> ## Documentation Index > Fetch the complete documentation index at: https://private-7c7dfe99-fix-nav-issues.mintlify.site/llms.txt > Use this file to discover all available pages before exploring further. # 类型映射 > ClickHouse 与 Elasticsearch 的类型映射 Elasticsearch 和 ClickHouse 都支持丰富的数据类型，但二者的底层存储和查询模型存在本质差异。本节将常用的 Elasticsearch 字段类型映射到对应的 ClickHouse 类型 (如果有) ，并提供相关背景信息以帮助指导迁移。对于没有对应类型的情况，我们也会在注释中提供替代方案或说明。 | **Elasticsearch 类型** | **ClickHouse 对应项** | **备注** | | ---------------------------------- | --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | `boolean` | [`UInt8`](/zh/reference/data-types/int-uint) 或 [`Bool`](/zh/reference/data-types/boolean) | 在较新版本中，ClickHouse 支持将 `Boolean` 作为 `UInt8` 的别名。 | | `keyword` | [`String`](/zh/reference/data-types/string) | 用于精确匹配过滤、分组和排序。 | | `text` | [`String`](/zh/reference/data-types/string) | ClickHouse 的全文搜索能力有限；标记化需要借助自定义逻辑，例如将 `tokens` 与数组函数结合使用。 | | `long` | [`Int64`](/zh/reference/data-types/int-uint) | 64 位有符号整数。 | | `integer` | [`Int32`](/zh/reference/data-types/int-uint) | 32 位有符号整数。 | | `short` | [`Int16`](/zh/reference/data-types/int-uint) | 16 位有符号整数。 | | `byte` | [`Int8`](/zh/reference/data-types/int-uint) | 8 位有符号整数。 | | `unsigned_long` | [`UInt64`](/zh/reference/data-types/int-uint) | 64 位无符号整数。 | | `double` | [`Float64`](/zh/reference/data-types/float) | 64 位浮点数。 | | `float` | [`Float32`](/zh/reference/data-types/float) | 32 位浮点数。 | | `half_float` | [`Float32`](/zh/reference/data-types/float) 或 [`BFloat16`](/zh/reference/data-types/float) | 最接近的对应类型。ClickHouse 没有 16 位浮点类型。ClickHouse 提供 `BFloat16`，但它不同于 IEEE-754 half-float：half-float 以较小的范围换取更高精度，而 bfloat16 则牺牲精度以获得更大的范围，因此更适合机器学习工作负载。 | | `scaled_float` | [`Decimal(x, y)`](/zh/reference/data-types/decimal) | 用于存储定点数值。 | | `date` | [`DateTime`](/zh/reference/data-types/datetime) | 对应秒级精度的日期类型。 | | `date_nanos` | [`DateTime64`](/zh/reference/data-types/datetime64) | ClickHouse 可通过 `DateTime64(9)` 支持纳秒级精度。 | | `binary` | [`String`](/zh/reference/data-types/string), [`FixedString(N)`](/zh/reference/data-types/fixedstring) | 二进制字段需要进行 base64 解码。 | | `ip` | [`IPv4`](/zh/reference/data-types/ipv4), [`IPv6`](/zh/reference/data-types/ipv6) | 提供原生 `IPv4` 和 `IPv6` 类型。 | | `object` | [`Nested`](/zh/reference/data-types/nested-data-structures), [`Map`](/zh/reference/data-types/map), [`Tuple`](/zh/reference/data-types/tuple), [`JSON`](/zh/reference/data-types/newjson) | ClickHouse 可使用 [`Nested`](/zh/reference/data-types/nested-data-structures) 或 [`JSON`](/zh/reference/data-types/newjson) 对类似 JSON 对象的结构进行建模。 | | `flattened` | [`String`](/zh/reference/data-types/string) | Elasticsearch 中的 flattened 类型会将整个 JSON 对象存储为单个字段，从而无需完整映射即可灵活、无 schema 地访问嵌套键。在 ClickHouse 中，可使用 String 类型实现类似功能，但需要在 materialized view 中完成处理。 | | `nested` | [`Nested`](/zh/reference/data-types/nested-data-structures) | 在用户使用 `flatten_nested=0` 的前提下，ClickHouse 的 `Nested` 列可为成组子字段提供类似语义。 | | `join` | NA | 没有直接对应的父子关系概念。在 ClickHouse 中通常不需要，因为支持跨表 join。 | | `alias` | [`Alias`](/zh/reference/statements/create/table#alias) 列修饰符 | 可通过字段修饰符来支持别名。[详见](/zh/reference/statements/create/table#alias)。例如，可对这些别名应用函数：`size String ALIAS formatReadableSize(size_bytes)` | | `range` types (`*_range`) | [`Tuple(start, end)`](/zh/reference/data-types/tuple) 或 [`Array(T)`](/zh/reference/data-types/array) | ClickHouse 没有原生 range 类型，但数值范围和日期范围可用 [`Tuple(start, end)`](/zh/reference/data-types/tuple) 或 [`Array`](/zh/reference/data-types/array) 结构表示。对于 IP 范围 (`ip_range`) ，可将 CIDR 值存储为 `String`，并使用 `isIPAddressInRange()` 等函数进行判断。或者，也可以考虑使用基于 `ip_trie` 的 lookup 字典来实现高效过滤。 | | `aggregate_metric_double` | [`AggregateFunction(...)`](/zh/reference/data-types/aggregatefunction) 和 [`SimpleAggregateFunction(...)`](/zh/reference/data-types/simpleaggregatefunction) | 使用 aggregate function 状态和 materialized view 对预聚合指标进行建模。所有 aggregation 函数都支持 aggregate states。 | | `histogram` | [`Tuple(Array(Float64), Array(UInt64))`](/zh/reference/data-types/tuple) | 可使用数组或自定义 schema 手动表示桶及其计数。 | | `annotated-text` | [`String`](/zh/reference/data-types/string) | 不内置支持实体感知搜索或注解。 | | `completion`, `search_as_you_type` | NA | 没有原生自动补全或建议器引擎。可通过 `String` 和 [search functions](/zh/reference/functions/regular-functions/string-search-functions) 实现类似效果。 | | `semantic_text` | NA | 不支持原生语义搜索；请生成嵌入向量并使用向量搜索。 | | `token_count` | [`Int32`](/zh/reference/data-types/int-uint) | 可在摄取期间手动计算标记数，例如使用 `length(tokens())` 函数，或结合 Materialized 列实现。 | | `dense_vector` | [`Array(Float32)`](/zh/reference/data-types/array) | 使用数组存储嵌入向量。 | | `sparse_vector` | [`Map(UInt32, Float32)`](/zh/reference/data-types/map) | 可使用 Map 模拟稀疏向量。不支持原生稀疏向量。 | | `rank_feature` / `rank_features` | [`Float32`](/zh/reference/data-types/float), [`Array(Float32)`](/zh/reference/data-types/array) | 不支持原生的查询时权重提升，但可以在评分逻辑中手动实现。 | | `geo_point` | [`Tuple(Float64, Float64)`](/zh/reference/data-types/tuple) 或 [`Point`](/zh/reference/data-types/geo#point) | 使用 (纬度、经度) 的 Tuple。[`Point`](/zh/reference/data-types/geo#point) 也可作为 ClickHouse 类型使用。 | | `geo_shape`, `shape` | [`Ring`](/zh/reference/data-types/geo#ring), [`LineString`](/zh/reference/data-types/geo#linestring), [`MultiLineString`](/zh/reference/data-types/geo#multilinestring), [`Polygon`](/zh/reference/data-types/geo#polygon), [`MultiPolygon`](/zh/reference/data-types/geo#multipolygon) | 原生支持地理形状和空间索引。 | | `percolator` | NA | 没有“为查询建立索引”这一概念。请改用标准 SQL + 增量materialized views。 | | `version` | [`String`](/zh/reference/data-types/string) | ClickHouse 没有原生版本类型。请将版本存储为字符串，并在需要时使用自定义 UDF 函数进行语义化比较。如果需要范围查询，可考虑将其规范化为数值格式。 |
### 说明
* **数组**：在 Elasticsearch 中，所有字段都原生支持数组。在 ClickHouse 中，数组必须显式定义 (例如 `Array(String)`) ；其优势是可以访问和查询特定位置的元素，例如 `an_array[1]`。 * **多字段**：Elasticsearch 允许以[多种方式索引同一字段](https://www.elastic.co/docs/reference/elasticsearch/mapping-reference/multi-fields#_multi_fields_with_multiple_analyzers) (例如同时使用 `text` 和 `keyword`) 。在 ClickHouse 中，这种模式必须通过单独的列或视图来建模。 * **Map 和 JSON 类型** - 在 ClickHouse 中，[`Map`](/zh/reference/data-types/map) 类型通常用于表示动态键值结构，例如 `resourceAttributes` 和 `logAttributes`。该类型允许在运行时添加任意键，从而实现灵活的无 schema 摄取——这与 Elasticsearch 中的 JSON 对象在理念上类似。不过，也有一些重要限制需要注意： * **统一的值类型**：ClickHouse 的 [`Map`](/zh/reference/data-types/map) 列必须具有一致的值类型 (例如 `Map(String, String)`) 。如果不进行强制类型转换，则不支持混合类型的值。 * **性能开销**：访问 [`Map`](/zh/reference/data-types/map) 中的任意键，都需要将整个 map 加载到内存中，这对性能而言可能并不理想。 * **不支持子列**：与 JSON 不同，[`Map`](/zh/reference/data-types/map) 中的键不会表示为真正的子列，这限制了 ClickHouse 高效进行索引、压缩和查询的能力。 由于这些限制，ClickStack 正在逐步弃用 [`Map`](/zh/reference/data-types/map)，转而采用 ClickHouse 增强后的 [`JSON`](/zh/reference/data-types/newjson) 类型。[`JSON`](/zh/reference/data-types/newjson) 类型弥补了 `Map` 的许多不足： * **真正的列式存储**：每个 JSON 路径都会存储为一个子列，从而实现高效的压缩、过滤和向量化查询执行。 * **支持混合类型**：不同的数据类型 (例如整数、字符串、数组) 可以在同一路径下共存，而无需强制转换或类型统一。 * **文件系统可扩展性**：对动态键 (`max_dynamic_paths`) 和类型 (`max_dynamic_types`) 的内部限制，即使在高基数键集合的情况下，也能防止磁盘上的列文件数量激增。 * **紧凑存储**：NULL 和缺失值会以稀疏方式存储，以避免不必要的开销。 [`JSON`](/zh/reference/data-types/newjson) 类型尤其适合可观测性工作负载，既具备无 schema 摄取的灵活性，又拥有 ClickHouse 原生类型的性能和可扩展性——因此，它是动态属性字段中替代 [`Map`](/zh/reference/data-types/map) 的理想选择。 如需进一步了解 JSON 类型，我们建议阅读 [JSON 指南](/zh/guides/clickhouse/data-formats/json/intro) 和 ["How we built a new powerful JSON data type for ClickHouse"](https://clickhouse.com/blog/a-new-powerful-json-data-type-for-clickhouse)。