StarRocks 迁移到 Spark SQL 的函数改写清单

从 StarRocks 迁移到 Spark SQL 时，在 StarRocks 有对应写法的 44 个常用函数中，14 个需要改写，另有 1 个可以改用 Spark SQL 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：Spark SQL 迁移到 StarRocks

需要改写的函数

函数	StarRocks 写法	Spark SQL 写法	Spark SQL 说明
COLLECT_LIST	`ARRAY_AGG(col [ORDER BY ...])`	支持 `collect_list(expr)`	Spark 2.0.0 起提供，结果顺序不确定。3.3.0 起另有同义的 array_agg。
COLLECT_SET	`ARRAY_AGG(DISTINCT col)`	支持 `collect_set(expr)`	Spark 2.0.0 起提供。文档注明结果顺序取决于 shuffle 后的行序，是不确定的。
DATEADD	`TIMESTAMPADD(unit, n, datetime_expr)`	需改写 `ts + INTERVAL n HOUR`	Spark 3.4.0 起有 dateadd(start_date, num_days)，但只能加天数，没有单位参数。按小时、月等单位加减用 INTERVAL 字面量，按月也可以用 add_months。
EXPLODE	`FROM t, UNNEST(arr) AS u(x)`	支持 `explode(expr)`	Spark 1.0.0 起提供。数组默认列名为 col，map 为 key 和 value。需要保留空数组的行时用 explode_outer。
FROM_JSON	`parse_json(str)`	支持 `from_json(jsonStr, schema[, options])`	Spark 2.2.0 起提供。schema 用 DDL 字符串，例如 'a INT, b DOUBLE'。options 可以指定 timestampFormat 等解析选项。
GETDATE	`NOW([p])`	别名 `current_timestamp() 或 now()`	返回查询开始执行时的时间戳，同一查询中各次调用结果相同。3.4.0 起还有不带时区的 localtimestamp()。
LENGTH	`char_length(str)`	支持 `length(expr)`	返回字符数，包含末尾的空格；对二进制数据返回字节数。字节数用 octet_length。
MONTHS_BETWEEN	`months_diff(expr1, expr2)`	支持 `months_between(timestamp1, timestamp2[, roundOff])`	Spark 1.5.0 起提供。同一天或都是月末时忽略时间部分，否则按每月 31 天计算，默认保留 8 位小数，roundOff 为 false 时不舍入。
NVL	`IFNULL(expr1, expr2)`	支持 `nvl(expr1, expr2)`	Spark 2.0.0 起提供，同时有 ifnull、nvl2 和 coalesce。
SIZE	`array_length(arr) / map_size(m)`	支持 `size(expr)`	Spark 1.5.0 起提供，同时有别名 cardinality。输入为 NULL 时，只有关闭 ANSI 模式并开启 spark.sql.legacy.sizeOfNull 才返回 -1，否则返回 NULL。最新文档写明默认配置下返回 NULL。
SORT_ARRAY	`array_sort(array)`	支持 `sort_array(array[, ascendingOrder])`	Spark 1.5.0 起提供。升序时 NULL 在开头，降序时 NULL 在末尾。另有 array_sort，它把 NULL 放在末尾，3.0.0 起支持比较函数。
TO_CHAR	`DATE_FORMAT(date, '%Y-%m-%d %H:%i:%s')`	支持 `to_char(expr, format)`	Spark 3.4.0 起提供。4.0 文档写明 expr 可以是日期时间，此时 format 使用 Java 风格格式符；更早的版本请按所用版本文档确认。也可以直接用 date_format。
TO_DATE	`str_to_date(str, format)`	支持 `to_date(date_str[, fmt])`	Spark 1.5.0 起提供。解析失败返回 NULL，省略 fmt 时按 CAST 规则转换。
WM_CONCAT	`GROUP_CONCAT([DISTINCT] expr [ORDER BY ...] [SEPARATOR sep])`	需改写 `string_agg(expr[, delimiter]) WITHIN GROUP (ORDER BY ...)`	string_agg 和 listagg 从 Spark 4.0.0 起提供。更早的版本用 concat_ws(',', collect_list(expr))。

可以改用原生函数

下面的函数在 StarRocks 中只能用替代写法，Spark SQL 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	StarRocks 写法	Spark SQL 写法	Spark SQL 说明
DECODE	`CASE expr WHEN search THEN result ... ELSE default END`	支持 `decode(expr, search, result [, search, result ] ... [, default])`	多值匹配写法 3.2.0 起支持。没有匹配且省略 default 时返回 NULL。同名的 decode(bin, charset) 用于按字符集解码。

迁移注意事项

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

COLLECT_LIST 聚合为数组

不要依赖数组元素的顺序。MaxCompute 文档建议用 SORT_ARRAY 排序；StarRocks 可以直接写 ARRAY_AGG(x ORDER BY y)。
StarRocks 的 ARRAY_AGG 保留 NULL，MaxCompute 和 Doris 的 COLLECT_LIST 丢弃 NULL，数组长度可能不一致。

COLLECT_SET 去重聚合为数组

NULL 的处理不同：MaxCompute、Doris 会丢弃 NULL，StarRocks 的 ARRAY_AGG 会保留 NULL。迁移到 StarRocks 后数组里可能多出 NULL 元素。

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。
MaxCompute 按月加减时，如果目标月份没有对应日期，结果取当月最后一天。StarRocks 的 DATE_ADD 遇到不存在的日期返回 NULL。

EXPLODE 数组展开为多行

空数组和 NULL 数组的行会被直接丢掉：MaxCompute、Doris 的 EXPLODE 和 StarRocks 的 UNNEST 都是这样。需要保留时，Doris 和 Spark 用 EXPLODE_OUTER，StarRocks 3.2.7 起用 LEFT JOIN UNNEST(...) ON TRUE。
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_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。

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。

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。

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。

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

StarRocks 的 GROUP_CONCAT 默认最多 1,024 个字符，超出部分不报错直接截断。长列表需要先调大 group_concat_max_len。
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。
StarRocks 3.0.6 和 3.1.3 起，GROUP_CONCAT 必须用 SEPARATOR 关键字声明分隔符。

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。

可以直接用的函数

下面 29 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。