npm - @clickzetta/cz-cli-darwin-x64 - Versions diffs - 0.3.76 → 0.3.78 - Mend

@clickzetta/cz-cli-darwin-x64 0.3.76 → 0.3.78

This diff represents the content of publicly available package versions that have been released to one of the supported registries. The information contained in this diff is provided for informational purposes only and reflects changes between package versions as they appear in their respective public registries.

Files changed (1236) hide show

package/bin/skills/lakehouse-doc/references/datasharing.md DELETED Viewed

@@ -1,322 +0,0 @@
-# 数据分享
-## 什么是数据分享
-数据分享是云器Lakehouse提供的无复制数据共享功能，用于同服务区域下跨账户或跨服务实例的数据授权使用。在云器Lakehouse中，用户可通过share对象，向同服务区域内的其他账户分享指定table或view的数据，而不需要实际将数据复制给其他账户。
-基于数据分享功能，账户间可便捷、安全地分享数据并与自身的数据进行关联计算，充分挖掘数据价值。
-通过share对象分享的数据通过权限管控的方式保障数据安全，数据提供方可随时通过对share的权限管控取消指定数据的分享。
-数据消费方无需对被分享的数据所占存储资源付费，但需要使用自身的计算资源处理被分享数据。当被分享数据发生变化时，数据消费方可以立即获得最新数据，无需进行数据同步。
-:-: ![](.topwrite/assets/image_1704779759719.png =752)
-## 典型应用场景
-A企业需要将自身数据提供给其客户B企业使用，需要能做到数据实时更新且避免建立高成本的数据实时同步链路。此时A企业可创建share对象，将需要提供的数据授权至share对象，并将share指定给B企业在云器Lakehouse的服务实例。B企业即可立即使用A企业共享的数据。
-## 注意事项
-* 分享的数据均为“只读”，不允许消费方对数据进行修改、删除等操作。
-* 创建share对象的工作空间决定了该share对象所能添加的数据对象范围。不支持跨工作空间添加数据对象。
-* 一个share对象中最多分享1000个table或view对象。
-* 如需对一个table中的部分数据进行分享，建议根据分享数据的需要，创建对应的view视图，然后将view视图进行分享。
-* 分享的数据禁止数据消费方进行二次分享，以保护数据提供方的权益。
-* 目前不能阻止数据消费方对分享数据的复制行为，因此需要数据提供方谨慎选择分享数据的范围。
-## 数据分享的DDL命令
-[CREATE SHARE](create-share.md)
-[ALTER SHARE](alter-share.md)
-[GRANT TO SHARE](grant-to-share.md)
-[REVOKE FROM SHARE](revoke-from-share.md)
-[SHOW SHARES](show-shares.md)
-[DESC SHARE](desc-share.md)
-[DROP SHARE](drop-share.md)
-## 支持share的数据对象
-当前支持share的数据对象有：table和view对象。
-支持使用 all tables in schema \<schema\_name> 和 all views in schema \<schema\_name> 的方式，将指定schema下的所有table和view对象加入到共享对象share中。 该操作包含“未来”创建在指定schema中的所有table和view对象，请谨慎操作。
-## 提供数据分享的操作
-### Web端
-**1. 创建share对象**
-为保障数据安全，数据分享（share）对象必须由具备“实例管理员”（instance\_admin）角色的用户创建。点击左侧菜单的“数据管理”-“数据分享”，进入数据分享列表页。
-点击“+新增分享”，打开新建数据分享窗口：
-:-: ![](.topwrite/assets/image_1734492957409.png =507)
-1）填写数据分享的“分享名称”。
-2）选择“工作空间”，指将要分享的table或view所在的工作空间，一个数据分享（share）对象仅可包含一个工作空间下的数据。
-3）在数据对象行，点击“添加”。选择数据分享中需要包含的具table或view，可以选择多个。但请注意，不可选择来源于其他数据分享的表和视图，因为数据分享的授权中不允许对数据进行二次分享。使用web端创建的数据分享仅支持包含已存在的table和view，暂不支持指定整个schema下“未来”创建的table或view对象。
-4）在接收实例行，点击“添加”。输入需要接收数据的服务实例名称。服务实例名称在Lakehouse服务中全局唯一。服务消费端用户可在首页右侧或在服务实例的URL中找到自己的服务实例名称并提供给分享者进行配置。
-:-: ![](.topwrite/assets/share_img_instancename.png =786)
-^
-*注意*：
-1. *为保障以工作空间为隔离域的数据安全，仅具备工作空间管理员角色的用户可在数据分享（share）中添加其管理的工作空间内的数据对象*。
-2. *创建数据分享（share）对象弹窗中的“创建”和“添加数据”是两个操作，即使添加要分享的数据全部失败或部分失败，并不会影响分享对象的创建。任意操作出现失败时，会返回报错信息。你可以在数据分享列表中点击已创建的数据分享，继续添加数据对象或要接收数据的服务实例*。
-**2. 查询已创建数据分享（share）对象**
-所有当前服务实例内已创建的数据分享（share）对象，均在“数据分享”列表页显示。具备服务实例管理员角色（instance\_admin)或工作空间管理员角色（workspace\_admin)的用户，可以查看数据分享（share）对象列表。
-:-: ![](.topwrite/assets/image_1734493289109.png =737)
-**3. 查询数据分享（share）详情**
-在“数据分享”列表页显示点击具体的数据分享名称，即可查询该数据分享的详细信息，包括基础信息、接收分享的服务实例以及分享的数据对象。具备服务实例管理员角色（instance\_admin)或工作空间管理员角色（workspace\_admin)的用户，可以查看数据分享（share）对象的详情。
-:-: ![](.topwrite/assets/image_1734493331354.png =735)
-**4. 添加/删除分享的数据对象**
-数据分享所属空间的空间管理员角色用户，可以添加或删除该数据分享中的数据对象（table或view）。
-在数据分享列表页，点击要添加数据对象的share对象名称，进入share对象详情页面。点击“编辑”按钮，在弹窗中选择要添加或删除的数据对象。点击“确定”完成分享数据对象的更新。不可添加来源于其他share对象的数据。
-添加后的数据对象会立即被share对象的消费者可见，出现在其提取数据的schema中。
-:-: ![](.topwrite/assets/image_1734493367553.png =721)
-**5. 配置share的分享目标**
-需要对share对象配置被分享的服务实例名称（instance\_name）才可完成数据分享。服务实例名称需要数据消费端提供。
-:-: ![](.topwrite/assets/image_1734493417202.png =771)
-^
-**6. 删除share对象**
-具备服务实例管理员角色（instance\_admin)角色的用户，或该数据分享所属空间的工作空间管理员角色（workspace\_admin)的用户，可以删除数据分享对象。
-在数据分享列表页或数据分享详情中，点击“操作”中的“删除”按钮，即可完成数据分享对象的删除。share对象一经删除不可恢复。数据消费端会立即失去对被分享数据的使用权限。
-### 使用SQL操作
-**1. 创建share对象**
-为保障数据安全，share对象必须由具备“实例管理员”（instance\_admin）角色的用户创建。创建share对象时，需要在计划分享数据的工作空间中执行以下语句：
-```SQL
-CREATE SHARE <share_name>;
-```
-***
-**2. 向share对象添加要分享的数据对象**
-创建出的share对象初始不包含任何数据对象，需要通过 Grant 语句添加需要分享的数据对象，语法为：
-```SQL
-GRANT select, read metadata ON {TABLE <table_name> | VIEW <view_name>} TO SHARE <share_name>;
-```
-例如：
-```SQL
-GRANT select, read metadata ON TABLE share_demo_table TO SHARE share_demo;
-```
-可以使用all tables in schema 或 all views in schema方式将指定schema下当前和未来所有table或view对象添加至share中，例如：
-```SQL
-Grant select, read metadata on ALL tables in SCHEMA share_demo_schema TO SHARE share_demo;
-Grant select, read metadata on ALL views in SCHEMA share_demo_schema TO SHARE share_demo;
-```
-向share对象添加要分享的数据对象时，执行操作的用户必须具备分享涉及table或view对象的select （查询）和 read metadata （查看元数据）权限，并可以进行二次授权 （with grant option）。工作空间管理员角色（workspace\_admin）天然具备上述权限。
-需要取消share对象中分享的数据对象时，可通过revoke语句实现：
-```SQL
-REVOKE select, read metadata on {TABLE <name> | VIEW <name>} FROM SHARE <share_name>;
-```
-注意：当分享table或view对象时，由于table或view对象一定存在于一个schema对象下，所以该schema的元数据权限（read metadata）也会被自动添加至该share对象中。当取消share中的table或view对象时，其所属schema的元数据权限也会被自动移除。
-***
-**3. 配置share的分享目标**
-需要对share对象配置被分享的服务实例名称（instance\_name）才可完成数据分享。服务实例名称需要数据消费端提供。
-服务实例名称在Lakehouse服务中全局唯一。服务消费端用户可在首页右侧或在服务实例的URL中找到自己的服务实例名称并提供给分享者进行配置。
-:-: ![](.topwrite/assets/share_img_instancename.png =786)
-数据分享者配置share分享目标的语法如下:
-```SQL
-ALTER SHARE <share_name> [ADD | REMOVE] INSTANCE <instance_name>;
-```
-其中ADD为添加，REMOVE为移出。该操作即时生效，可随时对share添加或移出分享目标实例。一个share对象可以分享给多个服务实例。
-完成上述三步操作后，即完成了数据向指定服务实例的分享。
-^
-**4. 查询已创建share对象**
-可以通过执行show命令查询已创建的share对象，语法如下：
-```SQL
-SHOW SHARES;
-```
-返回结果示例如下：
-:-: ![](.topwrite/assets/share_img_showshares.png =803)
-其中：
-* provider为share提供者的租户名；
-* provider\_instance为share提供者的服务实例名；
-* provider\_workspace为share所属的工作空间；
-* scope为share的分享范围，当前仅支持PRIVATE——指定instance分享；
-* to\_instance为该share对象指定被分享至的服务实例名称，多个服务实例名称之间用英文逗号(,)分隔；
-* kind为share的类型，OUTBOUND为当前服务实例分享出的数据，INBOUND为其他服务实例分享至当前服务服务实例的数据。
-^
-**5. 查询指定share分享的数据对象**
-可以执行以下语句查询share中已被授予的数据对象：
-```SQL
-DESC SHARE <share_name>;
-```
-返回结果示例如下：
-:-: ![](.topwrite/assets/share_img_descshare.png =798)
-^
-**6. 删除share对象**
-可执行以下命令删除当前服务实例创建的share对象：
-```SQL
-DROP SHARE <share_name>;
-```
-share对象一经删除不可恢复。数据消费端会立即失去对被分享数据的使用权限。
-## 使用被分享数据的操作
-### Web端
-**1.查询被分享数据**
-使用具备服务实例管理员（instance\_admin）角色或工作空间管理员（workspace\_admin）角色的用户，在“数据分享”菜单的“分享给我”页签中，能够查看到所有分享给当前服务实例的数据分享对象。
-点击数据分享对象名称，可以查看该数据分享的来源、接收时间以及该数据分享中当前所包含的数据（table或view）。
-:-: ![](.topwrite/assets/image_1734493496334.png =777)
-^
-**2.提取被分享share创建schema**
-在“分享给我”的列表页，或数据分享对象的详情页面，点击“提取”按钮，即可提取该分享中的数据。
-:-: ![](.topwrite/assets/image_1734493713534.png =793)
-提取数据时，只能以schema为单位提取，暂不支持单独提取table或view。
-:-: ![](.topwrite/assets/image_1734493642759.png =541)
-首先需要选择“源schema”，即需要提取该分享中哪些schema的数据。如果数据分享中包含多个schema，需要操作多次提取。
-然后选择数据提取目标的工作空间，并输入存放数据的schema名称。数据提取操作将在该工作空间中新建一个schema，并存放源schema中的数据。注意，该schema被创建后为“只读”schema，不可在此schema中新建其他数据对象。
-完成上述选择和输入后，点击“确定”即可完成数据提取。
-**3. 使用被分享数据**
-完成数据提取操作后，即可在指定创建的schema下看到share对象中该schema下分享的所有table和view对象。并可以对这些table、view对象执行select查询或与其他table、view进行join查询。
-被分享数据在“数据”栏中以特殊图标标识，以便区分。
-:-: ![](.topwrite/assets/image_1734493884869.png =279)
-### 使用SQL操作
-**1. 查询被分享数据**
-数据消费方可通过show shares命令查询被分享的share对象。使用方式和返回结果与提供数据分享的第3步一致。
-进一步，可通过desc shares命令，查询被分享的share中包含哪些schema和table对象。
-^
-**2. 使用被分享share创建schema**
-通过share分享的数据，需要在消费端创建对应的schema才可查询和使用。操作语句如下：
-```SQL
-CREATE SCHEMA <schema_name> FROM SHARE <provider_instance>.<share_name>.<schema_name>;
-```
-其中\<provider\_instance>和\<share\_name>可通过show shares命令的查询结果获得；\<schema\_name>可通过desc share \<share\_name>命令指定share名称查询获得。
-Create schema \<schema\_name>中的schema名称可以自行定义，不必与share中的schema名称相同。
-执行上述命令时，操作者必须具备在执行操作的工作空间创建schema的权限。工作空间管理员角色（workspace\_admin）默认具备上述权限。
-^
-**3. 使用被分享数据**
-完成create schema from share 的执行后，即可在指定创建的schema下看到share对象中该schema下分享的所有table和view对象。并可以对这些table、view对象执行select查询或与其他table、view进行join查询。
-## share对象的权限
-**1. 提供者权限**
-仅服务实例管理员（instance\_admin）角色的用户可以创建数据共享（share）对象。执行创建
-share对象的权限点如下，暂不支持使用grant 语句将share对象的权限授予其他角色或用户。
-| **权限点**                                                         | **说明**                                                                        |
-| --------------------------------------------------------------- | ----------------------------------------------------------------------------- |
-| Create share                                                    | 创建share 对象权限。                                                                 |
-| Alter share                                                     | 修改share 对象，添加或删除被分享的实例ID。                                                     |
-| Drop share                                                      | 删除share实例。                                                                    |
-| Read metadata                                                   | show shares和 desc share权限。其中desc share可返回share 中包含的object和授予的objectPrivilege。 |
-| Grant objectprivilege to shareRevoke objectprivilege from share | 为share添加或移出数据对象：Grant objectPrivilege to;Revoke objectPrivilege from。         |
-^
-**2. 消费者权限**
-工作空间中成员均具备share对象的use和read metadata权限。但必须具备在工作空间中的create schema权限才可以使用share中分享的数据创建出schema。
-| **权限点**       | **说明**                                        |
-| ------------- | --------------------------------------------- |
-| Use           | 使用share的权限。                                   |
-| Read metadata | 查询share元数据的权限，拥有后可执行Show shares 和 desc share。 |
-^

package/bin/skills/lakehouse-doc/references/datasharing_catalog.md DELETED Viewed

	@@ -1 +0,0 @@
1	- ^

package/bin/skills/lakehouse-doc/references/datasource_ip_whitelist.md DELETED Viewed

@@ -1,93 +0,0 @@
-# 数据源IP白名单配置指南
-## 应用场景
-当数据源部署在内网环境或具有严格的安全管控要求时，需在**源端数据库/服务器**配置 IP 白名单：
-1. 仅允许数据同步服务IP段访问源数据
-2. 防止未经授权的网络访问
-3. 满足企业网络安全审计要求
-## 前置准备
-* 确认目标数据源支持IP白名单机制
-* 获取数据同步服务所在服务器的公网IP地址
-* 确保具备数据源管理权限
-## 配置流程
-如果在配置数据源、测试连通性或者同步任务运行时，遇到因白名单限制导致的报错，可以按照此文档进行操作。
-### 步骤1：获取数据同步服务出口IP地址
-根据实际使用服务所在的云和地域，获取对应的IP地址：
-| 服务地域 | IP 地址 |
-| :--- | :--- |
-| 阿里云·上海 | 47.100.176.72 |
-| 阿里云·新加坡 | 47.237.31.114 |
-| 腾讯云·上海 | 110.40.220.6, 124.220.91.8, 101.34.216.184 |
-| 腾讯云·北京 | 101.42.151.242, 101.42.224.202, 43.138.11.31 |
-| 腾讯云·广州 | 43.138.226.127, 1.14.203.242, 175.178.164.94 |
-| 亚马逊云·北京 | 54.223.225.56, 52.80.208.69 |
-| 亚马逊云·新加坡 | 54.251.190.22, 13.250.195.227 |
-### 步骤2：源端数据库白名单配置
-1. **登录源数据库管理控制台**
-   * MySQL：通过安全组或数据库参数设置
-   * Oracle：通过 `SQLNET.ORA` 文件配置
-   * SQL Server：通过服务器防火墙设置
-2. **添加IP白名单规则**
-   以阿里云 RDS MySQL 版为例，以下是基于**阿里云控制台**界面的详细操作步骤：
-   **步骤 1：登录阿里云控制台**
-   打开浏览器，访问阿里云官网，使用您的阿里云账号登录。
-   **步骤 2：进入 RDS 管理控制台**
-   登录后，点击顶部菜单中的“**产品与服务**”，然后选择“**数据库**” > “**关系型数据库 RDS**”。
-   **步骤 3：选择目标 RDS 实例**
-   在 RDS 控制台页面，找到你想要操作的 RDS 实例。点击实例名称，进入实例详情页面。
-   **步骤 4：进入“白名单设置”**
-   在实例详情页面，找到左侧菜单中的“**安全设置**”。点击“**白名单设置**”选项。
-   **步骤 5：添加白名单**
-   在“白名单设置”页面，您会看到当前的白名单配置。点击“**添加白名单分组**”按钮，或在已有的白名单分组中直接添加 IP 地址。
-   **步骤 6：配置白名单**
-   在弹出的对话框中，输入白名单分组名称（可选）。在“**白名单内容**”框中，输入允许访问的 IP 地址或 IP 段。可以输入多个 IP 地址或 IP 段，用英文逗号分隔，例如：`47.100.176.72`。然后点击“**确定**”完成添加。
-   **步骤 7：保存白名单设置**
-   添加完成后，点击页面底部的“**保存**”按钮，保存白名单设置。
-### 步骤3：数据同步验证
-1. 在数据源配置中，点击“测试连通性”。如果成功，通常表明配置已生效。
-2. 为保险起见，可以创建测试同步任务并手动执行。
-3. 观察任务日志是否显示连接成功。
-4. 失败时检查同步任务日志和数据库审计日志。
-## 注意事项
-具体配置方式可能因数据源类型（MySQL/Oracle等）而异，请参考对应数据源的官方文档。如需访问云产品，请前往各云产品帮助中心查看其添加白名单的注意事项。白名单设置通常会立即生效，但也可能需要几分钟。
-## 常见问题
-### Q1：已添加 IP 白名单仍无法连接
-* 检查 IP 地址是否准确（建议通过 `curl ifconfig.me` 验证出口 IP）
-* 确认数据源防火墙已开放对应端口
-* 检查白名单配置是否已生效（部分数据库需重启生效）
-### Q2：白名单维护最佳实践
-1. 为数据同步服务单独创建访问账号。
-2. 按最小权限原则配置访问范围。
-3. 定期审计白名单中的IP地址。
-4. 建议配合VPN/专线提升安全性。
-5. 不要将 `0.0.0.0/0`（允许所有 IP 访问）添加到生产环境的白名单中，除非绝对必要。
-^

package/bin/skills/lakehouse-doc/references/datasources.md DELETED Viewed

@@ -1,62 +0,0 @@
-# 数据源支持范围
-在使用数据同步服务之前，为了确保您的同步需求得到满足，请先确认数据同步服务是否覆盖了您所需的数据源，并选择合适的任务类型。目前，数据同步服务支持以下三种同步任务类型：
-1. 单表离线同步：适用于支持的数据源，提供单表读取和写入的离线同步功能。
-2. 单表实时同步：针对支持的数据源，实现单表读取和写入的实时同步功能。
-3. 多表实时同步：针对支持的数据源，提供一次性全量同步和实时增量同步的多表功能。
-各类任务类型当前支持的数据源类型和版本如下（包括但不限于以下类型，请以产品内实际支持为准）：
-### 离线同步
-| 数据源 | 发布等级 | 离线单表读 | 离线单表写 | 支持版本 |
-| --------------------- | ------- | ---- | ---- | --------------------- |
-| 云器Lakehouse | GA | √ | √ | - |
-| ADB MySQL              | GA (Beta) | √     | √     | 3.x                    |
-| ADB PostgreSQL         | GA (Beta) | √     | √     | 6.x                    |
-| AMQP                   | GA (Beta) | √     | X     | -                      |
-| AutoMQ                 | GA       | √     | √     | -                      |
-| ClickHouse | GA | √ | √ | 19.x及以上 |
-| COS                    | GA       | √     | √     | -                      |
-| Databricks             | GA       | √     | √     | -                      |
-| DB2                    | GA (Beta) | √     | √     | 11.x                   |
-| DM                     | GA (Beta) | √     | √     | 8.x                    |
-| Doris                  | GA (Beta) | √     | √     | 1.x                    |
-| DynamoDB               | GA       | √     | √     | -                      |
-| Elasticsearch          | GA       | √     | √     | 7.x                    |
-| Greenplum | GA (Beta) | √ | √ | 5.x及以上 |
-| HBase | GA | X | √ | 1.4+ |
-| Hive                   | GA       | √     | √     | 2.x                    |
-| Hologres               | GA (Beta) | √     | √     | -                      |
-| Kafka | GA | √ | √ | 0.8.x, 0.9.x, 0.10.x, 2.x |
-| MaxCompute             | GA       | √     | X     | -                      |
-| MariaDB                | GA (Beta) | √     | √     | -                      |
-| MongoDB | GA | √ | X | 3.4及以上 |
-| MySQL                  | GA       | √     | √     | 5.x，8.x                |
-| Oracle                 | GA (Beta) | √     | √     | -                      |
-| OSS                    | GA       | √     | √     | -                      |
-| PolarDB for MySQL      | GA       | √     | √     | -                      |
-| PolarDB for PostgreSQL | GA       | √     | √     | -                      |
-| PostgreSQL | GA | √ | √ | 9.4及以上 |
-| Redis                  | GA       | X     | √     | -                      |
-| Redshift               | GA (Beta) | √     | √     | -                      |
-| RestApi                | GA       | √     | X     | -                      |
-| SLS（LogHub）            | GA       | √     | X     | -                      |
-| SQL Server | GA | √ | √ | 2012及以上 |
-| StarRocks              | GA (Beta) | √     | √     | 2.5                    |
-| TiDB                   | GA (Beta) | √     | √     | -                      |
-### 实时同步
-| 数据源 | 发布等级 | 实时单表读 | 实时多表读 | 实时写 | 支持版本 |
-| --------------- | --- | ---- | ---- | ---- | ---- |
-| 云器Lakehouse | GA | X | X | √ | - |
-| AutoMQ                 | GA   | √     | X     | X   | -             |
-| Kafka | GA | √ | X | √ | 0.8.x, 0.9.x, 0.10.x, 2.x |
-| MySQL | GA | √ | √ | X | 5.x, 8.x |
-| PolarDB for MySQL      | GA   | √     | √     | X   | -         |
-| PolarDB for PostgreSQL | GA   | √     | √     | X   | -       |
-| SQL Server | GA | √ | √ | X | SQL Server 2016 Service Pack 1 (SP1) 及以上版本 |
-^

package/bin/skills/lakehouse-doc/references/datatype-cast.md DELETED Viewed

@@ -1,105 +0,0 @@
-# 数据类型转换
-在 SQL 语句中，数据类型转换是一项常见的操作。本文将介绍如何在 SQL 中进行数据类型转换，以及相关的函数和语法。
-## 数据类型转换函数
-### CAST 函数
-CAST 函数用于将一个数据类型的值转换为另一个数据类型的值。如果转换过程中超出目标数据类型的范围，则会引发溢出异常。
-#### 语法
-```
-CAST(expression AS type)
-```
-参数说明：
-* expression：必填。待转换的数据源。
-* type：必填。目标数据类型。用法如下：
-  * `CAST(double AS bigint)`：将 DOUBLE 数据类型值转换为 BIGINT 数据类型。
-  * `CAST(string AS bigint)`：将字符串转换为 BIGINT 数据类型。如果字符串中是整型表达的数字，则直接转换为 BIGINT 类型。如果字符串中是浮点数或指数形式表达的数字，则先转换为 DOUBLE 数据类型，再转换为 BIGINT 数据类型。
-  * `CAST(string AS timestamp)` 或 `CAST(timestamp AS string)`：会采用默认的日期格式 `yyyy-MM-dd HH:mm:ss`。
-#### 示例
-```sql
-SELECT CAST(rand() AS INT);
--- 执行结果 0
-```
-### TYPE(expr)
- 函数用于将一个值从一种数据类型转换为另一种数据类型。如果转换成功，返回转换后的值；如果转换失败，默认返回 NULL。
-#### 语法
-```
-TYPE(expr)
-```
-参数说明：
-* TYPE类型：支持float\double\tinyint\smallint\int\bigint\string\date\timestamp\timestamp\_ntz\binary\boolean
-* expr：必填。要转换的表达式。
-#### 示例
-```sql
-SELECT binary('1');
--- 执行结果 [31]
-```
-```sql
-SELECT INT(100.6);
--- 执行结果 100
-```
-## 转换运算符
-除了使用函数进行数据类型转换外，还可以使用转换运算符。
-### 语法
-```
-expression::type
-```
-* expression：必填。要转换的表达式。
-* type：必填。目标数据类型。
-### 示例
-```sql
-SELECT 123.45::INT;
--- 执行结果 123
-SELECT '2021-08-15'::DATE;
--- 执行结果 2021-08-15
-```
-## 转换运算符
-除了使用函数进行数据类型转换外，还可以使用转换运算符。
-### 语法
-```
-expression::type
-```
-* expression：必填。要转换的表达式。
-* type：必填。目标数据类型。
-### 示例
-```
-SELECT 123.45::INT;
--- 执行结果 123
-SELECT '2021-08-15'::DATE;
--- 执行结果 2021-08-15
-```

package/bin/skills/lakehouse-doc/references/datatype-conversion.md DELETED Viewed

@@ -1,85 +0,0 @@
-# 数据类型转换
-数据类型转换是指将一种数据类型的值转换为另一种数据类型的值的过程。数据类型转换可以分为隐式转换和显式转换。隐式转换是指在执行某些操作时，系统自动进行的数据类型转换，例如算术运算、比较运算、函数调用等。显式转换是指用户使用特定的函数或语法来指定数据类型转换，例如CAST等。不同的数据库系统可能有不同的数据类型转换规则和函数。本文将介绍lakehouse的数据类型转换特点和用法
-# 显式转换
-Lakehouse支持两种方式进行显式类型转换：使用 `CAST` 函数或使用 `::` 符号。这两种方式是等价的，例如 `CAST(a AS INT)` 等价于 `a::INT`。`::` 符号提供了更简洁的语法来执行类型转换。
-下图显示使用cast转换的行为，
-| Source\Target  | tinyint | Smallint | Int   | Bigint | Float | Double | Decimal | String | Date  | Timestamp\_ltz | Timestamp\_ntz | Interval | Boolean | Binary | Array | Map   | Struct |
-| -------------- | ------- | -------- | ----- | ------ | ----- | ------ | ------- | ------ | ----- | -------------- | -------------- | -------- | ------- | ------ | ----- | ----- | ------ |
-| Tinyint        | **Y**   | Y        | *Y*   | Y      | Y     | Y      | Y       | Y      | N     | N              | N              | N        | Y       | N      | N     | N     | N      |
-| Smallint       | **Y**   | **Y**    | Y     | Y      | Y     | Y      | Y       | Y      | N     | N              | N              | N        | Y       | N      | N     | N     | N      |
-| Int            | **Y**   | **Y**    | **Y** | Y      | Y     | Y      | Y       | Y      | N     | N              | N              | N        | Y       | N      | N     | N     | N      |
-| Bigint         | **Y**   | **Y**    | **Y** | **Y**  | Y     | Y      | Y       | Y      | N     | Y              | Y              | N        | Y       | N      | N     | N     | N      |
-| Float          | **Y**   | **Y**    | **Y** | **Y**  | **Y** | Y      | Y       | Y      | N     | N              | N              | N        | N       | N      | N     | N     | N      |
-| Double         | **Y**   | **Y**    | **Y** | **Y**  | **Y** | **Y**  | Y       | Y      | N     | N              | N              | N        | N       | N      | N     | N     | N      |
-| Decimal        | **Y**   | **Y**    | **Y** | **Y**  | **Y** | **Y**  | **Y**   | **Y**  | N     | N              | N              | N        | N       | N      | N     | N     | N      |
-| String         | **Y**   | **Y**    | **Y** | **Y**  | **Y** | **Y**  | **Y**   | Y      | **Y** | **Y**          | **Y**          | **Y**    | **Y**   | **Y**  | N     | N     | N      |
-| Date           | N       | N        | N     | N      | N     | N      | N       | Y      | Y     | Y              | Y              | N        | N       | N      | N     | N     | N      |
-| Timestamp\_ltz | N       | N        | N     | Y      | N     | N      | N       | Y      | Y     | Y              | Y              | N        | N       | N      | N     | N     | N      |
-| timestmap\_ntz | N       | N        | N     | N      | N     | N      | N       | Y      | Y     | Y              | Y              | N        | N       | N      | N     | N     | N      |
-| Interval       | N       | N        | N     | N      | N     | N      | N       | Y      | N     | N              | N              | Y        | N       | N      | N     | N     | N      |
-| Boolean        | Y       | Y        | Y     | Y      | Y     | Y      | Y       | Y      | N     | N              | N              | N        | Y       | N      | N     | N     | N      |
-| Binary         | N       | N        | N     | N      | N     | N      | N       | Y      | N     | N              | N              | N        | N       | Y      | N     | N     | N      |
-| Array          | N       | N        | N     | N      | N     | N      | N       | Y      | N     | N              | N              | N        | N       | N      | **Y** | N     | N      |
-| Map            | N       | N        | N     | N      | N     | N      | N       | Y      | N     | N              | N              | N        | N       | N      | N     | **Y** | N      |
-| Struct         | N       | N        | N     | N      | N     | N      | N       | Y      | N     | N              | N              | N        | N       | N      | N     | N     | **Y**  |
-黑色加粗代表可能会报错或者转换为null，需要说明lakehouse为了避免用户写SQL转换值失败，采用了转换更宽松的行为，黑色加粗部分引发异常会转换为null，当然你也可以设置标准行为黑色加粗部分为严格模式也可以报错,开启严格模式set cz.sql.cast.mode=strict;开启后你可以直接使用[try\_cast](datatype-cast.md)函数报错行为将返回null，详情可以参考参数管理
-* CAST(Numeric AS Numeric)：如果超出目标数据类型的范围，lakehouse默认会转换为null
-* 将 FLOAT 转换为 INTEGER 对值进行截断
-* 将 TIMESTAMP 转换为 DATE 会删除有关一天中时间的信息
-# 隐式转换
-当两个不同类型的值进行算术运算或比较运算时，Lakehouse SQL会按照一定的优先级进行隐式转换，以保证运算结果的精度和范围。优先级的顺序如下图。也就是说，如果两个值的类型不同，那么类型较低的值会被转换为类型较高的值，以匹配另一个值的类型。例如，当整数和小数进行加法运算时，整数会被转换为小数，以避免精度损失。当日期和时间戳进行比较运算时，日期会被转换为时间戳，以保证时间粒度的一致性。
-![](.topwrite/assets/image_1700219556792.png)
-图中类型由低到高排布最上层为最低类型
-**特别注意**
-lakehouse为了避免用户写SQL转换值失败，隐式转换和显式转化采用了转换更宽松的行为，引发异常会转换为null。你可以开启严格模式set cz.sql.cast.mode=strict;详情可以参考参数管理
-比如
-```
---18.234超过了指定的转化范围，使用cast转化如果没有开启严格模式结果为null
-SELECT cast(18.234 AS decimal(4, 3)) AS res;
-+------+
-| res  |
-+------+
-| null |
-+------+
---开启严格模式，则会报错精度异常
-set cz.sql.cast.mode=strict;
-SELECT cast(18.234 AS decimal(4, 3)) AS res;
-CZLH-22003:[1,8] cannot cast `18.234` to decimal32 due to an overflow. Use `try_cast` to tolerate overflow. Detail  taskId 0
-```
-# 案例
-隐示转换
-```SQL
---decimal和double运算
-SELECT typeof(10bd +3.14D) ;
-+----------------------+
-| typeof(10BD + 3.14D) |
-+----------------------+
-| double               |
-+----------------------+
-```
-显示转换
-```SQL
-SELECT CAST(‘123’ AS INT)
-```
-^