博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
SQL Server中的数据类型
阅读量:2219 次
发布时间:2019-05-08

本文共 1678 字,大约阅读时间需要 5 分钟。

1.char(n)和varchar(n): 

存储非Unicode的字符数据,n代表字节长度;n必须是一个介于1和8,000之间的数值,区别在于char(n)存储的是固定长度的即n的大小个字节;varchar(n)存储的是输入数据的实际长度,但最大长度不能超过n。

2.nchar(n)和nvarchar(n):

存储Unicode的字符数据(Unicode所有的字符都用两个字节表示,即英文字符也是用两个字节表示),n代表字符长度;n必须是一个介于1和4,000之间的数值,区别在于nchar(n)存储的是固定长度即n*2个字节;nvarchar(n)存储的是输入字符的实际长度*2个字节但输入字符的最大长度不能超过n。

3.text和ntext:

text存储可变长度的非Unicode数据,最大长度为2^31-1(2,147,483,647)个字节;ntext存储可变长度的Unicode数据,最大长度为2^30-1(1,073,741,823)个字符。

4.varchar(max)和text与nvarchar(max)和ntext:

varchar(max)和nvarchar(max)的作用分别相当于text和ntext,varchar(max)最多可以存储多达2G的数据(以后得版本可能会更多),但是text和ntext不支持"="、"left()"、"like"等操作而varchar(max)和nvarchar(max)支持,并且以后得SQL Server中微软可能移除text和ntext类型,所以应该用varchar(max)和nvarchar(max)取代text和ntext。

5.datetime和smalldatetime:

datetime:从1753年1月1日到9999年12月31日的日期和时间数据,精确到百分之三秒。

smalldatetime:从1900年1月1日到2079年6月6日的日期和时间数据,精确到分钟。

6.bitint、int、smallint、tinyint和bit:

bigint:从-2^63(-9223372036854775808)到2^63-1(9223372036854775807)的整型数据。

int:从-2^31(-2,147,483,648)到2^31-1(2,147,483,647)的整型数据。
smallint:从-2^15(-32,768)到2^15-1(32,767)的整数数据。
tinyint:从0到255的整数数据。
bit:1或0的整数数据。

7.decimal和numeric:

decimal和numeric是等效的,decimal 数据类型最多可存储 38 个数字,所有数字都能够放到小数点的右边;定义 decimal 的列、变量和参数的两种特性如下:

p:小数点左边和右边数字之和,不包括小数点;s :指定可放到小数点右边的小数位数或数字个数;
如 123.45,则 p=5,s=2。
p 和 s 必须遵守以下规则:0 <= s <= p <= 38。

8.float和real:

float:从-1.79^308到1.79^308之间的浮点数字数据。

real:从-3.40^38到3.40^38之间的浮点数字数据。在SQL Server中,real的同义词为float(24)。 

9.国际化:

管理国际数据库中的字符数据的最简单方法是始终使用 Unicode的 nchar、nvarchar 和 nvarchar(max) 数据类型,而不使用它们对应的非 Unicode 数据类型:char、varchar 和 text。这样,客户端与所有其他客户端所看到的数据中的字符将是相同的。如果所有使用国际数据库的应用程序还使用 Unicode 变量来代替非 Unicode 变量,则不需要在系统中的任何位置执行字符转换。

转载于:https://www.cnblogs.com/liukemng/archive/2013/01/10/2854654.html

你可能感兴趣的文章
【LEETCODE】67-Add Binary
查看>>
【LEETCODE】223-Rectangle Area
查看>>
【LEETCODE】12-Integer to Roman
查看>>
【学习方法】如何分析源代码
查看>>
【LEETCODE】61- Rotate List [Python]
查看>>
【算法】- 动态规划的编织艺术
查看>>
用 TensorFlow 让你的机器人唱首原创给你听
查看>>
深度学习的主要应用举例
查看>>
word2vec 模型思想和代码实现
查看>>
怎样做情感分析
查看>>
用深度神经网络处理NER命名实体识别问题
查看>>
用 RNN 训练语言模型生成文本
查看>>
RNN与机器翻译
查看>>
用 Recursive Neural Networks 得到分析树
查看>>
RNN的高级应用
查看>>
TensorFlow-7-TensorBoard Embedding可视化
查看>>
轻松看懂机器学习十大常用算法
查看>>
一个框架解决几乎所有机器学习问题
查看>>
特征工程怎么做
查看>>
机器学习算法应用中常用技巧-1
查看>>