> ## Documentation Index
> Fetch the complete documentation index at: https://private-7c7dfe99-mintlify-8c05c8a2.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.
> Справочник по переводу SQL из Amazon Redshift в ClickHouse
# Руководство по переводу SQL из Amazon Redshift в ClickHouse
## Типы данных
Пользователи, переносящие данные между ClickHouse и Redshift, сразу заметят,
что ClickHouse предлагает более широкий набор типов, причем они менее
ограничены. Если в Redshift нужно указывать возможную длину строк, даже
переменную, то в ClickHouse этого ограничения и лишней нагрузки для
пользователя нет: строки хранятся как байты без кодирования. Поэтому тип
String в ClickHouse не имеет ограничений и не требует указания длины.
Кроме того, вы можете использовать типы Array, Tuple и Enum, которых нет в
Redshift как полноценных сущностей (хотя Arrays/Structs можно имитировать
с помощью `SUPER`). Это одно из частых неудобств для пользователей.
ClickHouse также позволяет сохранять состояния агрегации — как во время
выполнения запроса, так и даже в таблице. Это дает возможность заранее
агрегировать данные, обычно с помощью materialized view, и может существенно
улучшить производительность часто выполняемых запросов.
Ниже мы сопоставим эквивалентный тип ClickHouse для каждого типа Redshift:
| Redshift | ClickHouse |
| -------------------------------------------------------------------------------------------------------------------------------------- | -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| [`SMALLINT`](https://docs.aws.amazon.com/redshift/latest/dg/r_Numeric_types201.html#r_Numeric_types201-integer-types) | [`Int8`](/ru/reference/data-types/int-uint) \* |
| [`INTEGER`](https://docs.aws.amazon.com/redshift/latest/dg/r_Numeric_types201.html#r_Numeric_types201-integer-types) | [`Int32`](/ru/reference/data-types/int-uint) \* |
| [`BIGINT`](https://docs.aws.amazon.com/redshift/latest/dg/r_Numeric_types201.html#r_Numeric_types201-integer-types) | [`Int64`](/ru/reference/data-types/int-uint) \* |
| [`DECIMAL`](https://docs.aws.amazon.com/redshift/latest/dg/r_Numeric_types201.html#r_Numeric_types201-decimal-or-numeric-type) | [`UInt128`, `UInt256`, `Int128`, `Int256`](/ru/reference/data-types/int-uint), [`Decimal(P, S)`, `Decimal32(S)`, `Decimal64(S)`, `Decimal128(S)`, `Decimal256(S)`](/ru/reference/data-types/decimal) - (возможны высокая точность и широкий диапазон значений) |
| [`REAL`](https://docs.aws.amazon.com/redshift/latest/dg/r_Numeric_types201.html#r_Numeric_types201-floating-point-types) | [`Float32`](/ru/reference/data-types/float) |
| [`DOUBLE PRECISION`](https://docs.aws.amazon.com/redshift/latest/dg/r_Numeric_types201.html#r_Numeric_types201-floating-point-types) | [`Float64`](/ru/reference/data-types/float) |
| [`BOOLEAN`](https://docs.aws.amazon.com/redshift/latest/dg/r_Boolean_type.html) | [`Bool`](/ru/reference/data-types/boolean) |
| [`CHAR`](https://docs.aws.amazon.com/redshift/latest/dg/r_Character_types.html#r_Character_types-char-or-character) | [`String`](/ru/reference/data-types/string), [`FixedString`](/ru/reference/data-types/fixedstring) |
| [`VARCHAR`](https://docs.aws.amazon.com/redshift/latest/dg/r_Character_types.html#r_Character_types-varchar-or-character-varying) \*\* | [`String`](/ru/reference/data-types/string) |
| [`DATE`](https://docs.aws.amazon.com/redshift/latest/dg/r_Datetime_types.html#r_Datetime_types-date) | [`Date32`](/ru/reference/data-types/date32) |
| [`TIMESTAMP`](https://docs.aws.amazon.com/redshift/latest/dg/r_Datetime_types.html#r_Datetime_types-timestamp) | [`DateTime`](/ru/reference/data-types/datetime), [`DateTime64`](/ru/reference/data-types/datetime64) |
| [`TIMESTAMPTZ`](https://docs.aws.amazon.com/redshift/latest/dg/r_Datetime_types.html#r_Datetime_types-timestamptz) | [`DateTime`](/ru/reference/data-types/datetime), [`DateTime64`](/ru/reference/data-types/datetime64) |
| [`GEOMETRY`](https://docs.aws.amazon.com/redshift/latest/dg/geospatial-overview.html) | [гео-типы данных](/ru/reference/data-types/geo) |
| [`GEOGRAPHY`](https://docs.aws.amazon.com/redshift/latest/dg/geospatial-overview.html) | [Гео-типы данных](/ru/reference/data-types/geo) (развиты меньше, например без систем координат — это можно эмулировать [с помощью функций](/ru/reference/functions/regular-functions/geo/index)) |
| [`HLLSKETCH`](https://docs.aws.amazon.com/redshift/latest/dg/r_HLLSKTECH_type.html) | [`AggregateFunction(uniqHLL12, X)`](/ru/reference/data-types/aggregatefunction) |
| [`SUPER`](https://docs.aws.amazon.com/redshift/latest/dg/r_SUPER_type.html) | [`Tuple`](/ru/reference/data-types/tuple), [`Nested`](/ru/reference/data-types/nested-data-structures/index), [`Array`](/ru/reference/data-types/array), [`JSON`](/ru/reference/data-types/newjson), [`Map`](/ru/reference/data-types/map) |
| [`TIME`](https://docs.aws.amazon.com/redshift/latest/dg/r_Datetime_types.html#r_Datetime_types-time) | [`DateTime`](/ru/reference/data-types/datetime), [`DateTime64`](/ru/reference/data-types/datetime64) |
| [`TIMETZ`](https://docs.aws.amazon.com/redshift/latest/dg/r_Datetime_types.html#r_Datetime_types-timetz) | [`DateTime`](/ru/reference/data-types/datetime), [`DateTime64`](/ru/reference/data-types/datetime64) |
| [`VARBYTE`](https://docs.aws.amazon.com/redshift/latest/dg/r_VARBYTE_type.html) \*\* | [`String`](/ru/reference/data-types/string) в сочетании с функциями [`Bit`](/ru/reference/functions/regular-functions/bit-functions) и [Encoding](/ru/reference/functions/regular-functions/encoding-functions#hex) |
\* ClickHouse также поддерживает беззнаковые целые числа с более широкими диапазонами, а именно `UInt8`, `UInt32`, `UInt32` и `UInt64`.
\*\*Тип String в ClickHouse по умолчанию не имеет ограничений, но его длину можно ограничить с помощью ограничений.
## Синтаксис DDL
### Ключи сортировки
И в ClickHouse, и в Redshift есть понятие «ключ сортировки», которое определяет,
как данные упорядочиваются при хранении. В Redshift ключ сортировки задаётся с помощью
выражения `SORTKEY`:
```sql theme={null}
CREATE TABLE some_table(...) SORTKEY (column1, column2)
```
Для сравнения, в ClickHouse для задания порядка сортировки используется предложение `ORDER BY`:
```sql theme={null}
CREATE TABLE some_table(...) ENGINE = MergeTree ORDER BY (column1, column2)
```
В большинстве случаев в ClickHouse можно использовать те же столбцы ключа сортировки и тот же порядок,
что и в Redshift, если используется тип `COMPOUND` по умолчанию. Когда данные
добавляются в Redshift, следует выполнять команды `VACUUM` и `ANALYZE`, чтобы повторно отсортировать
недавно добавленные данные и обновить статистику для планировщика запросов — иначе
объём неотсортированных данных растёт. Для ClickHouse такой процесс не требуется.
Redshift поддерживает пару удобных возможностей, связанных с ключами сортировки. Первая —
это автоматические ключи сортировки (с использованием `SORTKEY AUTO`). Хотя это может быть уместно
на начальном этапе, явные ключи сортировки обеспечивают наилучшую производительность и эффективность
хранения, если ключ сортировки выбран оптимально. Вторая — это ключ сортировки `INTERLEAVED`,
который придаёт одинаковый вес подмножеству столбцов в ключе сортировки, чтобы повысить
производительность, когда запрос использует один или несколько вторичных столбцов сортировки. ClickHouse
поддерживает явные [проекции](/ru/concepts/features/projections/projections), которые позволяют добиться
того же результата при немного иной настройке.
Следует учитывать, что понятие «первичный ключ»
в ClickHouse и Redshift означает разные вещи. В Redshift первичный ключ похож на традиционное
понятие в СУБД и предназначен для обеспечения ограничений. Однако в Redshift они
не применяются строго, а вместо этого служат подсказками для планировщика запросов и
распределения данных между узлами. В ClickHouse первичный ключ обозначает столбцы, используемые
для построения разреженного первичного индекса, который обеспечивает упорядоченность данных на
диске, максимальное сжатие, а также помогает избежать засорения первичного индекса и
неэффективного расходования памяти.