SQL-Datentypen und ihre Besonderheiten

Transkript

1 SQL-Datentypen und ihre Besonderheiten Holger Jakobs Inhaltsverzeichnis 1 Grundlegendes und Datentypen Oracle-Datentypen Systemdefinierte Werte Besonderheiten/Ergänzungen Besonderheiten von Oracle Besonderheiten von PostgreSQL Originaldokumentation zu Datentypen finden Sie im b.i.b. Bergisch Gladbach an diesen Stellen: Oracle: PostgreSQL: 1 Grundlegendes und Datentypen Im SQL-Standard sind diverse Datentypen festgelegt, die von den einzelnen Datenbanken leider nicht immer wie gefordert implementiert werden. Hier eine Übersicht über die Standard-Datentypen, ihre Umsetzung in den Datenbanken PostgreSQL und Oracle sowie über einige Erweiterungen der Datenbanken über den Standard hinaus. 1.1 Oracle-Datentypen Oracle kennt beispielsweise nur einen einzigen numerischen Datentypen namens NUMBER, bei dem man Größe und ggf. Nachkommastellen (Genauigkeit) angeben kann. Alle Zahlen scheinen im Dezimalformat gespeichert zu werden. PostgreSQL dagegen kennt 2-Byteund 4-Byte-Integerzahlen sowie Fließkommazahlen in binärer Darstellung und auch genaue gebrochene Dezimalzahlen, letztere sogar mit bis zu 1000 Stellen bei Oracle sind es nur 38. 1

2 1.1 Oracle-Datentypen 1 GRUNDLEGENDES UND DATENTYPEN Bei den Datum/Zeit-Werten sieht es ähnlich aus. Bei Oracle enthält der Datentyp DA- TE entgegen dem ANSI-Standard bereits eine Uhrzeit. PostgreSQL hat sowohl einen standardgemäßen (reinen) Datumstypen als auch einen reinen Zeittypen und kombinierte Typen (Zeitstempel) mit einer Auflösung von 1 Mikrosekunde. Oracle kennt über seinen nicht standardgemäßen Datentypen DATE hinaus noch TIMESTAMP, aber keinen reinen Zeittypen und keinen reinen Datumstypen. Zitat aus einer Dokumentation: Oracle is very particular about using date literals in SQL. The proper date format is dd-mmm-yy, where dd is a numeric day, mmm is a three character month name, yy is two digit year. Some versions of Oracle give very strange results or failures if date values are not in this format. Im b.i.b. sind native language -Einstellungen wie folgt über Umgebungsvariablen vorgenommen worden: NLS_DATE_FORMAT=YYYY-MM-DD NLS_TIMESTAMP_FORMAT="YYYY-MM-DD HH24:MI:SSXFF" NLS_LANG=German_Germany.UTF8 Daher werden das ISO-Format für Datumswerte und der UTF8-Zeichensatz für Zeichenketten verwendet. Es können also (zumindest unter Linux)auch Zeichenketten in nichtlateinischen Schriften gespeichert werden (Kyrillisch, Griechisch, Hebräisch, Arabisch, Japanisch, Chinesisch usw.). Bei PostgreSQL ist das ISO-Datumsformat Standard, und die Speicherung von Zeichenketten hängt von der Angabe bei der Erzeugung der einzelnen Datenbank ab. Man kann es in der Spalte ENCODING sehen, wenn man im Frontend psql das Kommando \l zum Auflisten der Datenbanken verwendet bei uns ist einheitlich UTF8. Damit die Anzeige auch im Oracle SQL-Developer standardgemäß ist und das Laden von Daten aus Textdateien funktioniert, ist es notwendig, im Menü Tools/Preferences die in Abbildung 1 gezeigten Einstellungen vorzunehmen. Um bei der Vereinsdatenbank herauszubekommen, wie viele Tage die eingetragenen Strafen alt sind, muss es im Standard- SQL heißen: select zahlnr, current_date - datum as tage from strafen order by zahlnr; In Oracle dagegen muss man eine dieser Varianten schreiben, um die Zeitangabe aus dem aktuellen Datum CURRENT_DATE zu unterdrücken und jeweils ein reines Datum zu erhalten, mit dem dann gerechnet werden kann. select zahlnr, to_date (to_char (CURRENT_DATE, 'yyyy-mm-dd')) - datum as tage from sp_strafen order by zahlnr; select zahlnr, trunc (CURRENT_DATE) - datum as tage from sp_strafen order by zahlnr; 2

3 2 BESONDERHEITEN/ERGÄNZUNGEN 1.2 Systemdefinierte Werte Abbildung 1: Format-Einstellungen im Oracle SQL-Developer Diese Anweisungen setzen voraus, dass in der Spalte datum als Uhrzeit immer 00:00 gespeichert ist. Ansonsten müsste man die bei CURRENT_DATE gezeigte Verarbeitung auch bei der Spalte vornehmen, damit immer ganze Zahlen herauskommen. 1.2 Systemdefinierte Werte Es gibt für die Datum-/Zeit-Datentypen die systemdefinierten Werte CURRENT_DATE, CUR- RENT_TIME und CURRENT_TIMESTAMP. PostgreSQL kennt diese alle, Oracle nur das proprietäre SYSDATE, das zu seinem eigenen DATE-Format passt. Ähnlich gibt es den systemdefinierten Wert CURRENT_USER, den den Namen des ausführenden Benutzers zurückliefert. Dieser heißt bei Oracle einfach USER, PostgreSQL hält sich an den Standard. 2 Besonderheiten/Ergänzungen Besonderheiten eines einzelnen Datenbanksystems sind immer sehr kritisch zu sehen. So schön und praktisch sie einerseits sein mögen, so störend sind sie, sobald man aus welchem Grund auch immer eine Datenbank auf ein anderes Datenbank-Management-System transferieren möchte. Es ist daher immer von Vorteil, sich an im ANSI-Standard Vorgege- 3

4 2 BESONDERHEITEN/ERGÄNZUNGEN INTEGER INTEGER INTEGER SMALLINT SMALLINT SMALLINT Die Standard-Ganzzahltypen sind vorzeichenbehaftet. INTEGER muss größer oder genauso groß sein wie SMALLINT, die Größe an sich ist implementationsabhängig. Oracle setzt die ANSI-Datentypen für ganze Zahlen INTEGER und SMALLINT in einen Typen für 38-stellige Dezimalzahlen um, d. h. beide Typen sind bei Oracle identisch und brauchen sehr viel Platz. Bei der Anzeige der Datendefinition erscheint NUMBER(38). Möchte man weniger Platz verwenden, so muss man NUMBER(n ) angeben, was dann aber mit keiner anderen Datenbank mehr kompatibel ist. INTEGER wird in einen 32- bit-integer-datentypen umgesetzt, SMALLINT in einen 16-bit-Integer-Datentypen. Wahlweise kann man auch int4 und int2 schreiben, was dann aber mit keiner anderen Datenbank mehr kompatibel ist. Tabelle 1: ganzzahlige numerische Datentypen (exakt) DECIMAL(p,s ) DECIMAL(p,s ) DECIMAL(p,s ) NUMERIC(p,s ) NUMERIC(p,s ) NUMERIC(p,s ) Bei DECIMAL und NU- MERIC werden Länge und Anzahl Nachkommastellen angegeben. Die Maximalwerte sind implementationsabhängig. Verwendung insbesondere für Geldbeträge in C. DECIMAL (p,s ) und NUME- RIC (p,s ) werden zu NUM- BER (p,s ), wobei p maximal 38 sein darf. DECIMAL (p,s ) und NUME- RIC (p,s ) werden zu NUME- RIC (p,s ), wobei p maximal 1000 sein darf. Tabelle 2: gebrochene, exakte numerische Datentypen 4

5 2 BESONDERHEITEN/ERGÄNZUNGEN FLOAT(n ), REAL, FLOAT(n ), REAL, DOUBLE FLOAT(n ), REAL, DOUBLE DOUBLE PRECISION PRECISION PRECISION Diese Datentypen geben Fließkommazahlen an, die im Binärformat gespeichert werden. Bei FLOAT kann man die gewünschte Genauigkeit in Dezimalstellen angeben. DOUBLE PRECISION ist genauer als REAL, wobei die imple- Genauigkeit mentationsabhängig ist. Die Umsetzung dieses Datentyps ist nicht recht durchschaubar float(3) gibt nur 1 signifikante Stelle wieder, float(7) und float(8) 3 und float(10) 4 signifikante Dezimalstellen. Bei der Anzeige der Datendefinition erscheinen NUMBER(3,129), NUMBER(7,129), NUMBER(8,129) und NUMBER(10,129). Bei REAL wird NUMBER(63,129) angezeigt, bei DOUBLE PRECISION NUMBER(126,129). Bei Werten von n bis 6 werden 4-Byte-Fließkommazahlen verwendet, bei Werten ab 7 solche mit 8 Byte. Ohne Längenangabe wird bei allen dreien eine 8-Byte-Fließkommazahl verwendet. Tabelle 3: gebrochene, angenäherte numerische Datentypen BOOL. BOOL Im SQL3-Standard wird ein Datentyp BOOL vorgeschlagen. Nicht enthalten. Man kann evtl. ein einzelnes Zeichen mit Einschränkung auf zwei Werte (mittels CHECK) verwenden. Logische Operatoren (AND, OR, NOT) kann man darauf aber nicht anwenden. Der Datentyp entspricht dem SQL3-Vorschlag. Tabelle 4: logischer Datentyp 5

6 2 BESONDERHEITEN/ERGÄNZUNGEN DATE, TIME, DATE (mit Zeit), TIMESTAMP DATE, TIME, TIMESTAMP, TIMESTAMP, INTERVAL INTERVAL DATE ist ein reines Datum (ohne Zeit), TIME ist eine reine Zeitangabe Es gibt in DATE, was Datum und zusätzlich die Zeit (mit Sekundenauflösung) ent- Es gibt alle genannten Typen einschließich derer mit Zeitzonen, wobei die Auflö- (ohne Datum) hält. Das führt zu Problemen, sung der eine Uhrzeit enthal- mit (mindestens) Sekundenauflösung. wenn man vom System das tenden Typen 1 Mikrosekunde TIME und TIMESTAMP können den Zusatz WITH TIME ZONE tragen, d. h. eine Zeitzoneninformation beinhalten. aktuelle Datum in ein Feld eintragen und anschließend zwei Wert vom selben Tag vergleichen lässt. Der Vergleich geht schief, weil sich die Uhrzeit unterscheidet, obwohl das eigentliche Datum gleich ist. Zeitzonen werden nicht verwaltet. Das Datenformat des Tools TOra ist ISO-8601, Oracle selbst verwendet aber noch das früher in den USA gebräuchliche Format dd-mmm-yy, sofern man nicht wie im b.i.b. geschehen ein anderes Format einstellt. Bei uns ist ISO eingestellt. Es gibt zusätzlich einen standardkonformen TIMESTAMP- ist. Das Datumsformat ist ISO Typ, der auch Sekundenbruchteile speichern kann und mit dem Zeitzonenangaben möglich sind. Tabelle 5: Datum- und Zeit-Typen 6

7 2 BESONDERHEITEN/ERGÄNZUNGEN 2.1 Besonderheiten von Oracle BIT, BIT(n ), BIT(n ), VARBIT(n ) bzw. VARBIT(n ) BIT VARYING(n ) Die BIT-Datentypen Nicht enthalten. Der Datentyp entspricht dem sind unstrukturierte ANSI-Datentypen. Bitketten fester bzw. variabler Länge. Hier können binäre Daten abgelegt werden. Verwendung ist recht selten. Tabelle 6: Bit-Datentyp benes zu halten, evtl. sogar nur an Dinge, die außerdem von den gängigen Datenbanken unterstützt werden. Leider wird die Anzahl Features dann recht klein, so dass man einen gangbaren Kompromiss finden muss. 2.1 Besonderheiten von Oracle Bei Oracle gibt es ein zusätzliches Attribut in allen Tabellen, die ROWID. Sie setzt sich aus mehreren Teilen zusammen, die jeder für sich numerisch sind, aber durch Punkte getrennt werden. Es gibt raw-datenfelder, die in ihrer long Variante bis zu 2 GB an Daten aufnehmen können. Large Objects können bis zu 4GB umfassen. Noch größere Datenmengen kann man im Dateisystem ablegen und in einem Attribut vom Type bfile ablegen. Pro Tabelle kann es nur ein long- oder long raw-attribut geben, aber mehrere bfile-attribute. Für die Konversion der einzelnen Datentypen ineinander gibt es über die impliziten Typkonvertierungen hinaus diverse Konvertierungsfunktionen, z. B. to_char, hex_to_raw usw. Ähnlich kann man mit Funktionen weitergehende Datumsarithmetik betreiben und alle möglichen mathematischen Funktionen ausführen. Bitte die Funktionen in der Oracle- Doku nachschauen, damit Sie sich einen Überblick verschaffen! Oracle-Datenbanken können auf vielfältige Weise optimiert werden. Der Einfluss auf die physikalische Struktur ist enorm, verlangt aber auch umfangreiches Spezialwissen. 2.2 Besonderheiten von PostgreSQL Bei PostgreSQL sind die Tabellen auch Klassen. Man kann neue Klassen von bestehenden ableiten. Daher ist PostgreSQL eine objektrelationale Datenbank und unterstützt sehr gut die Spezialisierung (vgl. UML und Software Engineering). Für die Konvertierung von Datentypen ineinander über die impliziten Konversionen hinaus gibt es Konvertierungsoperatoren, die mit einem doppelten Doppelpunkt eingeleitet 7

8 2.2 Besonderheiten von PostgreSQL 2 BESONDERHEITEN/ERGÄNZUNGEN CHAR, CHAR(n ), CHAR, CHAR(n ), VARCHAR(n ), VARCHAR2(n ), NCHAR, NCHAR, NCHAR(n ), NCHAR(n ), NVARCHAR2(n ) NVARCHAR(n ) (und gleichartige Schreibvarianten) CHAR ist ein einzelnes Die Typen VARCHAR und Zeichen, CHAR(n ) VARCHAR2 sind synonym, eine Zeichenkette der aber es wird von Oracle zur Länge n (geeignet für Verwendung von VARCHAR2 Pascal und COBOL, geraten. Die maximale Länge immer mit Leerzeichen für CHAR beträgt 2000 auf volle Länge aufgefüllt), Zeichen, für VARCHAR(2) VARCHAR(n ) 4000 Zeichen. Über nationale ist eine variabel lange Zeichensätze sind Sortier- Zeichenkette der reihenfolgen beeinflussbar, maximalen Länge n (geeignet für C/C++, Java und die gängigen Scriptsprachen). Die Varianten mit N davor sind Zeichenketten mit Unterstützung für landesspezifische Zeichen (national character sets). Diese sind dann wichtig, wenn man landesspezifisch sortieren will, z. B. ü=u und ß=ss bei der Sortierung nach DIN. auch Multibyte-Zeichensätze (Unicode) sind verwendbar, dann sollte man NCHAR und NVARCHAR bzw. NVARCHAR2 1 verwenden, die UTF-8- Codierung 2 ermöglichen. CHAR, CHAR(n ), VARCHAR(n ), TEXT Es werden diverse single- Byte- und multi-byte- Zeichensätze mit ihren Sortier- und anderen Regeln unterstützt. Die Multi-Byte- Unterstützung darf dafür beim Compilieren nicht abgewählt worden sein. Der Datentyp TEXT braucht keine bestimmte Längenangabe und erlaubt bis zu 2 GB, ist aber proprietär. Die Länge der anderen Zeichenketten ist nicht so eng begrenzt wie bei Oracle. Besonders praktisch ist er dann, wenn man Dateien beliebigen Formats (z. B. Bilder) in der Datenbank ablegen möchte. Diese codiert man dann mit MIME (Kommando mimencode) und legt die Zeichenkette in der Spalte ab. Tabelle 7: Zeichenketten-Datentypen 8

9 2 BESONDERHEITEN/ERGÄNZUNGEN 2.2 Besonderheiten von PostgreSQL werden. Wahlweise kann auch die Schreibweise mit CAST verwendet werden. Bitte schlagen Sie die Konversionsmöglichkeiten und die Funktionen in der PostgreSQL-Doku nach, damit Sie sich einen Überblick verschaffen. Große Objekte können mit speziellen Funktionen in der Datenbank abgelegt werden. Texte, die nicht in varchar-, sondern in text-attributen abgelegt werden, haben keine direkte Längenbeschränkung; dafür ist dieser Datentyp PostgreSQL-spezifisch. Es gibt spezielle Datentypen für Polygonzüge, IPv4- und IPv6-Adressen und MAC- Adressen. Auch kann man in einem einzelnen Feld Arrays ablegen, was aber im Konflikt mit dem streng relationalen Modell steht und daher nur in Ausnahmefällen Verwendung finden sollte. PostgreSQL erlaubt über die Definition von Indexen hinaus fast keinen Einfluss auf die physische Datenorganisation, wohl aber kann über viele Parameter das Verhalten des Servers optimiert werden. $Id: datentypen.tex,v :09:14 hj Exp $ 9