Spark、Hive、Presto（現更名為 Trino）和 Doris（原百度 Palo）的?substr?函數在功能上都是用于截取字符串的子串，但在起始索引規則和參數含義上存在差異，這是導致結果不同的主要原因。以下是它們的具體區別：

1.?Hive

• 函數名：substr?或?substring（兩者完全等效）
• 起始索引：1-based（從 1 開始計數，第一個字符位置為 1）
• 參數格式：
  • substr(str, start_pos)：從?start_pos?位置截取到字符串末尾
  • substr(str, start_pos, length)：從?start_pos?位置截取長度為?length?的子串
• 負數索引：表示從字符串末尾開始計算（如?start_pos=-3?表示從倒數第 3 個字符開始）
• 示例：

  sql

  select substr('abcdef', 2, 3);  -- 結果：'bcd'（從第2位開始，取3個字符）
  select substr('abcdef', -3);     -- 結果：'def'（從倒數第3位取到末尾）
  

2.?Spark

• 函數名：substr?和?substring?行為不同（注意區分）
  • substr：0-based（從 0 開始計數，第一個字符位置為 0）
  • substring：1-based（為兼容 Hive 設計，與 Hive 行為一致）
• 參數格式：與 Hive 一致（支持 2 個或 3 個參數）
• 負數索引：與 Hive 一致（從末尾計數）
• 示例：

  sql

  -- substr（0-based）
  select substr('abcdef', 2, 3);    -- 結果：'cde'（從第2位開始，取3個字符）-- substring（1-based，與 Hive 一致）
  select substring('abcdef', 2, 3); -- 結果：'bcd'（與 Hive 相同）
  

3.?Presto（Trino）

• 函數名：substr?或?substring（兩者等效）
• 起始索引：1-based（與 Hive 一致）
• 參數格式：
  • substr(str, start_pos)：從?start_pos?截取到末尾
  • substr(str, start_pos, length)：從?start_pos?截取長度為?length?的子串
• 負數索引：與 Hive/Spark 一致（從末尾計數）
• 特殊點：如果?length?為負數，返回空字符串（部分版本行為）
• 示例：

  sql

  select substr('abcdef', 2, 3);  -- 結果：'bcd'（與 Hive 一致）
  select substr('abcdef', -3);     -- 結果：'def'（與 Hive 一致）
  

4.?Doris

• 函數名：substr?或?substring（兩者等效）
• 起始索引：1-based（與 Hive、Presto 一致）
• 參數格式：
  • substr(str, start_pos)：從?start_pos?截取到末尾
  • substr(str, start_pos, length)：從?start_pos?截取長度為?length?的子串
• 負數索引：支持（從末尾計數）
• 特殊點：如果?start_pos?超出字符串長度，返回空字符串
• 示例：

  sql

  select substr('abcdef', 2, 3);  -- 結果：'bcd'（與 Hive、Presto 一致）
  select substr('abcdef', -3);     -- 結果：'def'（與 Hive、Presto 一致）
  

總結：關鍵差異對比表

跨系統兼容建議

1. 若需在多系統中保持一致結果，優先使用?substring?函數（Spark 的?substring?為 1-based，與其他系統一致）。
2. 明確標注索引基準（1-based 還是 0-based），避免混淆。
3. 對負數索引和邊界情況（如起始位置超出字符串長度）進行單獨測試，確保行為符合預期。