Dados de string e texto Dados de data e hora Dados numéricos Tipos de dados compatíveis de fontes de dados externas

Valores e tipos de dados com suporte

Atualmente, o Amazon Quick Sight oferece suporte aos seguintes tipos de dados primitivos: DateDecimal,Integer, e. String Os seguintes tipos de dados são compatíveis com SPICE: Date, Decimal-fixed, Decimal-float, Integer e String. O Quick Sight aceita valores booleanos promovendo-os a números inteiros. Ele também pode derivar tipos de dados geoespaciais. Os tipos de dados geoespaciais usam metadados para interpretar o tipo de dados físicos. A latitude e a longitude são numéricas. Todas as outras categorias geoespaciais são strings.

Certifique-se de que qualquer tabela ou arquivo que você use como fonte de dados contenha apenas campos que possam ser implicitamente convertidos nesses tipos de dados. O Amazon Quick Sight ignora quaisquer campos ou colunas que não possam ser convertidos. Se você receber um erro dizendo "os campos foram ignorados porque usam tipos de dados incompatíveis", altere sua consulta ou tabela para remover ou reformular os tipos de dados incompatíveis.

Dados de string e texto

Campos ou colunas que contêm caracteres são chamados de strings. Um campo com o tipo de dados de STRING pode conter, inicialmente, quase qualquer tipo de dados. Os exemplos incluem nomes, descrições, números de telefone, números de contas, dados JSON, cidades, códigos postais, datas e números que podem ser usados para calcular. Esses tipos às vezes são chamados de dados textuais de um modo geral, mas não em um sentido técnico. O Quick Sight não oferece suporte a objetos grandes binários e de caracteres (BLOBs) nas colunas do conjunto de dados. Na documentação do Quick Sight, o termo “texto” sempre significa “dados de string”.

Na primeira vez que você consulta ou importa os dados, o Quick Sight tenta interpretar os dados que identifica como outros tipos, por exemplo, datas e números. É uma boa ideia verificar se os tipos de dados atribuídos aos seus campos ou colunas estão corretos.

Para cada campo de string nos dados importados, o Quick Sight usa um comprimento de campo de 8 bytes mais o comprimento de caracteres codificado em UTF-8. O Amazon Quick Sight é compatível com a codificação de arquivos UTF-8, mas não com UTF-8 (com BOM).

Dados de data e hora

Os campos com um tipo de dados de Date também incluem dados de hora e são conhecidos como campos de Datetime. O Quick Sight oferece suporte a datas e horários que usam formatos de data compatíveis.

O Quick Sight usa o horário UTC para consultar, filtrar e exibir dados de data. Quando os dados de data não especificam um fuso horário, o Quick Sight assume valores UTC. Quando os dados de data especificam um fuso horário, o Quick Sight os converte para exibição no horário UTC. Por exemplo, um campo de data com uma diferença de fuso horário como 2015-11-01T03:00:00-08:00 é convertido em UTC e exibido no Amazon Quick Sight como. 2015-11-01T15:30:00

Para cada DATE campo nos dados importados, o Quick Sight usa um comprimento de campo de 8 bytes. O Quick Sight suporta codificação de arquivo UTF-8, mas não UTF-8 (com BOM).

Dados numéricos

Os dados numéricos incluem números inteiros e decimais. Números inteiros com um tipo de dados de INT são números negativos ou positivos que não têm uma casa decimal. O Quick Sight não faz distinção entre números inteiros grandes e pequenos. Números inteiros acima de um valor de 9007199254740991 ou 2^53 - 1 podem não ser exibidos de forma exata ou correta em um elemento visual.

Decimais com o tipo de dados de Decimal são números negativos ou positivos que contêm pelo menos uma casa decimal antes ou depois da pontuação decimal. Quando você escolhe o modo Direct Query, todos os tipos decimais não inteiros são marcados como Decimal e o mecanismo subjacente manipula a precisão do ponto de dados com base nos comportamentos compatíveis com a fonte de dados. Para obter mais informações sobre os tipos de fonte de dados compatíveis, consulte Valores e tipos de dados com suporte.

Ao armazenar seu conjunto de dados emSPICE, você pode optar por armazenar seus valores decimais como fixed tipos float decimais. Decimal-fixedos tipos de dados usam o formato decimal (18,4) que permite 18 dígitos no total e até 4 dígitos após o ponto decimal. Decimal-fixedos tipos de dados são uma boa opção para realizar operações matemáticas exatas, mas o Quick Sight arredonda o valor para a décima milésima casa mais próxima quando o valor é ingerido. SPICE

Os tipos de dados Decimal-float fornecem aproximadamente 16 dígitos significativos de precisão para um valor. Os dígitos significativos podem estar em qualquer lado da pontuação decimal para oferecer compatibilidade com números de muitas casas decimais e números maiores ao mesmo tempo. Por exemplo, o tipo de dados Decimal-float é compatível com o número 12345.1234567890 ou o 1234567890.12345. Se você trabalha com números muito pequenos próximos de 0, o tipo de dados Decimal-float é compatível com até 15 dígitos à direita da pontuação decimal, por exemplo 0.123451234512345. O valor máximo compatível com esse tipo de dados é 1.8 * 10^308 para minimizar a probabilidade de um erro de estouro com o seu conjunto de dados.

O tipo de dados Decimal-float é inexato e alguns valores são armazenados como aproximações em vez do valor real. Isso pode resultar em pequenas discrepâncias ao armazenar e retornar alguns valores específicos. As considerações a seguir se aplicam ao tipo de dados Decimal-float.

Se o conjunto de dados que você está usando vier de uma fonte de dados do Amazon S3, SPICE atribui o tipo decimal Decimal-float a todos os valores decimais numéricos.
Se o conjunto de dados que você está usando vier de um banco de dados, SPICE usa o tipo decimal ao qual o valor é atribuído no banco de dados. Por exemplo, se o valor for atribuído a um valor numérico de ponto fixo no banco de dados, o valor será um tipo Decimal-fixed no SPICE.

Para conjuntos de dados existentes do SPICE que contêm campos que podem ser convertidos para o tipo de dados Decimal-float, um pop-up é exibido na página Editar conjunto de dados. Para converter campos de um conjunto de dados existente no tipo de dados Decimal-float, escolha ATUALIZAR CAMPOS. Se você não quiser incluir, escolha NÃO ATUALIZAR CAMPOS. O pop-up Atualizar campos é exibido toda vez que você abre a página Editar conjunto de dados, até que o conjunto de dados seja salvo e publicado.

Tipos de dados compatíveis de fontes de dados externas

A tabela a seguir lista os tipos de dados compatíveis com o uso das seguintes fontes de dados com o Amazon Quick Sight.

Fonte ou mecanismo de banco de dados	Tipos de dados numéricos	Tipos de dados de string	Tipos de dados de datetime	Tipos de dados booleanos
Amazon Athena, Presto, Starburst, Trino	bigint decimal double integer real smallint tinyint	char varchar	data timestamp	booleano
Amazon Aurora, MariaDB e MySQL	bigint decimal double int integer mediumint numeric smallint tinyint	char enum set text varchar	data datetime timestamp ano
OpenSearch Serviço Amazon	byte integer longo flutuação double	string (tipo de campo de string de palavra-chave em OpenSearch Service) ip	timestamp	booleano binary
Oracle	bigint decimal decimal int money numeric real smallint smallmoney tinyint	char nchar nvarchar text varchar	data datetime datetime2 datetimeoffset smalldatetime	bit
PostgreSQL	bigint decimal double integer numeric precisão real smallint	char caractere text varchar caracteres variáveis	data timestamp	booleano
Apache Spark	bigint decimal double integer real smallint tinyint	varchar	data timestamp	booleano
Snowflake	bigint byteint decimal double doubleprecision flutuante float4 float8 int integer number numeric real smallint tinyint	char caractere string text varchar	data datetime hora timestamp timestamp_*	booleano
Microsoft SQL Server	bigint bit decimal int money numeric real smallint smallmoney tinyint	char nchar nvarchar text varchar	data datetime datetime2 smalldatetime	bit

Formatos de data suportados

O Amazon Quick Sight é compatível com os formatos de data e hora descritos nesta seção. Antes de adicionar dados ao Amazon Quick Sight, verifique se seu formato de data é compatível. Se você precisar usar um formato incompatível, consulte Como usar datas incompatíveis ou personalizadas.

Os formatos compatíveis variam de acordo com o tipo de fonte de dados, da seguinte forma:

Fonte de dados Relógios Formatos de data

Fonte de dados	Relógios	Formatos de data
Uploads de arquivo Fontes do Amazon S3 Athena Salesforce	Relógios de 24 e 12 horas	Os formatos de data e hora compatíveis estão descritos na documentação da API Joda. Para obter uma lista completa dos formatos de data do Joda, veja a aula DateTimeFormat no site do Joda. Para conjuntos de dados armazenados na memória (SPICE), o Amazon Quick Sight suporta datas no seguinte intervalo: `Jan 1, 1400 00:00:00 UTC` até`Dec 31, 9999, 23:59:59 UTC`.
Fontes de bancos de dados relacionais	Somente relógio de 24 horas	Os seguintes formatos de data e hora: `dd/MM/yyyy HH:mm:ss`, por exemplo, 31/12/2016 15:30:00. `dd/MM/yyyy`, por exemplo, 31/12/2016. `dd/MMM/yyyy HH:mm:ss`, por exemplo, 31/Dez/2016 15:30:00. `dd/MMM/yyyy`, por exemplo, 31/dez/2016. `dd-MMM-yyyy HH:mm:ss`, por exemplo, 31 de dezembro de 2016 15:30:00. `dd-MMM-yyyy`, por exemplo, 31 de dezembro de 2016. `dd-MM-yyyy HH:mm:ss`, por exemplo, 31-12-2016 15:30:00. `dd-MM-yyyy`, por exemplo, 31-12-2016. `MM/dd/yyyy HH:mm:ss`, por exemplo, 12/31/2016 15:30:00. `MM/dd/yyyy`, por exemplo, 12/31/2016. `MM-dd-yyyy HH:mm:ss`, por exemplo, 12-31-2016 15:30:00. `MM-dd-yyyy`, por exemplo, 12-31-2016. `MMM/dd/yyyy HH:mm:ss`, por exemplo, 31/12/2016 15:30:00. `MMM/dd/yyyy`, por exemplo, 31/12/2016. `MMM-dd-yyyy HH:mm:ss`, por exemplo, 31 de dezembro de 2016 15:30:00. `MMM-dd-yyyy`, por exemplo, 31 de dezembro de 2016. `yyyy/MM/dd HH:mm:ss`, por exemplo, 2016/12/31 15:30:00. `yyyy/MM/dd`, por exemplo, 2016/12/31. `yyyy/MMM/dd HH:mm:ss`, por exemplo, 2016/Dec/31 15:30:00. `yyyy/MMM/dd`, por exemplo, 2016/dez/31. `yyyy-MM-dd HH:mm:ss`, por exemplo, 2016-12-31 15:30:00. `yyyy-MM-dd`, por exemplo, 2016-12-31. `yyyy-MMM-dd HH:mm:ss`, por exemplo, 2016-Dec-31 15:30:00. `yyyy-MMM-dd`, por exemplo, 2016-Dec-31. `yyyyMMdd'T'HHmmss`, por exemplo, 20161231T153000. `yyyy-MM-dd'T'HH:mm:ss`, por exemplo, 2016-12-31T15:30:00. `yyyyMMdd'T'HHmmss.SSS`, por exemplo, 20161231T153000.123. `MM/dd/yyyy HH:mm:ss.SSS`, por exemplo, 12/31/2016 15:30:00.123. `dd/MM/yyyy HH:mm:ss.SSS`, por exemplo, 31/12/2016 15:30:00.123. `yyyy/MM/dd HH:mm:ss.SSS`, por exemplo, 2016/12/31 15:30:00.123. `MMM/dd/yyyy HH:mm:ss.SSS`, por exemplo, 31/12/2016 15:30:00.123. `dd/MMM/yyyy HH:mm:ss.SSS`, por exemplo, 31/dez/2016 15:30:00.123. `yyyy/MMM/dd HH:mm:ss.SSS`, por exemplo, 2016/Dec/31 15:30:00.123. `yyyy-MM-dd'T'HH:mm:ss.SSS`, por exemplo, 2016-12-31T15:30:00.123. `MM-dd-yyyy HH:mm:ss.SSS`, por exemplo, 12-31-2016 15:30:00.123. `dd-MM-yyyy HH:mm:ss.SSS`, por exemplo, 31-12-2016 15:30:00.123. `yyyy-MM-dd HH:mm:ss.SSS`, por exemplo, 2016-12-31 15:30:00.123. `MMM-dd-yyyy HH:mm:ss.SSS`, por exemplo, 31 de dezembro de 2016 15:30:00.123. `dd-MMM-yyyy HH:mm:ss.SSS`, por exemplo, 31 de dezembro de 2016 15:30:00.123. `yyyy-MMM-dd HH:mm:ss.SSS`, por exemplo, 2016-Dec-31 15:30:00.123.

Uploads de arquivo

Fontes do Amazon S3

Athena

Salesforce

Relógios de 24 e 12 horas

Os formatos de data e hora compatíveis estão descritos na documentação da API Joda.

Para obter uma lista completa dos formatos de data do Joda, veja a aula DateTimeFormat no site do Joda.

Para conjuntos de dados armazenados na memória (SPICE), o Amazon Quick Sight suporta datas no seguinte intervalo: Jan 1, 1400 00:00:00 UTC atéDec 31, 9999, 23:59:59 UTC.

Fontes de bancos de dados relacionais

Somente relógio de 24 horas

Os seguintes formatos de data e hora:

dd/MM/yyyy HH:mm:ss, por exemplo, 31/12/2016 15:30:00.
dd/MM/yyyy, por exemplo, 31/12/2016.
dd/MMM/yyyy HH:mm:ss, por exemplo, 31/Dez/2016 15:30:00.
dd/MMM/yyyy, por exemplo, 31/dez/2016.
dd-MMM-yyyy HH:mm:ss, por exemplo, 31 de dezembro de 2016 15:30:00.
dd-MMM-yyyy, por exemplo, 31 de dezembro de 2016.
dd-MM-yyyy HH:mm:ss, por exemplo, 31-12-2016 15:30:00.
dd-MM-yyyy, por exemplo, 31-12-2016.
MM/dd/yyyy HH:mm:ss, por exemplo, 12/31/2016 15:30:00.
MM/dd/yyyy, por exemplo, 12/31/2016.
MM-dd-yyyy HH:mm:ss, por exemplo, 12-31-2016 15:30:00.
MM-dd-yyyy, por exemplo, 12-31-2016.
MMM/dd/yyyy HH:mm:ss, por exemplo, 31/12/2016 15:30:00.
MMM/dd/yyyy, por exemplo, 31/12/2016.
MMM-dd-yyyy HH:mm:ss, por exemplo, 31 de dezembro de 2016 15:30:00.
MMM-dd-yyyy, por exemplo, 31 de dezembro de 2016.
yyyy/MM/dd HH:mm:ss, por exemplo, 2016/12/31 15:30:00.
yyyy/MM/dd, por exemplo, 2016/12/31.
yyyy/MMM/dd HH:mm:ss, por exemplo, 2016/Dec/31 15:30:00.
yyyy/MMM/dd, por exemplo, 2016/dez/31.
yyyy-MM-dd HH:mm:ss, por exemplo, 2016-12-31 15:30:00.
yyyy-MM-dd, por exemplo, 2016-12-31.
yyyy-MMM-dd HH:mm:ss, por exemplo, 2016-Dec-31 15:30:00.
yyyy-MMM-dd, por exemplo, 2016-Dec-31.
yyyyMMdd'T'HHmmss, por exemplo, 20161231T153000.
yyyy-MM-dd'T'HH:mm:ss, por exemplo, 2016-12-31T15:30:00.
yyyyMMdd'T'HHmmss.SSS, por exemplo, 20161231T153000.123.
MM/dd/yyyy HH:mm:ss.SSS, por exemplo, 12/31/2016 15:30:00.123.
dd/MM/yyyy HH:mm:ss.SSS, por exemplo, 31/12/2016 15:30:00.123.
yyyy/MM/dd HH:mm:ss.SSS, por exemplo, 2016/12/31 15:30:00.123.
MMM/dd/yyyy HH:mm:ss.SSS, por exemplo, 31/12/2016 15:30:00.123.
dd/MMM/yyyy HH:mm:ss.SSS, por exemplo, 31/dez/2016 15:30:00.123.
yyyy/MMM/dd HH:mm:ss.SSS, por exemplo, 2016/Dec/31 15:30:00.123.
yyyy-MM-dd'T'HH:mm:ss.SSS, por exemplo, 2016-12-31T15:30:00.123.
MM-dd-yyyy HH:mm:ss.SSS, por exemplo, 12-31-2016 15:30:00.123.
dd-MM-yyyy HH:mm:ss.SSS, por exemplo, 31-12-2016 15:30:00.123.
yyyy-MM-dd HH:mm:ss.SSS, por exemplo, 2016-12-31 15:30:00.123.
MMM-dd-yyyy HH:mm:ss.SSS, por exemplo, 31 de dezembro de 2016 15:30:00.123.
dd-MMM-yyyy HH:mm:ss.SSS, por exemplo, 31 de dezembro de 2016 15:30:00.123.
yyyy-MMM-dd HH:mm:ss.SSS, por exemplo, 2016-Dec-31 15:30:00.123.

Valores não compatíveis em dados

Se um campo contiver valores que não estejam em conformidade com o tipo de dados que o Amazon Quick Sight atribui ao campo, as linhas que contêm esses valores serão ignoradas. Tome, por exemplo, os dados da fonte a seguir.


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

O Amazon Quick Sight interpreta Sales Date como um campo de data e descarta a linha que contém um valor sem data, portanto, somente as linhas a seguir são importadas.


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

Em alguns casos, um campo de banco de dados pode conter valores que o driver JDBC não consegue interpretar para o mecanismo de banco de dados de origem. Nesses casos, os valores não interpretáveis são substituídos por nulo para que as linhas possam ser importadas. A única ocorrência conhecida desse problema é com os campos date, datetime e timestamp do MySQL, que têm todos os valores zero, como 0000-00-00 00:00:00. Tome, por exemplo, os dados da fonte a seguir.


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

Nesse caso, os dados a seguir são importados.


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

Atenção O Javascript está desativado ou não está disponível no seu navegador.

Para usar a documentação da AWS, o Javascript deve estar ativado. Consulte as páginas de Ajuda do navegador para obter instruções.

Convenções do documento

Cotas de fonte de dados

Trabalhando com conjuntos de dados