时区

Doris 支持自定义时区设置

基本概念

Doris 内部存在以下两个时区相关参数:

  • system_time_zone : 当服务器启动时,会根据机器设置时区自动设置,设置后不可修改。
  • time_zone : 集群当前时区,可以修改。

具体操作

  1. show variables like '%time_zone%'

    查看当前时区相关配置

  2. SET [global] time_zone = 'Asia/Shanghai'

    该命令可以设置session级别的时区,如使用global关键字,则Doris FE会将参数持久化,之后对所有新session生效。

数据来源

时区数据包含时区名、对应时间偏移量、夏令时变化情况等。在 BE 所在机器上,其数据来源依次为:

  1. TZDIR 命令返回的目录,如不支持该命令,则为 /usr/share/zoneinfo 目录
  2. Doris BE 部署目录下生成的 zoneinfo 目录。产生自 Doris Repository 下的 resource/zoneinfo.tar.gz

按顺序查找以上数据源,如果找到则使用当前项。如果 BE 配置项 use_doris_tzfile 为 true,则跳过对第一项的查找。如均未找到,则 Doris BE 将启动失败,请重新正确构建 BE 或获取发行版。

时区的影响

1. 函数

包括NOW()CURTIME()等时间函数显示的值,也包括show load, show backends中的时间值。

但不会影响 create table 中时间类型分区列的 less than 值,也不会影响存储为 date/datetime 类型的值的显示。

受时区影响的函数:

  • FROM_UNIXTIME:给定一个 UTC 时间戳,返回指定时区的日期时间:如 FROM_UNIXTIME(0), 返回 CST 时区:1970-01-01 08:00:00
  • UNIX_TIMESTAMP:给定一个指定时区日期时间,返回 UTC 时间戳:如 CST 时区 UNIX_TIMESTAMP('1970-01-01 08:00:00'),返回 0
  • CURTIME:返回指定时区时间。
  • NOW:返指定地时区日期时间。
  • CONVERT_TZ:将一个日期时间从一个指定时区转换到另一个指定时区。

2. 时间类型的值

对于DATE, DATEV2, DATETIME, DATETIMEV2类型,我们支持插入数据时对时区进行转换。

  • 如果数据带有时区,如 “2020-12-12 12:12:12+08:00”,而当前 Doris time_zone = +00:00,则得到实际值 “2020-12-12 04:12:12”。
  • 如果数据不带有时区,如 “2020-12-12 12:12:12”,则认为该时间为绝对时间,不发生任何转换。

3. 夏令时

夏令时的本质是具名时区的实际时间偏移量,在一定日期内发生改变。

例如,America/Los_Angeles时区包含一次夏令时调整,起止时间为约为每年3月至11月。即,三月份夏令时开始时,America/Los_Angeles实际时区偏移由-08:00变为-07:00,11月夏令时结束时,又从-07:00变为-08:00。 如果不希望开启夏令时,则应设定 time_zone-08:00 而非 America/Los_Angeles

使用方式

时区值可以使用多种格式给出,以下是 Doris 中完善支持的标准格式:

  1. 标准具名时区格式,如 “Asia/Shanghai”, “America/Los_Angeles”
  2. 标准偏移格式,如 “+02:30”, “-10:00”
  3. 缩写时区格式,当前仅支持:
    1. “GMT”, “UTC”,等同于 “+00:00” 时区
    2. “CST”, 等同于 “Asia/Shanghai” 时区
  4. 单字母Z,代表Zulu时区,等同于 “+00:00” 时区

注意:由于实现方式的不同,当前 Doris 存在部分其他格式在部分导入方式中得到了支持。生产环境不应当依赖这些未列于此的格式,它们的行为随时可能发生变化,请关注版本更新时的相关 changelog。

最佳实践

时区敏感数据

时区问题主要涉及三个影响因素:

  1. session variable time_zone —— 集群时区
  2. Stream Load、Broker Load 等导入时指定的 header timezone —— 导入时区
  3. 时区类型字面量 “2023-12-12 08:00:00+08:00” 中的 “+08:00” —— 数据时区

我们可以做如下理解:

Doris 目前兼容各时区下的数据向 Doris 中进行导入。而由于 DATETIME 等各个时间类型本身不内含时区信息,因此 Doris 集群内的时间类型数据,可以分为两类:

  1. 绝对时间
  2. 特定时区下的时间

所谓绝对时间是指,它所关联的数据场景与时区无关。对于这类数据,在导入时应该不带有任何时区后缀,它们将被原样存储。对于这类时间,因为不关联到实际的时区,取其 unix_timestamp 等函数结果是无实际意义的。而集群 time_zone 的改变不会影响它的使用。

所谓“某个特定时区下”的时间。这个“特定时区”就是我们的 session variable time_zone。就最佳实践而言,该变量应当在数据导入前确定,且不再更改。此时 Doris 集群中的该类时间数据,其实际意义为:在 time_zone 时区下的时间。例如:

  1. mysql> select @@time_zone;
  2. +----------------+
  3. | @@time_zone |
  4. +----------------+
  5. | Asia/Hong_Kong |
  6. +----------------+
  7. 1 row in set (0.12 sec)
  8. mysql> insert into dtv23 values('2020-12-12 12:12:12+02:00'); --- 绝对时区为+02:00
  9. Query OK, 1 row affected (0.27 sec)
  10. mysql> select * from dtv23;
  11. +-------------------------+
  12. | k0 |
  13. +-------------------------+
  14. | 2020-12-12 18:12:12.000 | --- 被转换为 Doris 集群时区 Asia/Hong_Kong,应当保持此语义。
  15. +-------------------------+
  16. 1 row in set (0.19 sec)
  17. mysql> set time_zone = 'America/Los_Angeles';
  18. Query OK, 0 rows affected (0.15 sec)
  19. mysql> select * from dtv23;
  20. +-------------------------+
  21. | k0 |
  22. +-------------------------+
  23. | 2020-12-12 18:12:12.000 | --- 如果修改 time_zone,时间值不会随之改变,其意义发生紊乱。
  24. +-------------------------+
  25. 1 row in set (0.18 sec)
  26. mysql> insert into dtv23 values('2020-12-12 12:12:12+02:00');
  27. Query OK, 1 row affected (0.17 sec)
  28. mysql> select * from dtv23;
  29. +-------------------------+
  30. | k0 |
  31. +-------------------------+
  32. | 2020-12-12 02:12:12.000 |
  33. | 2020-12-12 18:12:12.000 |
  34. +-------------------------+ --- 此时可以发现,数据已经发生错乱。
  35. 2 rows in set (0.19 sec)

综上所述,处理时区问题最佳的实践是:

  1. 在使用前确认该集群所表征的时区并设置 time_zone,在此之后不再更改。
  2. 在导入时设定 header timezone 同集群 time_zone 一致。
  3. 对于绝对时间,导入时不带时区后缀;对于有时区的时间,导入时带具体时区后缀,导入后将被转化至 Doris time_zone 时区。

夏令时

夏令时的起讫时间来自于当前时区数据源,不一定与当年度时区所在地官方实际确认时间完全一致。该数据由 ICANN 进行维护。如果需要确保夏令时表现与当年度实际规定一致,请保证 Doris 所选择的数据源为最新的 ICANN 所公布时区数据,下载途径见于拓展阅读中。

拓展阅读