Tablestore:Tipos de dados

Tipos de dados primitivos

Os índices de pesquisa fornecem tipos de dados primitivos, como Long, Double, Boolean, Keyword, Text, Date, IP, Geopoint, Vector e JSON. A tabela a seguir descreve esses tipos.

Tipos de array e aninhados

Além dos tipos primitivos (Long, Double, Boolean, Keyword, Text, Date, Geopoint e Vector), o índice de pesquisa oferece dois tipos especiais: array e aninhado (nested). O tipo array armazena séries de dados do mesmo tipo. O tipo aninhado armazena dados com estrutura hierárquica, semelhante ao JSON. Para mais informações, consulte Tipos de array e aninhados.

[
    {
        "tagName": "tag1",
        "score": 0.8
    },
    {
        "tagName": "tag2",
        "score": 0.2
    }
]

[
    {
        "name": "Zhang San",
        "age": 20,
        "phone": "1390000****",
        "address": [
            {
                "province": "Zhejiang Province",
                "city": "Hangzhou City",
                "street": "No. 1201, Xingfu Community, Sunshine Avenue"
            }
        ]
    }
]

Colunas virtuais

Use o recurso de colunas virtuais dos índices de pesquisa para consultar novos campos e dados de novos tipos sem modificar o esquema de armazenamento ou os dados nas tabelas do Tablestore. Para mais detalhes, consulte Colunas virtuais.

Esse recurso permite mapear uma coluna da tabela para uma coluna virtual no índice de pesquisa durante a criação do índice. O tipo da coluna virtual pode diferir do tipo da coluna original na tabela. Assim, você cria uma coluna sem alterar o esquema ou os dados da tabela. Essa nova coluna pode acelerar consultas ou receber configurações de métodos de tokenização distintos.

• Uso de diferentes tokenizadores para um campo Text

  Mapeie uma única coluna de string para vários campos Text em um índice de pesquisa. Cada campo Text pode usar um tokenizador diferente para atender a diversas necessidades de negócio.

• Aceleração de consultas

  Melhore o desempenho das consultas em determinados cenários mapeando colunas para tipos diferentes, sem limpar ou reconstruir seus dados. Por exemplo, converter um tipo numérico para o tipo Keyword aumenta a performance de consultas de termo, enquanto converter um tipo string para numérico otimiza consultas de intervalo.