首页 / 工具 / 迁移清单 / Hive → Hologres
Hive 迁移到 Hologres 的函数改写清单
从 Hive 迁移到 Hologres 时，在 Hive 有对应写法的 44 个常用函数中，28 个需要改写（其中 2 个在 Hologres 没有对应函数），另有 2 个可以改用 Hologres 的原生函数。逐个列出两边写法和注意事项。
需要改写的函数 · 可以改用原生函数 · 迁移注意事项 · 可以直接用的函数 · 反向：Hologres 迁移到 Hive
需要改写的函数
| 函数 | Hive 写法 | Hologres 写法 | Hologres 说明 |
|---|---|---|---|
| ADD_MONTHS | add_months(start_date, num_months[, output_date_format]) | 需改写 d + interval '1 month' | ADD_MONTHS 是 Oracle 兼容函数，需要先加载 orafce 扩展。原生写法用 interval 加减。 |
| COLLECT_LIST | collect_list(col) | 需改写 ARRAY_AGG(expression) | 没有 COLLECT_LIST，用 ARRAY_AGG。 |
| COLLECT_SET | collect_set(col) | 需改写 ARRAY_AGG(DISTINCT expression) | 没有 COLLECT_SET，用 ARRAY_AGG。不支持 JSON、JSONB、INTERVAL 和数组等类型。 |
| DATE_ADD | date_add(startdate, days) | 需改写 DATEADD(d, num, 'day') | 文档中没有 DATE_ADD，可以用 DATEADD 或 d + interval。DATEADD 需要 V2.0.31～V2.1.0 或 V2.1.13 及以上版本。 |
| DATE_FORMAT | date_format(ts, pattern) | 需改写 TO_CHAR(timestamp, 'YYYY-MM-DD HH24:MI:SS') | 文档中没有 DATE_FORMAT，用 TO_CHAR 代替。格式符是 PostgreSQL 风格，HH 默认是 12 小时制，24 小时制要写 HH24。 |
| DATE_SUB | date_sub(startdate, days) | 需改写 d - interval '1 day' | 文档中没有 DATE_SUB。可以用日期减 interval，也可以写 DATEADD(d, -n, 'dd')。DATEADD 需要 V2.0.31～V2.1.0 或 V2.1.13 及以上版本。 |
| DATEADD | date_add(startdate, days) / add_months(startdate, n) | 支持 DATEADD(d, num, str) | 需要 V2.0.31～V2.1.0 或 V2.1.13 及以上版本。单位写法与 MaxCompute 一致，包括 yyyy、mm、dd、hh、mi、ss。默认只支持 1925～2282 年，并且暂不支持常量入参写入。 |
| DATETRUNC | trunc(date, 'MM') | 需改写 DATE_TRUNC('month', ts) | 单位在前，返回 TIMESTAMP 或 TIMESTAMPTZ。 |
| EXPLODE | explode(array | map) | 需改写 UNNEST(anyarray) | 把数组的每个元素展开成一行。 |
| FROM_JSON | json_tuple(jsonStr, k1, k2, ...) | 需改写 json_str::jsonb ->> 'key' | 没有 FROM_JSON。先转成 JSON 或 JSONB，再用 -> 或 ->> 取字段，->> 返回 TEXT。需要展开成多列时可以用 json_populate_record。 |
| FROM_UNIXTIME | from_unixtime(unixtime[, pattern]) | 需改写 TO_TIMESTAMP(seconds) | 文档中没有 FROM_UNIXTIME。TO_TIMESTAMP(double precision) 按秒转换，返回 TIMESTAMPTZ。需要字符串时再用 TO_CHAR。 |
| GETDATE | current_timestamp | 别名 NOW() 或 CURRENT_TIMESTAMP | 返回当前事务的开始时刻，NOW、CURRENT_TIMESTAMP 和 TRANSACTION_TIMESTAMP 等效。需要每次调用都取实时时刻时用 CLOCK_TIMESTAMP。 |
| INSTR | instr(str, substr) | 需改写 STRPOS(str, substr) | INSTR 是 Oracle 兼容函数，需要先安装 orafce 扩展才能用，支持起始位置和第 N 次出现。不装扩展时用 STRPOS。 |
| MONTHS_BETWEEN | months_between(date1, date2) | 需改写 (EXTRACT(YEAR FROM a) - EXTRACT(YEAR FROM b)) * 12 + EXTRACT(MONTH FROM a) - EXTRACT(MONTH FROM b) | 日期函数中没有 MONTHS_BETWEEN，可以用 EXTRACT 取年和月计算整数月差，不含小数部分。 |
| NVL | NVL(value, default_value) | 需改写 COALESCE(value, default_value) | 条件函数文档中没有 NVL，只有 COALESCE、IF、NULLIF 等，需要改写为 COALESCE。 |
| PERCENTILE_APPROX | percentile_approx(col, p[, B]) | 需改写 APPROX_PERCENTILE(p) WITHIN GROUP (ORDER BY col) | Hologres V3.1 起提供，用蓄水池抽样计算，最多保留 8,192 个元素。p 是 0～1 之间的常量。 |
| REGEXP_EXTRACT | regexp_extract(subject, pattern, index) | 需改写 (REGEXP_MATCH(str, pattern))[n] | 字符串函数中没有 REGEXP_EXTRACT。REGEXP_MATCH 返回由各分组组成的数组，再用数组下标取第 n 组，下标从 1 开始。 |
| SIZE | size(array_or_map) | 需改写 ARRAY_LENGTH(arr, 1) | 第二个参数是维度，从 1 开始，一维数组传 1。数组函数文档只覆盖 ARRAY。 |
| SORT_ARRAY | sort_array(Array<T>) | 需改写 ARRAY_SORT(anyarray) | 只有升序。V1.1.46 起支持 TEXT 数组，但会先转成 INT8 再排序；V1.3.18 起 TEXT 数组按字典序排序，并支持 INT4、INT8、FLOAT4、FLOAT8 和 BOOLEAN 数组。 |
| SPLIT | split(str, pat) | 需改写 REGEXP_SPLIT_TO_ARRAY(str, pattern) | 字符串函数中没有 SPLIT。拆成数组用 REGEXP_SPLIT_TO_ARRAY，只取第 n 段用 SPLIT_PART(str, delimiter, n)。 |
| SPLIT_PART | split(str, pat)[n - 1] | 支持 SPLIT_PART(str, delimiter, num) | 下标从 1 开始。num 超出分段数量时返回 NULL。 |
| STR_TO_MAP | str_to_map(text[, delimiter1, delimiter2]) | 不支持 | 字符串函数中没有 STR_TO_MAP。 |
| SUBSTR | substr(str, start[, len]) | 需改写 SUBSTRING(str FROM start FOR len) | SUBSTR 是 Oracle 兼容函数，需要先加载 orafce 扩展。PostgreSQL 标准写法是 SUBSTRING。 |
| SUBSTRING_INDEX | substring_index(string A, string delim, int count) | 不支持 | 字符串函数中没有 SUBSTRING_INDEX。只取某一段时可以用 SPLIT_PART。 |
| TO_CHAR | date_format(ts, 'yyyy-MM-dd HH:mm:ss') | 支持 TO_CHAR(ts, 'YYYY-MM-DD HH24:MI:SS') | 格式符沿用 PostgreSQL 风格。HH 默认是 12 小时制，24 小时制要写 HH24。默认只支持 1925～2282 年。 |
| UNIX_TIMESTAMP | unix_timestamp(date[, pattern]) | 需改写 EXTRACT(EPOCH FROM ts) | 日期函数中没有 UNIX_TIMESTAMP。EXTRACT 的 epoch 字段返回秒数，类型是 DOUBLE PRECISION。 |
| WEEKOFYEAR | weekofyear(string date) | 需改写 EXTRACT(WEEK FROM ts) | 也可以用 week_iso(ts)，文档说明语义与 EXTRACT(WEEK FROM ts) 相同、性能更好。返回 DOUBLE PRECISION。 |
| WM_CONCAT | concat_ws(',', collect_list(col)) | 需改写 STRING_AGG(expression, delimiter) | 分隔符写在后面，只拼接非 NULL 值。 |
可以改用原生函数
下面的函数在 Hive 中只能用替代写法，Hologres 有对应的函数。原来的写法通常仍能运行，换成原生函数会更简洁。
| 函数 | Hive 写法 | Hologres 写法 | Hologres 说明 |
|---|---|---|---|
| APPROX_COUNT_DISTINCT | COUNT(DISTINCT col) | 支持 APPROX_COUNT_DISTINCT(column) | 基于 HyperLogLog，平均误差 0.1%～1%。精度由 hg_experimental_approx_count_distinct_precision 控制，取值 12～20，默认 17。精确去重也可以用 UNIQ，它在带 GROUP BY 时比 COUNT DISTINCT 快。 |
| MAX_BY | ROW_NUMBER() OVER (PARTITION BY ... ORDER BY y DESC) = 1 | 支持 MAX_BY(x, y) | V1.3.36 起提供，同时有 MIN_BY。 |
迁移注意事项
ADD_MONTHS 按月加减
- MaxCompute 返回字符串，Hive 4.0.0 之前也会丢掉时间部分。结果和 DATE 或 DATETIME 字段比较时，注意类型转换。
- Hologres 和 Flink 的月末行为文档没有写明，迁移涉及月末日期时建议用已知数据核对。
DATE_ADD 日期加减
- Hive 2.1.0 之前 date_add 返回字符串，老版本迁移来的 SQL 可能依赖了这个行为。
DATE_FORMAT 日期格式化
- Hologres 的 HH 默认是 12 小时制，下午的时间会少 12 小时，必须写 HH24。
DATE_SUB 日期减天数
- StarRocks 和 Doris 的 DATE_SUB 文档只列出 INTERVAL 写法。把 Hive 的 date_sub(d, 1) 搬到 StarRocks 时，改成 DATE_SUB(d, INTERVAL 1 DAY) 或 days_sub(d, 1)。
DATEADD 按单位加减日期
- MaxCompute 和 Hologres 中 mm 表示月，mi 表示分钟。把 DATEADD(d, 1, 'mm') 当成加 1 分钟，是迁移时最常见的错误。
- Hologres 的 DATEADD 默认只支持 1925～2282 年。9999-12-31 这类表示“永久有效”的日期需要单独处理。
DATETRUNC 日期截断
- 参数顺序不同：MaxCompute 是日期在前，Hologres、StarRocks 和 Spark 是单位在前，Doris 两种都接受。
- 返回类型不同：MaxCompute 对 DATE 输入返回 DATE，Hologres 和 Spark 的 date_trunc 返回时间戳。结果用于关联 DATE 字段时要先转换。
- Hive 的 trunc 只能截断到月和年，按周、按季度汇总需要自己计算。
EXPLODE 数组展开为多行
- 需要元素位置时，Hive 和 Spark 的 posexplode 位置从 0 开始，Flink 的 WITH ORDINALITY 从 1 开始，迁移时要调整下标。
FROM_UNIXTIME 时间戳转日期
- 返回类型不同：MaxCompute 返回 DATETIME，Hologres 的 TO_TIMESTAMP 返回 TIMESTAMPTZ，其他引擎返回字符串。拿结果做日期计算前，确认是否需要再转换类型。
GETDATE 获取当前时间
- 返回类型不同：MaxCompute、StarRocks 和 Doris 返回 DATETIME，Hologres 的 NOW 带时区（文档把不带时区的版本单独列为 LOCALTIMESTAMP），Flink 返回 TIMESTAMP_LTZ(3)。直接写入字符串或 DATETIME 字段时，格式可能变化。
- Hive 和 Spark 的 current_timestamp 可以不带括号，Doris 文档中的写法是 current_timestamp()。迁移时统一写 NOW() 更容易对齐。
INSTR 查找子串位置
- MaxCompute 的三参数和四参数写法，例如 INSTR(s, 'e', 3, 2)，在 StarRocks、Doris、Hive、Spark 和 Flink 中都没有对应写法。只传起始位置时可以改成 LOCATE，取第 N 次出现时需要改写成多步计算。
- Hologres 的 INSTR 依赖 orafce 扩展。没有安装扩展时 SQL 会报函数不存在，改用 STRPOS 即可。
MONTHS_BETWEEN 相差月数
- StarRocks 的 months_diff、Flink 的 TIMESTAMPDIFF 和 Hologres 的 EXTRACT 写法都只返回整数月，原 SQL 中依赖小数部分的计算（例如按 0.5 个月判断）需要重新设计。
- 时间部分的处理不同：Doris 只看日期，Hive 会把时间部分算进小数，Spark 在同一天或都是月末时忽略时间。同样的输入可能得到不同的小数。
- 舍入不同：Hive 和 Spark 默认保留 8 位小数，MaxCompute 返回完整的 DOUBLE，Doris 由 round_type 控制。和原结果做等值比较前，先统一 ROUND。
NVL 空值替换
- 迁移到 Hologres、StarRocks 或 Flink SQL 时，统一改写为 COALESCE 最省事，因为 COALESCE 在七个引擎中都可用。
PERCENTILE_APPROX 近似分位数
- 第三个参数含义不同：MaxCompute 和 Hive 的 B、Spark 的 accuracy 都默认 10000；StarRocks 和 Doris 的 compression 只接受 2048～10000。从 Spark 迁移时，如果写了大于 10000 的 accuracy，要调整到这个范围内。
- Hologres 的 APPROX_PERCENTILE 需要 V3.1 及以上版本，而且只抽样 8,192 个元素。数据量很大时，尾部分位数（例如 P999）的误差可能偏大。
REGEXP_EXTRACT 正则提取
- 第三个参数是否必填不一样：MaxCompute、Spark 和 Flink 可以省略，默认取第 1 组；StarRocks、Doris 和 Hive 必须写上。迁移时统一写出分组下标最稳妥。
- Doris 默认用 RE2 语法，不支持 (?=...) 这类零宽断言。从 Hive 或 Spark 的 Java 正则迁移过来时，需要先确认是否用到这些写法。
SIZE 数组和 Map 元素个数
- StarRocks 和 Doris 区分数组和 Map 函数。从 MaxCompute 或 Hive 迁移时，要按字段类型分别改成 array_length、map_size 或 ARRAY_SIZE、MAP_SIZE。
- Hologres 文档中 ARRAY_LENGTH 的签名带维度参数，一维数组也要写成 ARRAY_LENGTH(arr, 1)。
SORT_ARRAY 数组排序
- Spark 有两个排序函数：sort_array 升序时把 NULL 放在开头，array_sort 把 NULL 放在末尾。从 MaxCompute 或 Hive 迁移时应使用 sort_array，结果才一致。
- 降序的写法不同：MaxCompute 和 Spark 传第二个参数，Flink 传 ascending_order，Doris 用 ARRAY_REVERSE_SORT，Hive 和 Hologres 的函数只能升序。
- Hologres V1.3.18 之前会把 TEXT 数组转成 INT8 再排序，字符串内容不是数字时结果可能不符合预期，使用前先确认实例版本。
SPLIT 字符串拆分
- MaxCompute、Hive 和 Spark 按正则处理分隔符。用 . 或 | 拆分时要写成 '\\.' 或 '\\|'，否则会被当成正则元字符，结果出错。
- 只需要取某一段时，Hologres 的 SPLIT_PART 和 Flink 的 SPLIT_INDEX 更直接。注意 SPLIT_PART 的序号从 1 开始，SPLIT_INDEX 为负数时返回 NULL。
SPLIT_PART 按分隔符取第 N 段
- 下标越界时结果不同：MaxCompute、StarRocks 和 Spark 返回空字符串，Hologres 和 Doris 返回 NULL。下游用 IS NULL 或 = '' 判断时，迁移后结果可能变化。
- Hive 的 split 按正则切分。分隔符是 .、| 这类正则特殊字符时，要写成 split(s, '\\.')，否则结果不对。
- Hive 的数组下标和 Flink 的 SPLIT_INDEX 都从 0 开始。从 SPLIT_PART 改写时要把下标减 1。
STR_TO_MAP 字符串转 Map
- 默认的键值分隔符不同：MaxCompute 和 Flink 是等号，StarRocks、Doris、Hive 和 Spark 是冒号。省略分隔符的写法迁移后会解析出错误结果，而且不会报错。
- Hologres 没有 STR_TO_MAP。可以先用 REGEXP_SPLIT_TO_ARRAY 拆分，再按需取值，或者在入库前把数据转成 JSON。
SUBSTR 截取子串
- 起始位置写 0 是常见错误。MaxCompute 默认、StarRocks 和 Doris 都返回空字符串，不会报错，结果却全是空值，很难发现。MaxCompute 开启 Hive 兼容模式后又会按 1 处理，同一条 SQL 在不同模式下结果不同。
- Hologres 直接写 SUBSTR 可能报函数不存在，需要先创建 orafce 扩展，或改用标准的 SUBSTRING。
SUBSTRING_INDEX 按分隔符截取
- Hologres 和 Flink 没有这个函数。只取某一段可以改用 Hologres 的 SPLIT_PART 或 Flink 的 SPLIT_INDEX；要取“前两段”这种跨分隔符的结果，需要拼接或用正则改写。
- 从 URL 中取域名这类场景常写成 substring_index(substring_index(url, '/', 3), '/', -1)，嵌套写法在 Hologres 和 Flink 中要整体改写。
TO_CHAR 日期转字符串
- MaxCompute 的 'yyyy-mm-dd' 原样搬到 Hive、Spark 或 Flink，mm 会被当成分钟，结果类似 2026-30-14，而且不会报错。Java 风格要写 'yyyy-MM-dd'。
- Hologres 的 HH 默认是 12 小时制，下午 3 点会输出 03。需要 24 小时制时写 HH24。
UNIX_TIMESTAMP 日期转时间戳
- 格式参数的写法不同：StarRocks 和 Doris 用 %Y-%m-%d %H:%i:%s，Hive、Spark 和 Flink 用 yyyy-MM-dd HH:mm:ss，MaxCompute 不支持格式参数。
WEEKOFYEAR 一年中的第几周
- Hologres 的 EXTRACT 返回 DOUBLE PRECISION，直接拼接字符串会得到 12.0 这类结果，需要先 CAST 成整数。
APPROX_COUNT_DISTINCT 近似去重计数
- 各引擎的误差不同：MaxCompute 文档写的是 5%，Hologres 默认是 0.1%～1%。迁移后与原报表对数时，小的差异属于正常现象，不能直接当作数据问题。
- 改写成 Hive 或 Flink 的 COUNT(DISTINCT) 后结果是精确值，但资源消耗会明显变大，大数据量下要评估内存和运行时间。
- Spark 的第二个参数 relativeSD 在其他引擎中没有对应写法，迁移时要去掉，并按目标引擎的方式调整精度，例如 Hologres 的会话参数。
可以直接用的函数
下面 14 个函数在两个引擎中写法相同。参数、返回值和边界情况仍可能不同，点开函数页查看细节。