Tipe dan nilai data yang didukung - Amazon Quick Suite
String dan data teksData tanggal dan waktuData numerikTipe data yang didukung dari sumber data eksternal

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Tipe dan nilai data yang didukung

Amazon Quick Sight saat ini mendukung tipe data primitif berikut:Date,, DecimalInteger, danString. Tipe data berikut didukung diSPICE:Date,Decimal-fixed,Decimal-float,Integer, danString. Quick Sight menerima nilai Boolean dengan mempromosikannya ke bilangan bulat. Itu juga dapat memperoleh tipe data geospasial. Jenis data geospasial menggunakan metadata untuk menafsirkan tipe data fisik. Lintang dan bujur adalah numerik. Semua kategori geospasial lainnya adalah string.

Pastikan bahwa setiap tabel atau file yang Anda gunakan sebagai sumber data hanya berisi bidang yang dapat secara implisit dikonversi ke tipe data ini. Amazon Quick Sight melewatkan bidang atau kolom apa pun yang tidak dapat dikonversi. Jika Anda mendapatkan kesalahan yang mengatakan “bidang dilewati karena menggunakan tipe data yang tidak didukung”, ubah kueri atau tabel Anda untuk menghapus atau menyusun ulang tipe data yang tidak didukung.

String dan data teks

Bidang atau kolom yang berisi karakter disebut string. Bidang dengan tipe data awalnya STRING dapat berisi hampir semua jenis data. Contohnya termasuk nama, deskripsi, nomor telepon, nomor akun, data JSON, kota, kode pos, tanggal, dan angka yang dapat digunakan untuk menghitung. Jenis ini kadang-kadang disebut data tekstual dalam arti umum, tetapi tidak dalam arti teknis. Quick Sight tidak mendukung objek biner dan karakter besar (BLOBs) di kolom dataset. Dalam dokumentasi Quick Sight, istilah “teks” selalu berarti “data string”.

Pertama kali Anda menanyakan atau mengimpor data, Quick Sight mencoba menafsirkan data yang diidentifikasi sebagai tipe lain, misalnya tanggal dan angka. Sebaiknya verifikasi bahwa tipe data yang ditetapkan ke bidang atau kolom Anda sudah benar.

Untuk setiap bidang string dalam data yang diimpor, Quick Sight menggunakan panjang bidang 8 byte ditambah panjang karakter yang dikodekan UTF-8. Amazon Quick Sight mendukung pengkodean file UTF-8, tetapi tidak UTF-8 (dengan BOM).

Data tanggal dan waktu

Bidang dengan tipe data Date juga mencakup data waktu, dan juga dikenal sebagai Datetime bidang. Quick Sight mendukung tanggal dan waktu yang menggunakan format tanggal yang didukung.

Quick Sight menggunakan waktu UTC untuk menanyakan, memfilter, dan menampilkan data tanggal. Ketika data tanggal tidak menentukan zona waktu, Quick Sight mengasumsikan nilai UTC. Ketika data tanggal menentukan zona waktu, Quick Sight mengubahnya menjadi ditampilkan dalam waktu UTC. Misalnya, bidang tanggal dengan zona waktu offset seperti 2015-11-01T03:00:00-08:00 dikonversi ke UTC dan ditampilkan di Amazon Quick Sight sebagai. 2015-11-01T15:30:00

Untuk setiap DATE bidang dalam data yang diimpor, Quick Sight menggunakan panjang bidang 8 byte. Quick Sight mendukung pengkodean file UTF-8, tetapi tidak UTF-8 (dengan BOM).

Data numerik

Data numerik mencakup bilangan bulat dan desimal. Bilangan bulat dengan tipe data INT adalah bilangan negatif atau positif yang tidak memiliki tempat desimal. Quick Sight tidak membedakan antara bilangan bulat besar dan kecil. Bilangan bulat di atas nilai 9007199254740991 atau 2^53 - 1 mungkin tidak ditampilkan dengan tepat atau benar dalam visual.

Desimal dengan tipe data Decimal adalah angka negatif atau positif yang mengandung setidaknya satu tempat desimal sebelum atau setelah titik desimal. Saat Anda memilih mode Kueri Langsung, semua tipe desimal non-integer ditandai sebagai Decimal dan mesin yang mendasarinya menangani ketepatan titik data berdasarkan perilaku yang didukung sumber data. Untuk informasi selengkapnya tentang tipe sumber data yang didukung, lihatTipe dan nilai data yang didukung.

Saat menyimpan kumpulan dataSPICE, Anda dapat memilih untuk menyimpan nilai desimal sebagai fixed atau float tipe desimal. Decimal-fixedtipe data menggunakan format desimal (18,4) yang memungkinkan total 18 digit dan hingga 4 digit setelah titik desimal. Decimal-fixedtipe data adalah pilihan yang baik untuk melakukan operasi matematika yang tepat, tetapi Quick Sight membulatkan nilai ke tempat sepuluh ribu terdekat ketika nilainya dicerna. SPICE

Decimal-floattipe data memberikan sekitar 16 digit akurasi yang signifikan terhadap suatu nilai. Digit signifikan dapat berada di kedua sisi titik desimal untuk mendukung angka dengan banyak tempat desimal dan angka yang lebih tinggi pada saat yang bersamaan. Misalnya, tipe Decimal-float data mendukung nomor 12345.1234567890 atau nomor1234567890.12345. Jika Anda bekerja dengan angka yang sangat kecil yang dekat0, tipe Decimal-float data mendukung hingga 15 digit di sebelah kanan titik desimal, misalnya. 0.123451234512345 Nilai maksimum yang didukung tipe data ini adalah 1.8 * 10^308 meminimalkan kemungkinan kesalahan overflow dengan kumpulan data Anda.

Tipe Decimal-float data tidak tepat dan beberapa nilai disimpan sebagai perkiraan, bukan nilai sebenarnya. Hal ini dapat mengakibatkan sedikit penurunan ketika Anda menyimpan dan mengembalikan beberapa nilai tertentu. Pertimbangan berikut berlaku untuk tipe Decimal-float data.

  • Jika kumpulan data yang Anda gunakan berasal dari sumber data Amazon S3SPICE, tetapkan tipe desimal Decimal-float ke semua nilai desimal numerik.

  • Jika dataset yang Anda gunakan berasal dari database, SPICE gunakan tipe desimal yang nilainya ditetapkan dalam database. Misalnya, jika nilai diberikan nilai numerik titik tetap dalam database, nilainya akan menjadi Decimal-fixed tipe in. SPICE

Untuk SPICE kumpulan data yang ada yang berisi bidang yang dapat dikonversi ke tipe Decimal-float data, pop-up muncul di halaman Edit dataset. Untuk mengonversi bidang kumpulan data yang ada ke tipe Decimal-float data, pilih UPDATE FIELDS. Jika Anda tidak ingin ikut serta, pilih JANGAN PERBARUI BIDANG. Bidang Pembaruan muncul setiap kali Anda membuka halaman Edit kumpulan data hingga kumpulan data disimpan dan dipublikasikan.

Tipe data yang didukung dari sumber data eksternal

Tabel berikut mencantumkan tipe data yang didukung saat menggunakan sumber data berikut dengan Amazon Quick Sight.

Mesin atau sumber database Jenis data numerik Jenis data string Tipe data datetime Tipe data Boolean

Amazon Athena, Presto, Starburst, Trino

  • bigint

  • desimal

  • double

  • integer

  • real

  • smallint

  • tinyint

  • char

  • varchar

  • tanggal

  • timestamp

  • boolean

Amazon Aurora , MariaDB, dan MySQL

  • bigint

  • desimal

  • double

  • int

  • integer

  • mediumint

  • numerik

  • smallint

  • tinyint

  • char

  • enum

  • set

  • text

  • varchar

  • date

  • datetime

  • timestamp

  • tahun

OpenSearch Layanan Amazon

  • byte

  • integer

  • long

  • float

  • double

  • string (tipe bidang string kata kunci di OpenSearch Layanan)

  • ip

  • timestamp

  • boolean

  • biner

Oracle

  • bigint

  • desimal

  • desimal

  • int

  • money

  • numerik

  • real

  • smallint

  • uang kecil

  • tinyint

  • char

  • nchar

  • nvarchar

  • text

  • varchar

  • date

  • datetime

  • tanggal2

  • datetimeoffset

  • smalldatetime

bit

PostgreSQL

  • bigint

  • desimal

  • double

  • integer

  • numerik

  • ketepatan

  • real

  • smallint

  • char

  • karakter

  • text

  • varchar

  • karakter yang bervariasi

  • tanggal

  • timestamp

  • boolean

Apache Spark

  • bigint

  • desimal

  • double

  • integer

  • real

  • smallint

  • tinyint

  • varchar

  • tanggal

  • timestamp

  • boolean

Kepingan salju

  • bigint

  • byteint

  • desimal

  • double

  • presisi ganda

  • float

  • mengapung4

  • mengapung8

  • int

  • integer

  • number

  • numerik

  • real

  • smallint

  • tinyint

  • char

  • karakter

  • string

  • text

  • varchar

  • date

  • datetime

  • Waktu

  • timestamp

  • cap waktu_*

  • boolean

Microsoft SQL Server

  • bigint

  • bit

  • desimal

  • int

  • money

  • numerik

  • real

  • smallint

  • uang kecil

  • tinyint

  • char

  • nchar

  • nvarchar

  • text

  • varchar

  • date

  • datetime

  • tanggal2

  • smalldatetime

  • bit

Format tanggal yang didukung

Amazon Quick Sight mendukung format tanggal dan waktu yang dijelaskan di bagian ini. Sebelum Anda menambahkan data ke Amazon Quick Sight, periksa apakah format tanggal Anda kompatibel. Jika Anda perlu menggunakan format yang tidak didukung, lihatMenggunakan tanggal yang tidak didukung atau kustom.

Format yang didukung bervariasi tergantung pada jenis sumber data, sebagai berikut:

Sumber data Jam Format tanggal

Unggahan file

Sumber Amazon S3

Athena

Salesforce

Jam 24 jam dan 12 jam

Format tanggal dan waktu yang didukung dijelaskan dalam dokumentasi Joda API.

Untuk daftar lengkap format tanggal Joda, lihat Kelas DateTimeFormat di situs web Joda.

Untuk kumpulan data yang disimpan dalam memori (SPICE), Amazon Quick Sight mendukung tanggal dalam rentang berikut: Jan 1, 1400 00:00:00 UTC melalui. Dec 31, 9999, 23:59:59 UTC

Sumber database relasional

Jam 24 jam saja

Berikut data dan format waktu:

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

  2. dd/MM/yyyy, misalnya 31/12/2016.

  3. dd/MMM/yyyy HH:mm:ss, misalnya 31/Des/2016 15:30:00.

  4. dd/MMM/yyyy, misalnya 31/Des/2016.

  5. dd-MMM-yyyy HH:mm:ss, misalnya 31-Des-2016 15:30:00.

  6. dd-MMM-yyyy, misalnya 31-Des-2016.

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

  8. dd-MM-yyyy, misalnya 31-12-2016.

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

  10. MM/dd/yyyy, misalnya 12/31/2016.

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

  12. MM-dd-yyyy, misalnya 12-31-2016.

  13. MMM/dd/yyyy HH:mm:ss, misalnya 31 Des/2016 15:30:00.

  14. MMM/dd/yyyy, misalnya 31 Desember/2016.

  15. MMM-dd-yyyy HH:mm:ss, misalnya Dec-31-2016 15:30:00.

  16. MMM-dd-yyyy, misalnya Dec-31-2016.

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

  18. yyyy/MM/dd, misalnya 2016/12/31.

  19. yyyy/MMM/dd HH:mm:ss, misalnya 2016/Des/31 15:30:00.

  20. yyyy/MMM/dd, misalnya 2016/Des/31.

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

  22. yyyy-MM-dd, misalnya 2016-12-31.

  23. yyyy-MMM-dd HH:mm:ss, misalnya 2016-Des-31 15:30:00.

  24. yyyy-MMM-dd, misalnya 2016-Des-31.

  25. yyyyMMdd'T'HHmmss, misalnya 20161231T153000.

  26. yyyy-MM-dd'T'HH:mm:ss, misalnya 2016-12-31T 15:30:00.

  27. yyyyMMdd'T'HHmmss.SSS, misalnya 20161231T153000.123.

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

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

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

  31. MMM/dd/yyyy HH:mm:ss.SSS, misalnya 31 Des/2016 15:30:00.123.

  32. dd/MMM/yyyy HH:mm:ss.SSS, misalnya 31/Des/2016 15:30:00.123.

  33. yyyy/MMM/dd HH:mm:ss.SSS, misalnya 2016/Des/31 15:30:00.123.

  34. yyyy-MM-dd'T'HH:mm:ss.SSS, misalnya 2016-12-31T 15:30:00.123.

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

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

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

  38. MMM-dd-yyyy HH:mm:ss.SSS, misalnya 31 Desember 2016 15:30:00.123.

  39. dd-MMM-yyyy HH:mm:ss.SSS, misalnya 31-Des-2016 15:30:00.123.

  40. yyyy-MMM-dd HH:mm:ss.SSS, misalnya 2016-Des-31 15:30:00.123.

Nilai yang tidak didukung dalam data

Jika bidang berisi nilai yang tidak sesuai dengan tipe data yang ditetapkan Amazon Quick Sight ke bidang, baris yang berisi nilai tersebut akan dilewati. Misalnya, ambil data sumber berikut.

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 menafsirkan Sales Date sebagai bidang tanggal dan menjatuhkan baris yang berisi nilai nondate, jadi hanya baris berikut yang diimpor.

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

Dalam beberapa kasus, bidang database mungkin berisi nilai yang driver JDBC tidak dapat menafsirkan untuk mesin database sumber. Dalam kasus seperti itu, nilai yang tidak dapat diinterpretasikan diganti dengan null sehingga baris dapat diimpor. Satu-satunya kejadian yang diketahui dari masalah ini adalah dengan kolom tanggal, datetime, dan stempel waktu MySQL yang memiliki nilai nol, misalnya. 0000-00-00 00:00:00 Misalnya, ambil data sumber berikut.

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

Dalam hal ini, data berikut diimpor.

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