Tipos de datos y valores admitidos - Amazon Quick Suite
Datos de texto y cadenasDatos de fecha y horaDatos numéricosTipos de datos compatibles de orígenes de datos externos

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Tipos de datos y valores admitidos

Amazon Quick Sight admite actualmente los siguientes tipos de datos primitivos: DateDecimal,Integer, yString. A continuación se detallan los tipos de datos que se admiten en SPICE: Date, Decimal-fixed, Decimal-float, Integer y String. Quick Sight acepta valores booleanos promocionándolos como números enteros. También puede derivar tipos de datos geoespaciales. Los tipos de datos geoespaciales utilizan metadatos para interpretar el tipo de datos físicos. La latitud y la longitud son numéricos. Todas las demás categorías geoespaciales son cadenas.

Asegúrese de que las tablas o los archivos que utilice como origen de datos contengan únicamente campos que se puedan convertir implícitamente en estos tipos de datos. Amazon Quick Sight omite los campos o columnas que no se puedan convertir. Si aparece un error que dice “fields were skipped because they use unsupported data types”, modifique la consulta o tabla para eliminar o reformular los tipos de datos no compatibles.

Datos de texto y cadenas

Los campos o columnas que contienen caracteres se denominan cadenas. Un campo con el tipo de datos de STRING puede contener inicialmente casi cualquier tipo de datos. Algunos ejemplos son nombres, descripciones, números de teléfono, números de cuenta, datos de JSON, ciudades, códigos postales, fechas y números que se pueden utilizar para realizar cálculos. Estos tipos a veces se denominan datos textuales en un sentido general, pero no en un sentido técnico. Quick Sight no admite objetos binarios ni con caracteres grandes (BLOBs) en las columnas del conjunto de datos. En la documentación de Quick Sight, el término «texto» siempre significa «cadena de datos».

La primera vez que consulta o importa los datos, Quick Sight intenta interpretar los datos que identifica como de otro tipo, por ejemplo, fechas y números. Se recomienda comprobar que los tipos de datos asignados a los campos o columnas son correctos.

Para cada campo de cadena de caracteres de los datos importados, Quick Sight utiliza una longitud de campo de 8 bytes más la longitud de los caracteres codificados en UTF-8. Amazon Quick Sight admite la codificación de archivos en UTF-8, pero no en UTF-8 (con BOM).

Datos de fecha y hora

Los campos con un tipo de datos de Date también incluyen datos de tiempo y también se conocen como campos Datetime. Quick Sight admite fechas y horas que utilizan los formatos de fecha compatibles.

Quick Sight usa la hora UTC para consultar, filtrar y mostrar los datos de fecha. Cuando los datos de fecha no especifican una zona horaria, Quick Sight asume los valores UTC. Cuando los datos de fecha especifican una zona horaria, Quick Sight la convierte para que se muestre en la hora UTC. Por ejemplo, un campo de fecha con un desfase de zona horaria similar 2015-11-01T03:00:00-08:00 se convierte a UTC y se muestra en Amazon Quick Sight como2015-11-01T15:30:00.

Para cada DATE campo de los datos importados, Quick Sight utiliza una longitud de campo de 8 bytes. Quick Sight admite la codificación de archivos en UTF-8, pero no en UTF-8 (con BOM).

Datos numéricos

Los datos numéricos incluyen números enteros y decimales. Los enteros con un tipo de datos de INT son números negativos o positivos que no tienen decimales. Quick Sight no distingue entre enteros grandes y pequeños. Los números enteros que superen un valor igual a 9007199254740991 o 2^53 - 1 que no se muestren de forma exacta o correcta en un elemento visual.

Los decimales con el tipo de datos de Decimal son números negativos o positivos que contienen al menos un decimal, antes o después del separador decimal. Al elegir el modo de consulta directa, todos los tipos decimales no enteros se marcan como Decimal y el motor subyacente controla la precisión del punto de datos en función de los comportamientos admitidos por el origen de datos. Para obtener más información sobre los tipos de orígenes de datos compatibles, consulte Tipos de datos y valores admitidos.

Al almacenar el conjunto de datosSPICE, puede optar por almacenar los valores decimales como fixed tipos float decimales. Decimal-fixedlos tipos de datos utilizan el formato decimal (18,4), que permite 18 dígitos en total y hasta 4 dígitos después de la coma decimal. Decimal-fixedlos tipos de datos son una buena opción para realizar operaciones matemáticas exactas, pero Quick Sight redondea el valor a la diezmilésima posición más cercana cuando se introduce el valor. SPICE

Los tipos de datos Decimal-float proporcionan aproximadamente 16 dígitos significativos de precisión a un valor. Los dígitos significativos pueden estar a ambos lados de la coma decimal para admitir números con muchos decimales y números más altos al mismo tiempo. Por ejemplo, el tipo de datos Decimal-float admite el número 12345.1234567890 o el número 1234567890.12345. Si trabaja con números muy pequeños cercanos a 0, el tipo de datos Decimal-float admite hasta 15 dígitos a la derecha de la coma decimal, por ejemplo 0.123451234512345. El valor máximo que admite este tipo de datos es 1.8 * 10^308 para minimizar la probabilidad de que se produzca un error de desbordamiento en el conjunto de datos.

El tipo de datos Decimal-float es inexacto y algunos valores se almacenan como aproximaciones en lugar del valor real. Esto puede provocar pequeñas discrepancias al almacenar y devolver algunos valores específicos. Las siguientes consideraciones se aplican al tipo de datos Decimal-float.

  • Si el conjunto de datos que utiliza proviene de un origen de datos de Amazon S3, SPICE asigna el tipo decimal Decimal-float a todos los valores decimales numéricos.

  • Si el conjunto de datos que está utilizando proviene de una base de datos, SPICE usa el tipo decimal al que se asigna el valor en la base de datos. Por ejemplo, si al valor se le asigna un valor numérico de punto fijo en la base de datos, el valor será del tipo Decimal-fixed en SPICE.

En el caso de los conjuntos de datos SPICE existentes que contienen campos que se pueden convertir al tipo de datos Decimal-float, aparecerá una ventana emergente en la página Editar conjunto de datos. Para convertir los campos de un conjunto de datos existente al tipo de datos Decimal-float, seleccione ACTUALIZAR LOS CAMPOS. Si no desea registrarse, elija NO ACTUALIZAR LOS CAMPOS. La ventana emergente Actualizar los campos aparecerá cada vez que se abra la página Editar conjunto de datos hasta que se guarde y publique el conjunto de datos.

Tipos de datos compatibles de orígenes de datos externos

En la siguiente tabla se enumeran los tipos de datos que se admiten cuando se utilizan las siguientes fuentes de datos con Amazon Quick Sight.

Origen o motor de base de datos Tipos de datos numéricos Tipos de datos de cadena Tipos de datos de fecha y hora Tipos de datos booleanos

Amazon Athena, Presto, Starburst, Trino

  • bigint

  • decimal

  • double

  • integer

  • real

  • smallint

  • tinyint

  • char

  • varchar

  • date

  • timestamp

  • booleano

Amazon Aurora, MariaDB y MySQL

  • bigint

  • decimal

  • double

  • int

  • integer

  • mediumint

  • numérico

  • smallint

  • tinyint

  • char

  • enum

  • set

  • text

  • varchar

  • date

  • datetime

  • timestamp

  • year

OpenSearch Servicio Amazon

  •  byte

  • entero

  • long

  • float

  • double

  • cadena (tipo de campo de cadena de palabras clave en el OpenSearch Servicio)

  • ip

  • marca de tiempo

  • booleano

  • binario

Oracle

  • bigint

  • decimal

  • decimal

  • int

  • money

  • numérico

  • real

  • smallint

  • smallmoney

  • tinyint

  • char

  • nchar

  • nvarchar

  • text

  • varchar

  • date

  • datetime

  • datetime2

  • datetimeoffset

  • smalldatetime

bit

PostgreSQL

  • bigint

  • decimal

  • double

  • integer

  • numérico

  • precisión

  • real

  • smallint

  • char

  • character

  • text

  • varchar

  • carácter variable

  • date

  • timestamp

  • booleano

Apache Spark

  • bigint

  • decimal

  • double

  • integer

  • real

  • smallint

  • tinyint

  • varchar

  • date

  • timestamp

  • booleano

Snowflake

  • bigint

  • byteint

  • decimal

  • double

  • doubleprecision

  • float

  • float4

  • float8

  • int

  • integer

  • número

  • numérico

  • real

  • smallint

  • tinyint

  • char

  • character

  • string

  • text

  • varchar

  • date

  • datetime

  • tiempo

  • timestamp

  • timestamp_*

  • booleano

Microsoft SQL Server

  • bigint

  • bit

  • decimal

  • int

  • money

  • numérico

  • real

  • smallint

  • smallmoney

  • tinyint

  • char

  • nchar

  • nvarchar

  • text

  • varchar

  • date

  • datetime

  • datetime2

  • smalldatetime

  • bit

Formatos de fecha admitidos

Amazon Quick Sight admite los formatos de fecha y hora descritos en esta sección. Antes de añadir datos a Amazon Quick Sight, comprueba si el formato de fecha es compatible. Si necesita usar un formato no compatible, consulte Uso de fechas no admitidas o personalizadas.

Los formatos admitidos varían según el tipo de origen de datos, de la siguiente manera:

Origen de datos Relojes Formatos de fecha

Cargas de archivo

Orígenes de Amazon S3

Athena

Salesforce

Relojes en formato de 24 y 12 horas

Los formatos de fecha y hora compatibles se describen en la documentación de la API de Joda.

Para obtener una lista completa de los formatos de fecha de Joda, consulte Class DateTimeFormat en el sitio web de Joda.

Para los conjuntos de datos almacenados en la memoria (SPICE), Amazon Quick Sight admite fechas en el siguiente rango: Jan 1, 1400 00:00:00 UTC hastaDec 31, 9999, 23:59:59 UTC.

Orígenes de bases de datos relacionales

Solo un reloj en formato de 24 horas

Los siguientes formatos de datos y hora:

  1. dd/MM/yyyy HH:mm:ss, por ejemplo, 31/12/2016 15:30:00.

  2. dd/MM/yyyy, por ejemplo, 31/12/2016.

  3. dd/MMM/yyyy HH:mm:ss, por ejemplo, el 31 de diciembre de 2016 a las 15:30:00.

  4. dd/MMM/yyyy, por ejemplo, el 31/Dec/2016.

  5. dd-MMM-yyyy HH:mm:ss, por ejemplo, del 31 de diciembre de 2016 a las 15:30:00.

  6. dd-MMM-yyyy, por ejemplo, el 31 de diciembre de 2016.

  7. dd-MM-yyyy HH:mm:ss, por ejemplo, 31-12-2016 15:30:00.

  8. dd-MM-yyyy, por ejemplo, 31-12-2016.

  9. MM/dd/yyyy HH:mm:ss, por ejemplo, 12/31/2016 15:30:00.

  10. MM/dd/yyyy, por ejemplo, 12/31/2016.

  11. MM-dd-yyyy HH:mm:ss, por ejemplo, 12-31-2016 15:30:00.

  12. MM-dd-yyyy, por ejemplo, 12-31-2016.

  13. MMM/dd/yyyy HH:mm:ss, por ejemplo, el 31 de diciembre de 2016 a las 15:30:00.

  14. MMM/dd/yyyy, por ejemplo, el 31 de diciembre de 2016.

  15. MMM-dd-yyyy HH:mm:ss, por ejemplo, del 31 de diciembre de 2016 a las 15:30:00.

  16. MMM-dd-yyyy, por ejemplo, el 31 de diciembre de 2016.

  17. yyyy/MM/dd HH:mm:ss, por ejemplo, 2016/12/31 15:30:00.

  18. yyyy/MM/dd, por ejemplo, 2016/12/31.

  19. yyyy/MMM/dd HH:mm:ss, por ejemplo, el 31 de diciembre de 2016 a las 15:30:00.

  20. yyyy/MMM/dd, por ejemplo, 2016/Dec/31.

  21. yyyy-MM-dd HH:mm:ss, por ejemplo, 2016-12-31 15:30:00.

  22. yyyy-MM-dd, por ejemplo, 2016-12-31.

  23. yyyy-MMM-dd HH:mm:ss, por ejemplo, del 31 de diciembre de 2016 a las 15:30:00.

  24. yyyy-MMM-dd, por ejemplo, el 31 de diciembre de 2016.

  25. yyyyMMdd'T'HHmmss, por ejemplo, 20161231T153000.

  26. yyyy-MM-dd'T'HH:mm:ss, por ejemplo, 2016-12-31T15:30:00.

  27. yyyyMMdd'T'HHmmss.SSS, por ejemplo, 20161231T153000.123.

  28. MM/dd/yyyy HH:mm:ss.SSS, por ejemplo, 12/31/2016 15:30:00.123.

  29. dd/MM/yyyy HH:mm:ss.SSS, por ejemplo, 31/12/2016 15:30:00.123.

  30. yyyy/MM/dd HH:mm:ss.SSS, por ejemplo, 2016/12/31 15:30:00.123.

  31. MMM/dd/yyyy HH:mm:ss.SSS, por ejemplo, el 31 de diciembre de 2016 a las 15:30:00.123.

  32. dd/MMM/yyyy HH:mm:ss.SSS, por ejemplo, 31/Dec/2016 15:30:00.123.

  33. yyyy/MMM/dd HH:mm:ss.SSS, por ejemplo 2016/Dec/31 15:30:00.123.

  34. yyyy-MM-dd'T'HH:mm:ss.SSS, por ejemplo, 2016-12-31T15:30:00.123.

  35. MM-dd-yyyy HH:mm:ss.SSS, por ejemplo, 12-31-2016 15:30:00.123.

  36. dd-MM-yyyy HH:mm:ss.SSS, por ejemplo, 31-12-2016 15:30:00.123.

  37. yyyy-MM-dd HH:mm:ss.SSS, por ejemplo, 2016-12-31 15:30:00.123.

  38. MMM-dd-yyyy HH:mm:ss.SSS, por ejemplo, el 31 de diciembre de 2016 a las 15:30:00.123.

  39. dd-MMM-yyyy HH:mm:ss.SSS, por ejemplo, 31-Dec-2016 15:30:00.123.

  40. yyyy-MMM-dd HH:mm:ss.SSS, por ejemplo, el 31 de diciembre de 2016 a las 15:30:00.123.

Valores de datos no admitidos

Si un campo contiene valores que no se ajustan al tipo de datos que Amazon Quick Sight le asigna, se omiten las filas que contienen esos valores. Por ejemplo, tomemos los datos de origen siguientes:

Sales ID    Sales Date    Sales Amount
--------------------------------------
001        10/14/2015        12.43
002        5/3/2012          25.00
003        Unknown           18.17
004        3/8/2009          86.02

Amazon Quick Sight Sales Date lo interpreta como un campo de fecha y elimina la fila que contiene un valor que no es de fecha, por lo que solo se importan las filas siguientes.

Sales ID    Sales Date    Sales Amount
--------------------------------------
001        10/14/2015        12.43
002        5/3/2012          25.00
004        3/8/2009          86.02

En algunos casos, un campo de base de datos puede contener valores que el controlador JDBC no puede interpretar para el motor de base de datos de origen. En esos casos, los valores no interpretables se reemplazan por null para que las filas se puedan importar. La única aparición conocida de este problema es con los campos date, datetime y timestamp de MySQL, que tienen todos los valores cero, por ejemplo, 0000-00-00 00:00:00. Por ejemplo, tomemos los datos de origen siguientes:

Sales ID    Sales Date                Sales Amount
---------------------------------------------------
001        2004-10-12 09:14:27        12.43
002        2012-04-07 12:59:03        25.00
003        0000-00-00 00:00:00        18.17
004        2015-09-30 01:41:19        86.02

En este caso, se importan los siguientes datos.

Sales ID    Sales Date                Sales Amount
---------------------------------------------------
001        2004-10-12 09:14:27        12.43
002        2012-04-07 12:59:03        25.00
003        (null)                     18.17
004        2015-09-30 01:41:19        86.02