首页 / 工具 / 迁移清单 / Spark SQL → Doris

Spark SQL 迁移到 Doris 的函数改写清单

从 Spark SQL 迁移到 Doris 时，在 Spark SQL 有对应写法的 44 个常用函数中，14 个需要改写。逐个列出两边写法和注意事项。

需要改写的函数 · 迁移注意事项 · 可以直接用的函数 · 反向：Doris 迁移到 Spark SQL

需要改写的函数

函数	Spark SQL 写法	Doris 写法	Doris 说明
ADD_MONTHS	`add_months(start_date, num_months)`	需改写 `MONTHS_ADD(date, nums)`	文档没有列出 ADD_MONTHS 别名。返回类型与输入相同，2020-01-31 加 1 个月得到 2020-02-29。
DATEADD	`ts + INTERVAL n HOUR`	需改写 `TIMESTAMPADD(unit, n, datetime_expr)`	单位常用 SECOND、MINUTE、HOUR、DAY、WEEK、MONTH、YEAR。参数无效时返回 NULL。也可以写 DATE_ADD(dt, INTERVAL n unit)。
DECODE	`decode(expr, search, result [, search, result ] ... [, default])`	需改写 `CASE expr WHEN search THEN result ... ELSE default END`	条件函数中没有 DECODE，用 CASE 改写。
FROM_JSON	`from_json(jsonStr, schema[, options])`	需改写 `JSON_PARSE(json_str)`	没有 FROM_JSON。JSON_PARSE 遇到非法 JSON 会报错；希望返回 NULL 时用 JSON_PARSE_ERROR_TO_NULL。取字段用 JSON_EXTRACT 系列函数。
GET_JSON_OBJECT	`get_json_object(json_txt, path)`	需改写 `GET_JSON_STRING(json_str, json_path)`	路径以 $ 开头，不能包含双引号和方括号字符，含点号的键要用双引号括起来。官方建议改用 jsonb 类型和 jsonb_extract 系列函数。
GETDATE	`current_timestamp() 或 now()`	别名 `NOW([precision])`	别名是 current_timestamp()，返回 DATETIME。precision 取 0～6，默认 0，超出范围时报错。
LENGTH	`length(expr)`	需改写 `CHAR_LENGTH(str)`	LENGTH 返回 UTF-8 编码下的字节数，别名 OCTET_LENGTH。按字符计数要用 CHAR_LENGTH，别名 CHARACTER_LENGTH。
SIZE	`size(expr)`	别名 `ARRAY_SIZE(arr) / MAP_SIZE(m)`	数组用 ARRAY_SIZE，NULL 元素也计入，输入为 NULL 时返回 NULL。Map 用 MAP_SIZE，NULL 键和值都计入。
SORT_ARRAY	`sort_array(array[, ascendingOrder])`	需改写 `ARRAY_SORT(arr)`	升序排列，NULL 放在开头；降序用 ARRAY_REVERSE_SORT。也可以传 Lambda 表达式自定义排序。
SPLIT	`split(str, regex[, limit])`	需改写 `SPLIT_BY_STRING(str, separator)`	返回字符串数组，任一参数为 NULL 时返回 NULL。分隔符为空字符串时按字节拆分。
SUBSTR	`substr(str, pos[, len])`	支持 `SUBSTRING(str, pos[, len])`	别名 SUBSTR。从 1 开始计数，负数从末尾倒数，pos 为 0 或超出长度时返回空字符串，任一参数为 NULL 时返回 NULL。
TO_CHAR	`to_char(expr, format)`	需改写 `DATE_FORMAT(date, '%Y-%m-%d %H:%i:%s')`	没有 TO_CHAR。DATE_FORMAT 使用 MySQL 风格格式符。
TO_DATE	`to_date(date_str[, fmt])`	需改写 `str_to_date(str, format)`	Doris 的 TO_DATE 只接受 DATETIME 并取日期部分。按格式解析用 STR_TO_DATE，返回 DATETIME，也接受 yyyyMMdd 等三种格式。
WM_CONCAT	`string_agg(expr[, delimiter]) WITHIN GROUP (ORDER BY ...)`	需改写 `GROUP_CONCAT([DISTINCT] str[, sep] [ORDER BY ...])`	分隔符是第二个参数，默认是逗号加空格。DISTINCT 与 ORDER BY 同时使用从 2.1.6 起支持。

迁移注意事项

以下内容摘自各函数页中提到 Spark SQL 或 Doris 的注意事项。

ADD_MONTHS 按月加减

月末日期：StarRocks、Doris 和 Spark 在目标月份没有对应日期时取当月最后一天。StarRocks 文档特别说明，2022-02-28 加 1 个月得到 3 月 28 日而不是 3 月 31 日，这和 Oracle 的行为不同。

DATEADD 按单位加减日期

Spark 3.4.0 起的 dateadd(d, 1) 表示加 1 天，参数个数和含义都与 MaxCompute 不同，不能直接照搬。

DECODE 多值匹配

Spark 3.2 之前只有字符集解码的 decode，多值匹配写法在旧版本中会报错。

FROM_JSON 按 schema 解析 JSON

StarRocks 的 parse_json 和 Doris 的 JSON_PARSE 返回的是 JSON 类型，下游需要 STRUCT 或 MAP 时要再做一次转换，不能直接替换 from_json。
非法 JSON 的处理不同：StarRocks 的 parse_json 返回 NULL，Doris 的 JSON_PARSE 直接报错。脏数据较多的表，在 Doris 中改用 JSON_PARSE_ERROR_TO_NULL。

GET_JSON_OBJECT 提取 JSON 字段

StarRocks 和 Doris 返回字符串，取出的数字需要再做 CAST。Doris 中值无法无损转换为字符串时返回 NULL。

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。
精度不同：MaxCompute 默认到秒，StarRocks 和 Doris 默认到秒、可传参数到微秒，Flink 到毫秒。用当前时间做去重或比较时要注意小数部分。
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。

LENGTH 字符串长度

StarRocks 和 Doris 的 LENGTH 返回字节数。像 WHERE LENGTH(name) > 10 这样的条件，迁移后对中文内容会多筛出很多行，而且不会报错。
按字符计数统一写 CHAR_LENGTH 最稳妥：Hologres、StarRocks、Doris、Flink 都支持，Hive 2.2.0 起也支持（char_length 是 character_length 的简写）。
Spark 的 length 会把末尾空格算进去。从定长 CHAR 列迁移过来的数据要注意补齐的空格。

SIZE 数组和 Map 元素个数

Spark 对 NULL 输入可能返回 -1，也可能返回 NULL，取决于 ANSI 模式和 spark.sql.legacy.sizeOfNull 两个配置。Spark 3.x 默认关闭 ANSI 模式，所用版本的默认值要按对应版本文档确认。下游有 size(x) = -1 这类判断时，迁移前要先核对配置。
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。
StarRocks 和 Doris 文档写明 NULL 元素也计入个数。需要只统计非空元素时，要先过滤再计数。

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。

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。

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。

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'。
StarRocks 和 Doris 的分钟是 %i，不是 %M。%M 表示英文月份名。

TO_DATE 字符串转日期

同名不同义：把 MaxCompute 的 TO_DATE('20261013', 'yyyymmdd') 直接搬到 StarRocks、Doris 或 Hive 会报错或得到错误结果，需要改用 str_to_date 或 unix_timestamp。
MaxCompute 的格式符里 mm 是月、mi 是分钟；Spark 和 Flink 里 MM 是月、mm 是分钟。

WM_CONCAT 分组拼接字符串

分隔符的位置相反：WM_CONCAT 写在第一个参数，STRING_AGG、GROUP_CONCAT（Doris）和 LISTAGG 写在最后。直接替换函数名会把分隔符当成要拼接的值。
不写排序时，各引擎拼接的顺序都不固定。需要稳定结果时，MaxCompute 写 WITHIN GROUP (ORDER BY ...)，StarRocks 和 Doris 在 GROUP_CONCAT 内写 ORDER BY。

可以直接用的函数

下面 30 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。

相关页面：Spark SQL 函数写法 · Doris 函数写法 · 全部迁移清单 · 用 SQL 迁移检查器检查自己的 SQL