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。集群启动时,该变量会设置为与 system_time_zone 相同,之后不再变动,除非用户手动修改。

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,其数据来源为 TZDIR 命令返回的目录,如不支持该命令,则为 /usr/share/zoneinfo 目录。

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,返回其在 Doris session time_zone 指定时区的日期时间,如time_zoneCSTFROM_UNIXTIME(0)返回1970-01-01 08:00:00

  • UNIX_TIMESTAMP:给定一个日期时间,返回其在 Doris session time_zone 指定时区下的 UTC 时间戳,如time_zoneCSTUNIX_TIMESTAMP('1970-01-01 08:00:00')返回0

  • CURTIME:返回当前 Doris session time_zone 指定时区的时间。

  • NOW:返回当前 Doris session time_zone 指定时区的日期时间。

  • 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DATEDATETIME类型,我们支持导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 Stream Load 指定的 Header timezone+00:00 ,则数据导入 Doris 得到实际值为 “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”。此类格式来源于本机所带时区数据,如 “Etc/GMT+3” 等亦属此列。

  2. 标准偏移格式,如 “+02:30”, “-10:00”(不支持诸如 “+12:03” 等特殊偏移)

  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

此外,对任何字母的解析不区分大小写。

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 Doris 自身 DATETIME 等各个时间类型本身不内含时区信息,且数据在导入后不会随时区变化而变更,因此时间数据导入 Doris 时,可分为如下两类:

  1. 绝对时间

    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。

  2. 特定时区下的时间

    某个特定时区下的时间是指,它所关联的数据场景与时区有关。对于这类数据,在导入时应该带有具体时区后缀,导入时它们将被转化至 Doris 集群 time_zone 时区或 Stream Load/Broker Load 中指定的 header timezone

    这类数据在导入后即被转化至导入时指定时区下的绝对时间存储,故后续导入和查询应当保持此时区,以免数据意义发生紊乱。

  • 对于 Insert 语句,我们可以通过以下例子来说明:

    1. Doris > select @@time_zone;
    2. +---------------+
    3. | @@time_zone |
    4. +---------------+
    5. | Asia/Shanghai |
    6. +---------------+
    7. Doris > insert into dt values('2020-12-12 12:12:12+02:00'); --- 导入的数据中指定了时区为 +02:00
    8. Doris > select * from dt;
    9. +---------------------+
    10. | dt |
    11. +---------------------+
    12. | 2020-12-12 18:12:12 | --- 被转换为 Doris 集群时区 Asia/Shanghai,后续导入和查询应当保持此时区。
    13. +---------------------+
    14. Doris > set time_zone = 'America/Los_Angeles';
    15. Doris > select * from dt;
    16. +---------------------+
    17. | dt |
    18. +---------------------+
    19. | 2020-12-12 18:12:12 | --- 如果修改 time_zone,时间值不会随之改变,其查询时的意义发生紊乱。
    20. +---------------------+
  • 对于 Stream Load、Broker Load 等导入方式,我们可以通过指定 header timezone 来实现。例如,对于 Stream Load,我们可以通过以下例子来说明:

    1. cat dt.csv
    2. 2020-12-12 12:12:12+02:00
    3. curl --location-trusted -u root: \
    4. -H "Expect:100-continue" \
    5. -H "strict_mode: true" \
    6. -H "timezone: Asia/Shanghai" \
    7. -T dt.csv -XPUT \
    8. http://127.0.0.1:8030/api/test/dt/_stream_load
    1. Doris > select @@time_zone;
    2. +---------------+
    3. | @@time_zone |
    4. +---------------+
    5. | Asia/Shanghai |
    6. +---------------+
    7. Doris > select * from dt;
    8. +---------------------+
    9. | dt |
    10. +---------------------+
    11. | 2020-12-12 18:12:12 | --- 被转换为 Doris 集群时区 Asia/Shanghai,后续导入和查询应当保持此时区。
    12. +---------------------+

    时区 - 图1提示

    • Stream Load、Broker Load 等导入方式中,header timezone 会覆盖 Doris 集群 time_zone,因此在导入时应当保持一致。
    • Stream Load、Broker Load 等导入方式中,header timezone 会影响导入转换中使用的函数。
    • 如果导入时未指定 header timezone,则默认使用东八区。

综上所述,处理时区问题最佳的实践是:

时区 - 图2最佳实践

  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,下载途径见下文。

信息更新

真实世界中的时区与夏令时相关数据,将会因各种原因而不定期发生变化。IANA 会定期记录这些变化并更新相应时区文件。如果希望 Doris 中的时区信息与最新的IANA 数据保持一致,请采取下列方式进行更新:

  1. 使用包管理器更新

根据当前操作系统使用的包管理器,用户可以使用对应的命令直接更新时区数据:

  1. # yum
  2. > sudo yum update tzdata
  3. # apt
  4. > sudo apt update tzdata

该方式更新的数据位于系统 $TZDIR 下(一般为 usr/share/zoneinfo)。

  1. 直接拉取 IANA 时区数据库(推荐)

大多数 Linux 发行版的包管理器,tzdata 的同步并不及时。如果对时区数据准确性要求较高,可以直接拉取 IANA 定期公布的数据:

  1. wget https://www.iana.org/time-zones/repository/tzdb-latest.tar.lz

然后根据解压后文件夹中的 README 文件,生成具体的 zoneinfo 数据。生成的数据应当拷贝并覆盖 $TZDIR 目录。

请注意,以上所有操作在 BE 所在机器上完成后,都必须重启对应 BE 才能生效。

拓展阅读