> ## Documentation Index > Fetch the complete documentation index at: https://private-7c7dfe99-mintlify-8a08bda2.mintlify.site/llms.txt > Use this file to discover all available pages before exploring further. # Tipos de mapeo > Tipos de mapeo en ClickHouse y Elasticsearch Elasticsearch y ClickHouse admiten una amplia variedad de tipos de datos, pero su almacenamiento subyacente y sus modelos de consulta son fundamentalmente distintos. En esta sección se muestran las correspondencias entre los tipos de campo de Elasticsearch más utilizados y sus equivalentes en ClickHouse, cuando existen, y se ofrece contexto para orientar las migraciones. Cuando no existe un equivalente, se incluyen alternativas o notas en los comentarios. | **Tipo de Elasticsearch** | **Equivalente en ClickHouse** | **Comentarios** | | ---------------------------------- | --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | `boolean` | [`UInt8`](/es/reference/data-types/int-uint) o [`Bool`](/es/reference/data-types/boolean) | ClickHouse admite `Boolean` como alias de `UInt8` en las versiones más recientes. | | `keyword` | [`String`](/es/reference/data-types/string) | Se usa para filtrado por coincidencia exacta, agrupación y ordenación. | | `text` | [`String`](/es/reference/data-types/string) | La búsqueda de texto completo es limitada en ClickHouse; la tokenización requiere lógica personalizada mediante funciones como `tokens` combinadas con funciones de arrays. | | `long` | [`Int64`](/es/reference/data-types/int-uint) | Entero con signo de 64 bits. | | `integer` | [`Int32`](/es/reference/data-types/int-uint) | Entero con signo de 32 bits. | | `short` | [`Int16`](/es/reference/data-types/int-uint) | Entero con signo de 16 bits. | | `byte` | [`Int8`](/es/reference/data-types/int-uint) | Entero con signo de 8 bits. | | `unsigned_long` | [`UInt64`](/es/reference/data-types/int-uint) | Entero sin signo de 64 bits. | | `double` | [`Float64`](/es/reference/data-types/float) | Coma flotante de 64 bits. | | `float` | [`Float32`](/es/reference/data-types/float) | Coma flotante de 32 bits. | | `half_float` | [`Float32`](/es/reference/data-types/float) o [`BFloat16`](/es/reference/data-types/float) | Equivalente más cercano. ClickHouse no tiene un tipo de coma flotante de 16 bits. ClickHouse tiene `BFloat16`; este es distinto de Half-float IEE-754: half-float ofrece mayor precisión con un rango menor, mientras que bfloat16 sacrifica precisión a cambio de un rango más amplio, lo que lo hace más adecuado para cargas de trabajo de aprendizaje automático. | | `scaled_float` | [`Decimal(x, y)`](/es/reference/data-types/decimal) | Almacena valores numéricos de punto fijo. | | `date` | [`DateTime`](/es/reference/data-types/datetime) | Tipos de fecha equivalentes con precisión de segundos. | | `date_nanos` | [`DateTime64`](/es/reference/data-types/datetime64) | ClickHouse admite precisión de nanosegundos con `DateTime64(9)`. | | `binary` | [`String`](/es/reference/data-types/string), [`FixedString(N)`](/es/reference/data-types/fixedstring) | Requiere decodificación Base64 para los campos binarios. | | `ip` | [`IPv4`](/es/reference/data-types/ipv4), [`IPv6`](/es/reference/data-types/ipv6) | Tipos nativos `IPv4` y `IPv6` disponibles. | | `object` | [`Nested`](/es/reference/data-types/nested-data-structures), [`Map`](/es/reference/data-types/map), [`Tuple`](/es/reference/data-types/tuple), [`JSON`](/es/reference/data-types/newjson) | ClickHouse puede modelar objetos similares a JSON usando [`Nested`](/es/reference/data-types/nested-data-structures) o [`JSON`](/es/reference/data-types/newjson). | | `flattened` | [`String`](/es/reference/data-types/string) | El tipo flattened en Elasticsearch almacena objetos JSON completos como campos únicos, lo que permite acceso flexible y sin esquema a claves anidadas sin necesidad de un mapeo completo. En ClickHouse, puede lograrse una funcionalidad similar usando el tipo String, pero requiere que el procesamiento se realice en vistas materializadas. | | `nested` | [`Nested`](/es/reference/data-types/nested-data-structures) | Las columnas `Nested` de ClickHouse proporcionan una semántica similar para subcampos agrupados, siempre que los usuarios usen `flatten_nested=0`. | | `join` | NA | No existe un concepto directo de relaciones padre-hijo. No es necesario en ClickHouse, ya que se admiten JOIN entre tablas. | | `alias` | [`Alias`](/es/reference/statements/create/table#alias) modificador de columna | Los alias [son compatibles](/es/reference/statements/create/table#alias) mediante un modificador de campo. Se pueden aplicar funciones a este alias, por ejemplo `size String ALIAS formatReadableSize(size_bytes)` | | `range` types (`*_range`) | [`Tuple(start, end)`](/es/reference/data-types/tuple) o [`Array(T)`](/es/reference/data-types/array) | ClickHouse no tiene un tipo range nativo, pero los rangos numéricos y de fecha pueden representarse mediante estructuras [`Tuple(start, end)`](/es/reference/data-types/tuple) o [`Array`](/es/reference/data-types/array). Para rangos IP (`ip_range`), almacene los valores CIDR como `String` y evalúelos con funciones como `isIPAddressInRange()`. Como alternativa, considere diccionarios de búsqueda basados en `ip_trie` para un filtrado eficiente. | | `aggregate_metric_double` | [`AggregateFunction(...)`](/es/reference/data-types/aggregatefunction) y [`SimpleAggregateFunction(...)`](/es/reference/data-types/simpleaggregatefunction) | Use estados de funciones de agregación y vistas materializadas para modelar métricas preagregadas. Todas las funciones de agregación admiten estados de agregación. | | `histogram` | [`Tuple(Array(Float64), Array(UInt64))`](/es/reference/data-types/tuple) | Represente manualmente buckets y recuentos usando arrays o esquemas personalizados. | | `annotated-text` | [`String`](/es/reference/data-types/string) | No hay soporte integrado para búsqueda con reconocimiento de entidades ni anotaciones. | | `completion`, `search_as_you_type` | NA | No existe un motor nativo de autocompletado o sugerencias. Puede reproducirse con `String` y [funciones de búsqueda](/es/reference/functions/regular-functions/string-search-functions). | | `semantic_text` | NA | No hay búsqueda semántica nativa; genere embeddings y use búsqueda vectorial. | | `token_count` | [`Int32`](/es/reference/data-types/int-uint) | Úselo durante la ingestión para calcular manualmente el recuento de tokens, por ejemplo con la función `length(tokens())`, por ejemplo con una columna materializada | | `dense_vector` | [`Array(Float32)`](/es/reference/data-types/array) | Use arrays para almacenar embeddings | | `sparse_vector` | [`Map(UInt32, Float32)`](/es/reference/data-types/map) | Simule vectores dispersos con maps. No hay soporte nativo para vectores dispersos. | | `rank_feature` / `rank_features` | [`Float32`](/es/reference/data-types/float), [`Array(Float32)`](/es/reference/data-types/array) | No hay refuerzo nativo en tiempo de consulta, pero puede modelarse manualmente en la lógica de puntuación. | | `geo_point` | [`Tuple(Float64, Float64)`](/es/reference/data-types/tuple) o [`Point`](/es/reference/data-types/geo#point) | Use una tupla de (latitud, longitud). [`Point`](/es/reference/data-types/geo#point) está disponible como tipo de ClickHouse. | | `geo_shape`, `shape` | [`Ring`](/es/reference/data-types/geo#ring), [`LineString`](/es/reference/data-types/geo#linestring), [`MultiLineString`](/es/reference/data-types/geo#multilinestring), [`Polygon`](/es/reference/data-types/geo#polygon), [`MultiPolygon`](/es/reference/data-types/geo#multipolygon) | Soporte nativo para formas geoespaciales e indexación espacial. | | `percolator` | NA | No existe el concepto de indexación de consultas. Use SQL estándar + vistas materializadas incrementales en su lugar. | | `version` | [`String`](/es/reference/data-types/string) | ClickHouse no tiene un tipo de versión nativo. Almacene las versiones como cadenas y use funciones UDF personalizadas para realizar comparaciones semánticas si es necesario. Considere normalizarlas a formatos numéricos si se requieren consultas de rango. |
### Notas
* **Arrays**: En Elasticsearch, todos los campos admiten arrays de forma nativa. En ClickHouse, los arrays deben definirse explícitamente (p. ej., `Array(String)`), con la ventaja de que se puede acceder a posiciones específicas y consultarlas, p. ej. `an_array[1]`. * **Campos múltiples**: Elasticsearch permite indexar el [mismo campo de varias formas](https://www.elastic.co/docs/reference/elasticsearch/mapping-reference/multi-fields#_multi_fields_with_multiple_analyzers) (p. ej., tanto como `text` y como `keyword`). En ClickHouse, este patrón debe modelarse mediante columnas o vistas independientes. * **Tipos Map y JSON** - En ClickHouse, el tipo [`Map`](/es/reference/data-types/map) se usa habitualmente para modelar estructuras dinámicas de clave-valor, como `resourceAttributes` y `logAttributes`. Este tipo permite una ingestión flexible y sin esquema al admitir claves arbitrarias en tiempo de ejecución, de forma similar a los objetos JSON de Elasticsearch. Sin embargo, hay limitaciones importantes que conviene tener en cuenta: * **Tipos de valor uniformes**: las columnas [`Map`](/es/reference/data-types/map) de ClickHouse deben tener un tipo de valor coherente (p. ej., `Map(String, String)`). Los valores de tipos mixtos no se admiten sin coerción. * **Coste en rendimiento**: acceder a cualquier clave de un [`Map`](/es/reference/data-types/map) requiere cargar el mapa completo en memoria, lo que puede penalizar el rendimiento. * **Sin subcolumnas**: a diferencia de JSON, las claves de un [`Map`](/es/reference/data-types/map) no se representan como subcolumnas reales, lo que limita la capacidad de ClickHouse para indexar, comprimir y consultar de forma eficiente. Debido a estas limitaciones, ClickStack está dejando atrás [`Map`](/es/reference/data-types/map) en favor del tipo [`JSON`](/es/reference/data-types/newjson) mejorado de ClickHouse. El tipo [`JSON`](/es/reference/data-types/newjson) resuelve muchas de las limitaciones de `Map`: * **Almacenamiento columnar real**: cada ruta JSON se almacena como una subcolumna, lo que permite compresión, filtrado y ejecución vectorizada de consultas de forma eficiente. * **Soporte para tipos mixtos**: distintos tipos de datos (p. ej., enteros, cadenas y arrays) pueden coexistir bajo la misma ruta sin coerción ni unificación de tipos. * **Escalabilidad del sistema de archivos**: los límites internos sobre claves dinámicas (`max_dynamic_paths`) y tipos (`max_dynamic_types`) evitan una explosión de archivos de columna en disco, incluso con conjuntos de claves de alta cardinalidad. * **Almacenamiento denso**: los valores nulos y ausentes se almacenan de forma dispersa para evitar una sobrecarga innecesaria. El tipo [`JSON`](/es/reference/data-types/newjson) es especialmente adecuado para cargas de trabajo de observabilidad, ya que ofrece la flexibilidad de la ingestión sin esquema junto con el rendimiento y la escalabilidad de los tipos nativos de ClickHouse, lo que lo convierte en un reemplazo ideal para [`Map`](/es/reference/data-types/map) en campos de atributos dinámicos. Para obtener más información sobre el tipo JSON, recomendamos la [guía de JSON](/es/guides/clickhouse/data-formats/json/intro) y ["How we built a new powerful JSON data type for ClickHouse"](https://clickhouse.com/blog/a-new-powerful-json-data-type-for-clickhouse).