区名称时，名称与时间戳的其余部分之间需要空格

2014-09-27 12:30:00.45 America/Los_Angeles

请注意，即使在一年中的某个时间段内，并非所有时区名称都是可互换的，即使它们恰好报告了相同的时间。例如，America/Los_Angeles 在夏令时期间与 UTC-7:00 报告相同的时间，但在夏令时以外期间与 UTC-8:00 报告相同的时间。

如果未指定时区，则使用默认时区值。

闰秒

时间戳只是从 1970-01-01 00:00:00 UTC 开始的偏移量，假设每分钟正好有 60 秒。闰秒不作为存储时间戳的一部分表示。

如果您的输入包含在秒字段中使用 “:60” 来表示闰秒的值，则该闰秒在转换为时间戳值时不会被保留。相反，该值将被解释为在下一分钟的秒字段中为 “:00” 的时间戳。

闰秒不影响时间戳计算。所有时间戳计算都是使用 Unix 风格的时间戳完成的，这些时间戳不反映闰秒。闰秒只能通过测量实际时间的函数来观察。在这些函数中，当出现闰秒时，时间戳秒可能被跳过或重复。

数组类型

名称	描述
`ARRAY`	零个或多个任何非 ARRAY 类型的元素的有序列表。

ARRAY 是零个或多个非 ARRAY 值元素的有序列表。不允许使用 ARRAY 的 ARRAY。生成 ARRAY 的 ARRAY 的查询将返回错误。相反，必须使用 SELECT AS STRUCT 结构在 ARRAY 之间插入 STRUCT。

空 ARRAY 和 NULL ARRAY 是两个不同的值。ARRAY 可以包含 NULL 元素。

声明 ARRAY 类型

ARRAY 类型使用尖括号 (< 和 >) 声明。ARRAY 元素的类型可以任意复杂，但 ARRAY 不能直接包含另一个 ARRAY。

格式

ARRAY<T>

示例

类型声明	含义
`ARRAY<INT64>`	简单的 64 位整数 ARRAY。
`ARRAY<STRUCT<INT64, INT64>>`	一个 STRUCT 的 ARRAY，每个 STRUCT 包含两个 64 位整数。
`ARRAY<ARRAY<INT64>>` （不支持）	这是一个无效的类型声明，这里只是为了防止您查找如何创建多级 ARRAY。ARRAY 不能直接包含 ARRAY。相反，请参阅下一个示例。
`ARRAY<STRUCT<ARRAY<INT64>>>`	64 位整数的 ARRAY 的 ARRAY。请注意，两个 ARRAY 之间有一个 STRUCT，因为 ARRAY 不能直接包含其他 ARRAY。

结构类型

名称	描述
`STRUCT`	包含有序字段的容器，每个字段都具有类型（必需）和字段名称（可选）。

声明 STRUCT 类型

STRUCT 类型使用尖括号 (< 和 >) 声明。STRUCT 元素的类型可以是任意复杂的。

格式

STRUCT<T>

示例

类型声明	含义
`STRUCT<INT64>`	一个简单的 STRUCT，包含一个未命名的 64 位整数字段。
`STRUCT<x STRUCT<y INT64, z INT64>>`	一个 STRUCT，包含一个名为 `x` 的嵌套 STRUCT。STRUCT `x` 有两个字段，`y` 和 `z`，它们都是 64 位整数。
`STRUCT<inner_array ARRAY<INT64>>`	一个 STRUCT，包含一个名为 `inner_array` 的 ARRAY，它保存 64 位整数元素。

STRUCT 的有限比较

STRUCT 可以使用等式运算符直接比较

等于 (=)
不等于 (!= 或 <>)
[NOT] IN

注意，这些直接等式比较会按顺序比较 STRUCT 的字段，而忽略任何字段名称。如果您想比较 STRUCT 中名称相同的字段，可以将各个字段直接进行比较。