MySQL 常用数据类型的系统总结

news2026/4/18 3:37:30
一、数值型存储数字含整数、小数、布尔值1. 整数类型INT 系列数据类型字节数取值范围有符号取值范围无符号核心特性适用场景TINYINT1-128 ~ 1270 ~ 255占用空间最小状态标记0/1、年龄简化、评分等级SMALLINT2-32768 ~ 327670 ~ 65535中小型整数班级人数、序号、金额分MEDIUMINT3-8388608 ~ 83886070 ~ 16777215中大型整数数据量较大的 ID、统计数INT4-2147483648 ~ 21474836470 ~ 4294967295最常用学生 ID、订单号、成绩、年龄BIGINT8-9e18 ~ 9e180 ~ 1.8e19超大整数海量数据 ID如日志 ID、时间戳毫秒级关键说明加 UNSIGNED 关键字表示无符号仅存非负数如 INT UNSIGNED整数类型可指定 ZEROFILL零填充如 INT(5) ZEROFILL不足位数补 0仅无符号有效。2. 小数类型精确 / 近似小数数据类型字节数格式说明核心特性适用场景DECIMAL(M,D)可变M 总位数1~65D 小数位数0~30精确小数无误差金额、汇率、分数如 85.5 分FLOAT(M,D)4单精度浮点型M 总位数D 小数位数近似小数误差小科学计算、非精确统计如身高、体重DOUBLE(M,D)8双精度浮点型精度高于 FLOAT近似小数精度高工程计算、大数据量浮点存储示例金额字段DECIMAL(10,2)支持 0.00 ~ 99999999.99身高字段FLOAT(5,1)支持 0.0 ~ 999.9。3. 布尔类型BOOL/BOOLEAN本质是 TINYINT(1) 的别名仅存 0假或 1真示例is_active BOOLEAN DEFAULT 1默认启用状态。二、字符串型存储文本、字符含固定 / 可变长度1. 短字符串类型数据类型字节数长度限制核心特性适用场景CHAR(M)M1~255固定长度M 为字符数存储效率高查询快用户名如 CHAR (20)、手机号CHAR (11)、性别CHAR (2)VARCHAR(M)可变1~255可变长度M 为最大字符数节省空间姓名VARCHAR (20)、地址VARCHAR (100)、备注VARCHAR (255)核心区别CHAR无论实际存储内容长度均占用 M 个字符空间如 CHAR(10) 存 abc 仍占 10 字符VARCHAR仅占用实际内容长度 1~2 字节记录长度适合长度不固定的文本。2. 长文本类型数据类型长度限制核心特性适用场景TINYTEXT0 ~ 255 字符短文本简短描述、备注TEXT0 ~ 65535 字符常用长文本文章内容、详细说明MEDIUMTEXT0 ~ 16777215 字符中长文本日志数据、大段描述LONGTEXT0 ~ 4294967295 字符超长文本海量文本如小说、备份数据注意文本类型不能设置默认值查询效率低于 CHAR/VARCHAR不建议用于排序 / 分组可通过索引优化。3. 特殊字符串类型ENUM枚举类型只能从指定列表中选一个值如 gender ENUM(男,女,未知)适用场景固定选项如性别、学历、订单状态存储效率高存数字索引。SET集合类型可从指定列表中选多个值用逗号分隔如 hobby SET(读书,运动,游戏)适用场景多选项如兴趣爱好最多支持 64 个选项。三、日期时间型存储时间、日期精确到不同粒度数据类型字节数取值范围格式示例核心特性适用场景DATE31000-01-01 ~ 9999-12-312025-04-10仅存日期生日、注册日期TIME3-838:59:59 ~ 838:59:5914:30:00仅存时间上课时间、打卡时间DATETIME81000-01-01 00:00:00 ~ 9999-12-31 23:59:592025-04-10 14:30:00日期 时间不受时区影响订单创建时间、考试时间TIMESTAMP41970-01-01 00:00:01 ~ 2038-01-19 03:14:072025-04-10 14:30:00日期 时间受时区影响自动转换日志时间、更新时间YEAR11901 ~ 21552025仅存年份入学年份、毕业年份常用函数获取当前时间NOW()返回 DATETIME、CURDATE()返回 DATE、CURTIME()返回 TIME时间戳转换UNIX_TIMESTAMP()DATETIME→时间戳、FROM_UNIXTIME()时间戳→DATETIME。四、二进制型存储二进制数据如文件、图片数据类型长度限制核心特性适用场景TINYBLOB0 ~ 255 字节短二进制小图标、缩略图BLOB0 ~ 65535 字节常用二进制图片、音频片段MEDIUMBLOB0 ~ 16777215 字节中长二进制视频、大文件LONGBLOB0 ~ 4294967295 字节超长二进制超大文件不推荐建议存文件路径注意二进制类型存储文件会导致数据库体积膨胀查询效率低实际开发中更推荐存储文件的服务器路径如 /upload/2025/04/10/photo.jpg。五、空间类型GIS 相关存储地理数据常用类型POINT点如经纬度、LINESTRING线、POLYGON面适用场景地图应用如店铺位置、路线规划需配合 MySQL 的 GIS 函数使用如计算距离。六、数据类型选择原则最小够用原则优先选择能满足需求的最小类型如年龄用 TINYINT 而非 INT手机号用 CHAR (11) 而非 VARCHAR (20)精度匹配原则金额、分数等需精确计算的场景用 DECIMAL避免 FLOAT/DOUBLE 的精度误差查询效率原则频繁查询、排序、分组的字段用 CHAR/VARCHAR避免 TEXT/BLOB时间场景原则跨时区用 TIMESTAMP无需时区转换用 DATETIME仅存日期用 DATE兼容性原则避免使用 ENUM/SET修改选项需 ALTER TABLE可改用关联表存储固定选项。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2505062.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…