StarRocks 字符串函数 left 详解语法、边界行为与底层实现【免费下载链接】starrocksThe worlds fastest open query engine for sub-second analytics both on and off the data lakehouse. With the flexibility to support nearly any scenario, StarRocks provides best-in-class performance for multi-dimensional analytics, real-time analytics, and ad-hoc queries. A Linux Foundation project.项目地址: https://gitcode.com/GitHub_Trending/st/starrocksleft()是 StarRocks 中用于从字符串左侧截取指定长度字符的字符串函数在数据清洗、字段截断、前缀提取等 ETL 场景中被广泛使用。本文以 left 官方文档 为核心结合 BE 端源码实现与单元测试系统讲解其语法、参数语义、UTF-8 多字节处理、与right/strleft的关系以及性能优化机制帮助读者在真实查询中正确、高效地使用该函数。函数概述left(str, len)从给定字符串的左侧返回指定长度的字符。文档明确指出长度单位为 UTF-8 字符character而非字节byte因此该函数对包含中文、emoji 等多字节字符的字符串同样按字符计数。该函数的别名为 strleft两个函数名等价调用任意一个均可与之对应从右侧截取的函数为 right别名为strright。语法与参数说明VARCHAR left(VARCHAR str, INT len)参数类型说明strVARCHAR待处理的源字符串lenINT需要从左侧返回的字符数量返回值VARCHAR截取结果字符串从 BE 端实现看string_functions.cppleft(s, n)在语义上完全等价于substr(s, 1, n)即从第 1 个字符开始、连续取n个字符。使用示例官方文档给出的标准示例MySQL select left(Hello starrocks,5); ---------------------------- | left(Hello starrocks, 5) | ---------------------------- | Hello | ----------------------------strleft与left输出完全一致MySQL select strleft(Hello starrocks,5); ------------------------------- | strleft(Hello starrocks, 5) | ------------------------------- | Hello | -------------------------------作为对照right从右侧截取right 文档MySQL select right(Hello starrocks,9); ----------------------------- | right(Hello starrocks, 9) | ----------------------------- | starrocks | -----------------------------与 substring 的组合使用由于left等价于substr(str, 1, len)两者可互换使用。官方文档所隶属的字符串函数目录string-functions中同时提供了 substring、substring_index 等函数实际使用时可根据可读性选择语义上强调取前 N 个字符时优先用left。边界行为与注意事项结合源码实现string_functions.cpp 中StringFunctions::left/StringFunctions::right及substr_const_not_null等实现与单元测试string_fn_substr_test.cppleft的边界行为如下len小于等于 0返回空字符串。源码中len 0时直接构造空结果列不进行截取。len大于或等于字符串长度返回整个原字符串。这与right(s, n)的行为一致——n char_length(s)时right同样返回整个字符串源码注释明确说明该情况合法。str为 NULL结果为 NULL遵循 StarRocks 对 NULL 传播的通用规则。多字节字符安全长度按 UTF-8 字符计数不会从多字节字符中间切断产生乱码。BE 端通过validate_ascii_fast快速检测字符串是否为纯 ASCII纯 ASCII 走字节级快速路径ascii_substr非 ASCII 走按字符扫描的 UTF-8 路径utf8_substr_from_left/utf8_substr_from_left_per_slice确保中文等字符按完整字符截取。源码实现与性能优化left与right在 StarRocks BE 端共用一套实现框架核心入口为StringFunctions::left与StringFunctions::rightstring_functions.cpp。常量折叠优化当left的两个参数源字符串与长度均为常量时BE 通过left_or_right_preparestring_functions.cpp在查询准备阶段FRAGMENT_LOCAL作用域构造SubstrState状态对象将常量长度预取出来state-pos 1固定从位置 1 开始即最左端state-len len记录需要截取的长度。这样在每行执行时只需读取预计算的状态避免重复解析参数查询结束后由left_or_right_close释放状态对象。对应地substr家族函数的非常量路径left_not_const/right_not_const则对每一行动态解析长度参数。按切片处理与边界检查源码中的模板参数揭示了left与right在实现层面的差异allow_out_of_left_bound对left恒为false对right恒为true因为right(s, n)中n char_length(s)是合法情况需要放行越界。left(s, n)等价于substr(s, 1, n)right(s, n)等价于substr(s, -n, n)但超出字符串长度时返回整个字符串。同时实现会预防极端参数引发的问题当len为INT_MAX级别的夸张值时通过min_len * size的预检查避免预留过大的缓冲区导致内存异常。单元测试验证left/right的行为在 string_fn_substr_test.cpp 中有系统性的测试覆盖包括leftTest/rightTest对0TEST到19TEST等 20 组输入验证len小于、等于、大于字符串长度时的输出确认len超长时返回完整字符串leftAndRightNotConstASCIITest/leftAndRightConstASCIITest验证纯 ASCII 字符串在长度参数为非常量列逐行计算与常量常量折叠两条路径下的结果一致性leftAndRightNotConstUtf8Test/leftAndRightConstUtf8Test验证包含多字节 UTF-8 字符的字符串按字符正确截取防止乱码。这些测试同时覆盖了非空与 NULL 分支可作为理解函数语义的补充参考。典型应用场景前缀提取从订单号、编码字段中截取固定前缀例如left(order_id, 3)提取地区码。字段标准化截取定长字段如日期字符串20240115取left(dt, 4)得到年份。日志与文本处理对超长文本字段截取展示前 N 个字符兼顾展示需求与存储/传输开销。与right搭配使用left取头、right取尾例如对 URL、文件路径等结构化字符串提取首尾关键信息。小结left(str, len)是 StarRocks 中基础且高频的字符串截取函数别名strleft其长度按 UTF-8 字符计数支持中文等多字节字符的安全截取且在len ≤ 0时返回空串、len超长时返回原串。BE 端通过常量折叠、ASCII 快速路径与 UTF-8 逐字符扫描三档优化保证了不同数据形态下的执行效率并由完善的单元测试保障语义正确性。更多字符串处理能力可参阅 字符串函数目录。【免费下载链接】starrocksThe worlds fastest open query engine for sub-second analytics both on and off the data lakehouse. With the flexibility to support nearly any scenario, StarRocks provides best-in-class performance for multi-dimensional analytics, real-time analytics, and ad-hoc queries. A Linux Foundation project.项目地址: https://gitcode.com/GitHub_Trending/st/starrocks创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
StarRocks 字符串函数 left 详解语法、边界行为与底层实现【免费下载链接】starrocksThe worlds fastest open query engine for sub-second analytics both on and off the data lakehouse. With the flexibility to support nearly any scenario, StarRocks provides best-in-class performance for multi-dimensional analytics, real-time analytics, and ad-hoc queries. A Linux Foundation project.项目地址: https://gitcode.com/GitHub_Trending/st/starrocksleft()是 StarRocks 中用于从字符串左侧截取指定长度字符的字符串函数在数据清洗、字段截断、前缀提取等 ETL 场景中被广泛使用。本文以 left 官方文档 为核心结合 BE 端源码实现与单元测试系统讲解其语法、参数语义、UTF-8 多字节处理、与right/strleft的关系以及性能优化机制帮助读者在真实查询中正确、高效地使用该函数。函数概述left(str, len)从给定字符串的左侧返回指定长度的字符。文档明确指出长度单位为 UTF-8 字符character而非字节byte因此该函数对包含中文、emoji 等多字节字符的字符串同样按字符计数。该函数的别名为 strleft两个函数名等价调用任意一个均可与之对应从右侧截取的函数为 right别名为strright。语法与参数说明VARCHAR left(VARCHAR str, INT len)参数类型说明strVARCHAR待处理的源字符串lenINT需要从左侧返回的字符数量返回值VARCHAR截取结果字符串从 BE 端实现看string_functions.cppleft(s, n)在语义上完全等价于substr(s, 1, n)即从第 1 个字符开始、连续取n个字符。使用示例官方文档给出的标准示例MySQL select left(Hello starrocks,5); ---------------------------- | left(Hello starrocks, 5) | ---------------------------- | Hello | ----------------------------strleft与left输出完全一致MySQL select strleft(Hello starrocks,5); ------------------------------- | strleft(Hello starrocks, 5) | ------------------------------- | Hello | -------------------------------作为对照right从右侧截取right 文档MySQL select right(Hello starrocks,9); ----------------------------- | right(Hello starrocks, 9) | ----------------------------- | starrocks | -----------------------------与 substring 的组合使用由于left等价于substr(str, 1, len)两者可互换使用。官方文档所隶属的字符串函数目录string-functions中同时提供了 substring、substring_index 等函数实际使用时可根据可读性选择语义上强调取前 N 个字符时优先用left。边界行为与注意事项结合源码实现string_functions.cpp 中StringFunctions::left/StringFunctions::right及substr_const_not_null等实现与单元测试string_fn_substr_test.cppleft的边界行为如下len小于等于 0返回空字符串。源码中len 0时直接构造空结果列不进行截取。len大于或等于字符串长度返回整个原字符串。这与right(s, n)的行为一致——n char_length(s)时right同样返回整个字符串源码注释明确说明该情况合法。str为 NULL结果为 NULL遵循 StarRocks 对 NULL 传播的通用规则。多字节字符安全长度按 UTF-8 字符计数不会从多字节字符中间切断产生乱码。BE 端通过validate_ascii_fast快速检测字符串是否为纯 ASCII纯 ASCII 走字节级快速路径ascii_substr非 ASCII 走按字符扫描的 UTF-8 路径utf8_substr_from_left/utf8_substr_from_left_per_slice确保中文等字符按完整字符截取。源码实现与性能优化left与right在 StarRocks BE 端共用一套实现框架核心入口为StringFunctions::left与StringFunctions::rightstring_functions.cpp。常量折叠优化当left的两个参数源字符串与长度均为常量时BE 通过left_or_right_preparestring_functions.cpp在查询准备阶段FRAGMENT_LOCAL作用域构造SubstrState状态对象将常量长度预取出来state-pos 1固定从位置 1 开始即最左端state-len len记录需要截取的长度。这样在每行执行时只需读取预计算的状态避免重复解析参数查询结束后由left_or_right_close释放状态对象。对应地substr家族函数的非常量路径left_not_const/right_not_const则对每一行动态解析长度参数。按切片处理与边界检查源码中的模板参数揭示了left与right在实现层面的差异allow_out_of_left_bound对left恒为false对right恒为true因为right(s, n)中n char_length(s)是合法情况需要放行越界。left(s, n)等价于substr(s, 1, n)right(s, n)等价于substr(s, -n, n)但超出字符串长度时返回整个字符串。同时实现会预防极端参数引发的问题当len为INT_MAX级别的夸张值时通过min_len * size的预检查避免预留过大的缓冲区导致内存异常。单元测试验证left/right的行为在 string_fn_substr_test.cpp 中有系统性的测试覆盖包括leftTest/rightTest对0TEST到19TEST等 20 组输入验证len小于、等于、大于字符串长度时的输出确认len超长时返回完整字符串leftAndRightNotConstASCIITest/leftAndRightConstASCIITest验证纯 ASCII 字符串在长度参数为非常量列逐行计算与常量常量折叠两条路径下的结果一致性leftAndRightNotConstUtf8Test/leftAndRightConstUtf8Test验证包含多字节 UTF-8 字符的字符串按字符正确截取防止乱码。这些测试同时覆盖了非空与 NULL 分支可作为理解函数语义的补充参考。典型应用场景前缀提取从订单号、编码字段中截取固定前缀例如left(order_id, 3)提取地区码。字段标准化截取定长字段如日期字符串20240115取left(dt, 4)得到年份。日志与文本处理对超长文本字段截取展示前 N 个字符兼顾展示需求与存储/传输开销。与right搭配使用left取头、right取尾例如对 URL、文件路径等结构化字符串提取首尾关键信息。小结left(str, len)是 StarRocks 中基础且高频的字符串截取函数别名strleft其长度按 UTF-8 字符计数支持中文等多字节字符的安全截取且在len ≤ 0时返回空串、len超长时返回原串。BE 端通过常量折叠、ASCII 快速路径与 UTF-8 逐字符扫描三档优化保证了不同数据形态下的执行效率并由完善的单元测试保障语义正确性。更多字符串处理能力可参阅 字符串函数目录。【免费下载链接】starrocksThe worlds fastest open query engine for sub-second analytics both on and off the data lakehouse. With the flexibility to support nearly any scenario, StarRocks provides best-in-class performance for multi-dimensional analytics, real-time analytics, and ad-hoc queries. A Linux Foundation project.项目地址: https://gitcode.com/GitHub_Trending/st/starrocks创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
