华为云用户手册

string_to_mv函数 使用指定的分隔符str2将str1拆分为数组。 语法：string_to_mv(str1, str2) 表22 参数说明 参数名称 描述 类型 是否必选 str1 原始字符串 String 是 str2 指定字符 String 是 返回值类型：Array类型 示例：SELECT STRING_TO_MV('1-2-3-4-5','-') 表23 查询分析结果 类型 场景 查询语句 STRING_TO_MV('1-2-3-4-5','-') 返回结果 ["1","2","3","4","5"]

mv_offset函数 返回所提供的基于0的索引处的数组元素，或对于超出范围的索引返回null。 语法：mv_offset(arr, index) 表24 参数说明 参数名称 描述 类型 是否必选 arr 原始数组 Array（String/Number） 是 index 指定索引位置 Integer 是 返回值类型：String/Integer/Long/Boolean/Double类型 示例：SELECT MV_OFFSET(ARRAY['1','2','3','4','5'], 2) 表25 查询分析结果 类型 场景 查询语句 MV_OFFSET(ARRAY['1','2','3','4','5'], 2) 返回结果 3

mv_ordinal_of函数 返回数组中第一次出现expr的基于1的索引，如果未出现，则返回-1。 语法：mv_ordinal_of(arr, expr) 表30 参数说明 参数名称 描述 类型 是否必选 arr 原始数组 Array（String/Number） 是 expr 指定元素 String/Number，必须与数组中元素类型相同。 是 返回值类型：Integer类型 示例：SELECT MV_ORDINAL_OF(ARRAY['1','2','3','4','5'], '2') 表31 查询分析结果 类型 场景 查询语句 MV_ORDINAL_OF(ARRAY['1','2','3','4','5'], '2') 返回结果 2

mv_append函数 将指定的元素添加到数组的末尾。 语法：mv_append(arr, expr) 表16 参数说明 参数名称 描述 类型 是否必选 arr 原始数组 Array（String/Number） 是 expr 指定的元素 String/Number，必须与数组中元素类型相同。 是 返回值类型：Array类型 示例：SELECT MV_APPEND(ARRAY['1','2'],'1') 表17 查询分析结果 类型 场景 查询语句 MV_APPEND(ARRAY['1','2'], '1') 返回结果 ["1","2","1"]

mv_slice函数 返回从start到end索引的数组。 语法：mv_slice(arr, start, end) 表18 参数说明 参数名称 描述 类型 是否必选 arr 原始数组 Array（String/Number） 是 start 起始位置 Integer 是 end 结束位置 Integer 是 返回值类型：Array类型 示例：SELECT MV_SLICE(ARRAY['1','2','3','4','5'], 2, 4) 表19 查询分析结果 类型 场景 查询语句 MV_SLICE(ARRAY['1','2','3','4','5'], 2, 4) 返回结果 ["3","4"]

mv_to_string函数 使用指定的分隔符str连接arr所有元素。 语法：mv_to_string(arr, str) 表20 参数说明 参数名称 描述 类型 是否必选 arr 原始数组 Array（String/Number） 是 str 指定字符 String 是 返回值类型：String类型 示例：SELECT MV_TO_STRING(ARRAY['1','2','3','4','5'],'-') 表21 查询分析结果 类型 场景 查询语句 MV_TO_STRING(ARRAY['1','2','3','4','5'],'-') 返回结果 1-2-3-4-5

mv_contains函数 判断数组中是否包含指定元素。如果包含，则返回true，同contains。 语法：mv_contains(expr, ele) 表12 参数说明 参数名称 描述 类型 是否必选 expr 原始数组 Array（String/Number） 是 ele 指定的元素 String/Number，必须与数组中元素类型相同。 是 返回值类型：Boolean类型 示例：SELECT MV_CONTAINS(ARRAY['1','2'],'1') 表13 查询分析结果 类型 场景 查询语句 MV_CONTAINS(ARRAY['1','2'],'1') 返回结果 true

mv_prepend函数 将指定的元素添加到数组的开始位置。 语法：mv_prepend(expr, arr) 表14 参数说明 参数名称 描述 类型 是否必选 expr 指定的元素 String/Number，必须与数组中元素类型相同。 是 arr 原始数组 Array（String/Number） 是 返回值类型：Array类型 示例：SELECT MV_PREPEND('1', ARRAY ['1','2']) 表15 查询分析结果 类型 场景 查询语句 MV_PREPEND ('1', ARRAY['1','2']) 返回结果 ["1","1","2"]

cardinality函数 计算数组中元素的个数，参数类型必须相同。 语法：cardinality(expr) 表6 参数说明 参数名称 描述 类型 是否必选 expr 原始数组 Array（String/Number） 是 返回值类型：Integer类型 示例：SELECT CARDINALITY(ARRAY['1','2','3']) 表7 查询分析结果 类型 场景 查询语句 CARDINALITY(ARRAY['1','2','3']) 返回结果 3

array_position函数 获取指定元素的下标，下标从1开始。如果指定元素不存在，则返回0。 语法：array_position(expr, ele) 表4 参数说明 参数名称 描述 类型 是否必选 expr 原始数组 数组类型。 是 ele 指定的元素 数组中的一个元素，必须与数组中元素类型相同。 是 返回值类型：Integer类型 示例：SELECT ARRAY_POSITION(ARRAY['1','2','3'],'2') 表5 查询分析结果 类型 场景 查询语句 ARRAY_POSITION(ARRAY['1','2','3'],'2') 返回结果 2

mv_length函数 计算数组中元素的个数， 同cardinality。 语法：mv_length(expr) 表8 参数说明 参数名称 描述 类型 是否必选 expr 原始数组 Array（String/Number） 是 返回值类型：Integer类型 示例：SELECT MV_LENGTH(ARRAY['1','2','3']) 表9 查询分析结果 类型 场景 查询语句 MV_LENGTH (ARRAY['1','2','3']) 返回结果 3

array函数 将参数构建成数组，参数类型必须相同。 语法：array[expr1,expr ...] 表2 参数说明 参数名称 描述 类型 是否必选 expr 原始数据 String/Integer/Long/Double/Float 是 返回值类型：Array类型 示例：SELECT ARRAY['1','2','3','4','5'] 表3 查询分析结果 类型 场景 查询语句 ARRAY['1','2','3','4','5'] 返回结果 ["1", "2", "3", "4", "5"]

contains函数 判断数组中是否包含指定元素。如果包含，则返回true。 语法：contains(expr, ele) 表10 参数说明 参数名称 描述 类型 是否必选 expr 原始数组 Array（String/Number） 是 ele 指定的元素 String/Number，必须与数组中元素类型相同。 是 返回值类型：Boolean类型 示例：SELECT CONTAINS(ARRAY['1','2'],'1') 表11 查询分析结果 类型 场景 查询语句 CONTAINS(ARRAY['1','2'],'1') 返回结果 true

函数列表 表1 数组函数 函数 描述 array函数 将输入的参数构造成数组，参数类型必须相同。 array_position函数 获取指定元素的下标，下标从1开始。如果指定元素不存在，则返回0。 cardinality函数 计算数组中元素的个数。 mv_length函数 计算数组中元素的个数， 同cardinality。 contains函数 判断数组中是否包含指定元素。如果包含，则返回true。 mv_contains函数 判断数组中是否包含指定元素。如果包含，则返回true，同contains。 mv_prepend函数 将指定的元素添加到数组的开始位置。 mv_append函数 将指定的元素添加到数组的末尾。 mv_slice函数 返回从start到end索引的数组。 mv_to_string函数 通过str指定分隔符连接arr所有元素。 string_to_mv函数 使用指定的分隔符str2将str1拆分为数组 mv_offset函数 返回所提供的基于0的索引处的数组元素。 mv_ordinal函数 返回所提供的基于1的索引处的数组元素。 mv_offset_of函数 返回数组中第一次出现expr的基于0的索引，如果未出现，则返回-1。 mv_ordinal_of函数 返回数组中第一次出现expr的基于1的索引，如果未出现，则返回-1。

聚合函数语句 表1 聚合函数语句 语句 说明 示例 COUNT(*) 统计行数。 SELECT COUNT(*) COUNT(DISTINCT expr) 统计字段中去重后的行数，字段值可以是字符串或者数字，返回值为估算值（默认存在2.3%的标准误差）。 SELECT COUNT(DISTINCT host) SUM(expr) 返回数字总和。 SELECT SUM(visitCount) MIN(expr) 返回数字中的最小值。 SELECT MIN(visitCount) MAX(expr) 返回数字中的最大值。 SELECT MAX(visitCount) AVG(expr) 返回平均值。 SELECT AVG(visitCount) EARLIEST(expr) 表达式必须是数值类型的， 返回expr的最早的值， 即查询的时候最先遇到的值。 SELECT EARLIEST(visitCount) LATEST(expr) 表达式必须是数值类型的， 返回expr的最新的值， 即查询的时候最后遇到的值。 SELECT LATEST(visitCount) APPROX_QUANTILE_DS(expr, probability) 计算数值expr的近似分位数，probability应介于0和1之间。 APPROX_QUANTILE_DS(expr, probability)

round函数 用于对x进行四舍五入。如果n存在，则保留n位小数；如果n不存在，则对x进行四舍五入取整数。 对x进行四舍五入取整数。 语法：ROUND(x) 对x进行四舍五入且保留n位小数。 语法：ROUND(x, n) 表2 参数说明 参数名称 描述 类型 是否必选 x 原始字段。 number 是 n n位小数(int)。 int 是 返回值类型：Number 示例：select ROUND(3.1415, 1) 表3 查询分析结果 类型 场景 查询语句 ROUND(3.1415, 1) 返回结果 3.1

使用限制 短语搜索不支持搭配模糊搜索。 短语搜索中的星号（*）和问号（?）会被视为普通字符，因此短语搜索不支持搭配模糊搜索，可以用来搜索日志中的星号（*）和问号（?）。 短语搜索不支持对分词符进行搜索。 例如搜索语句#"var/log"，其中 / 为分词符，搜索语句等同于#"var log"，会搜索包含目标短语var log的日志。同理，搜索语句#"var:log"、#"var;log"等搜索的也是包含目标短语var log的日志。 中文搜索推荐采用短语搜索。 由于中文默认采用的是一元分词，每个汉字单独分词，搜索时会匹配同时包含搜索语句中每一个汉字的日志，本身便具有模糊搜索的特性，当需要更加精确的结果时，推荐采用短语搜索。

日志搜索与分析概述 日志搜索与分析是运维中不可或缺的一环。日志接入成功后， 云日志 服务（LTS）支持对采集成功的日志数据进行搜索与分析。通过合理的日志收集、高效的搜索方法和专业的分析工具，可以实现对系统或应用的全面监控和精细化管理。 执行搜索与分析前，需要将上报的日志进行结构化配置和索引配置，因为结构化后数据具有严格的长度和格式，方便进行搜索与分析。详细请参考设置云端结构化解析日志和设置LTS日志索引配置。 结构化完成后，使用云日志服务（LTS）提供的搜索语法用于设置搜索条件，帮助您更有效地搜索日志。详细请参考搜索日志。 云日志服务（LTS）支持使用SQL分析语法，对结构化后的日志字段进行 日志分析 ，通过统计图表的方式对查询和分析的结果进行可视化展示。详细请参考分析LTS日志。 父主题： 日志搜索与分析（默认推荐）

compare函数 用于对比当前时间周期内的计算结果与n秒之前时间周期内的计算结果。 语法：compare(x, n) 对比当前时间周期内的计算结果与n1、n2、n3秒之前时间周期内的计算结果。 语法：compare(x, n1, n2, n3...) 表2 参数说明 参数名称 描述 类型 是否必选 x 待同比表达式。 double 是 n? 时间窗口，单位为秒。例如3600（1小时）、86400（1天）、604800（1周）、31622400（1年）。 long 是 返回类型 JSON数组。格式为[当前计算结果,n秒前的计算结果,当前计算结果与n秒前计算结果的比值]。 示例说明 计算当前1小时和昨天同时段的访问量比值。 选择查询和分析的时间范围为1小时（整点时间），并执行如下查询和分析语句。其中86400表示当前时间减去86400秒(1天)。 SELECT compare(PV, 86400) FROM (SELECT count(*) AS PV ) 查询和分析结果。 图1 查询和分析结果 5994.0表示当前1小时（例如2021-01-02 00:00:00~2021-01-02 01:00:00）的网站访问量。 6000.0表示昨天同时段（例如2021-01-01 00:00:00~2021-01-01 01:00:00）的网站访问量。 0.999表示当前1小时与昨天同时段的网站访问量比值。 分列显示查询和分析结果。 SELECT diff[1] as "today", diff[2] as "yesterday", diff[3] as "ratio" FROM(SELECT compare(pv, 86400) AS diff FROM (SELECT count(*) AS pv )) 图2 查询和分析结果

ts_compare函数 ts_compare函数用于对比当前时间周期内的计算结果与n秒之前时间周期内的计算结果。 ts_compare函数必须按照时间列进行分组（GROUP BY）。 语法格式 对比当前时间周期内的计算结果与n秒之前时间周期内的计算结果。 ts_compare(x, n) 对比当前时间周期内的计算结果与n1、n2、n3秒之前时间周期内的计算结果。 ts_compare(x, n1, n2, n3...) 表3 环比函数参数说明 参数 说明 x 参数值为double类型或long类型。 n 时间窗口，单位为秒。例如3600（1小时）、86400（1天）、604800（1周）、31622400（1年）。 返回类型 JSON数组。格式为[当前计算结果, n秒前的计算结果, 当前计算结果与n秒前计算结果的比值, n秒前的UNIX时间戳]。 示例说明 环比今天3小时与昨天3小时的网站访问量。 选择查询和分析的时间范围为今天某3小时，并执行如下查询和分析语句。其中86400表示当前时间减去86400秒（1天），date_trunc('hour',__time)表示使用date_trunc函数将时间对齐到小时。 查询和分析语句 * | SELECT t_time, ts_compare(PV, 86400) AS data FROM( SELECT to_unixtime(date_trunc('hour', __time)) AS t_time, count(*) AS PV GROUP BY t_time ORDER BY t_time ) GROUP BY t_time 查询和分析结果 t_time data 2021-10-26T06:00:00.000Z [159.0,224.0,0.7098214285714286,1.6351416E9] 2021-10-26T07:00:00.000Z [100.0,148.0,0.6756756756756757,1.6351452E9] 2021-10-26T08:00:00.000Z [100.0,100.0,1.0, 1.6016544E9, 1.6351488E9]

解析方式介绍 云日志服务支持两种日志结构化解析方式：云端结构化解析和ICAgent结构化解析，且一个日志流只能配置一种结构化方式，例如选择云端结构化解析后，不能再选择ICAgent结构化解析，需要删除后，才能重新选择。更多信息请参考图1。 若用户在日志接入的时候没有配置结构化解析，可以单独给目标日志流配置ICAgent结构化解析或云端结构化解析。 ICAgent结构化解析是在采集侧做结构化，利用的是客户节点上的资源，将结构化完成的数据上报到LTS。推荐用户使用ICAgent结构化解析的方式，更多内容请参考ICAgent结构化解析规则说明。 云端结构化解析是通过不同的日志提取方式将日志流中的日志进行结构化，云端结构化解析会消耗LTS服务端算力，未来会按照日志大小收取日志加工流量费用。 图1 不同解析方式

compare函数 compare函数用于对比当前时间周期内的计算结果与n秒之前时间周期内的计算结果。 语法格式 对比当前时间周期内的计算结果与n秒之前时间周期内的计算结果。 compare(x,n) 对比当前时间周期内的计算结果与n1、n2、n3秒之前时间周期内的计算结果。 compare(x, n1, n2, n3...) 参数说明 表1 同比函数参数说明 参数 说明 x 目标列的列名，参数值为double类型或long类型。 n 时间窗口，单位为秒。例如3600（1小时）、86400（1天）、604800（1周）、31622400（1年）。 返回类型 JSON数组。格式为[当前计算结果,n秒前的计算结果,当前计算结果与n秒前计算结果的比值]。 示例说明 计算当前1小时和昨天同时段的访问量比值。 选择查询和分析的时间范围为1小时（整点时间），并执行如下查询和分析语句。其中86400表示当前时间减去86400秒(1天)。 SELECT compare(PV, 86400) FROM (SELECT count(*) AS PV ) 查询和分析结果 图1 查询和分析结果 5994.0表示当前1小时（例如2021-01-02 00:00:00~2021-01-02 01:00:00）的网站访问量。 6000.0表示昨天同时段（例如2021-01-01 00:00:00~2021-01-01 01:00:00）的网站访问量。 0.999表示当前1小时与昨天同时段的网站访问量比值。 分列显示查询和分析结果 SELECT diff[1] as "today", diff[2] as "yesterday", diff[3] as "ratio" FROM(SELECT compare(pv, 86400) AS diff FROM (SELECT count(*) AS pv )) 图2 查询和分析结果

ts_compare函数 ts_compare函数用于对比当前时间周期内的计算结果与n秒之前时间周期内的计算结果。 ts_compare函数必须按照时间列进行分组（GROUP BY）。 语法格式 对比当前时间周期内的计算结果与n秒之前时间周期内的计算结果。 ts_compare(x, n) 对比当前时间周期内的计算结果与n1、n2、n3秒之前时间周期内的计算结果。 ts_compare(x, n1, n2, n3...) 参数说明 表2 环比函数参数说明 参数 说明 x 参数值为double类型或long类型。 n 时间窗口，单位为秒。例如3600（1小时）、86400（1天）、604800（1周）、31622400（1年）。 返回类型 JSON数组。格式为[当前计算结果, n秒前的计算结果, 当前计算结果与n秒前计算结果的比值, n秒前的UNIX时间戳]。 示例说明 环比今天3小时与昨天3小时的网站访问量。 选择查询和分析的时间范围为今天某3小时，并执行如下查询和分析语句。其中86400表示当前时间减去86400秒（1天），date_trunc('hour',__time)表示使用date_trunc函数将时间对齐到小时。 查询和分析语句 SELECT t_time, ts_compare(PV, 86400) AS data FROM( SELECT date_trunc('hour', __time) AS t_time, count(*) AS PV GROUP BY t_time ORDER BY t_time ) GROUP BY t_time 查询和分析结果 t_time data 2021-10-26T06:00:00.000Z [159.0,224.0,0.7098214285714286,1.6351416E9] 2021-10-26T07:00:00.000Z [100.0,148.0,0.6756756756756757,1.6351452E9] 2021-10-26T08:00:00.000Z [100.0,100.0,1.0, 1.6016544E9, 1.6351488E9]

示例及说明 GREATEST([expr1, ...])/ LEAST([expr1, ...])函数 GREATEST函数，计算零个或多个表达式，并根据上述比较返回最大值。 LEAST函数，计算零个或多个表达式，并根据上述比较返回最小值。 字段样例 Num: 11785730 查询和分析语句 select Num,GREATEST( "Num"/10,(select count(1)) ),LEAST("Num"/10,(select count(1))) 查询和分析结果 表1 归约函数查询和分析结果 Num EXPR$1 EXPR$2 11785730 1178573 1

功能描述 归约函数对零个或多个表达式进行操作，并返回单个表达式。如果没有表达式作为参数传递，则结果为 NULL。表达式必须全部转换为公共数据类型，即结果的类型有： 如果所有的参数都是 NULL，结果是 NULL，否则，NULL 参数被忽略。 如果所有的参数包含了数字和字符串的混合，参数都被解释为字符串。 如果所有的参数是整型数字，参数都被解释为长整型。 如果所有的参数是数值且至少一个参数是double，则参数都被解释为double。

日志转储概述 主机和云服务的日志数据上报至云日志服务后，默认存储时间为30天，您在创建日志组时，可以对日志存储进行设置（1-365天）。超出存储时间的日志数据将会被自动删除，对于需要长期存储的日志数据（日志持久化），云日志服务提供转储功能，可以将日志转储至其他云服务中进行长期保存。 日志转储功能只能拷贝已有日志，不会删除日志。 云日志服务LTS 根据用户配置的日志存储时间定时清理日志文件，不会影响转储后的日志。 当前LTS支持以下表1，请根据您的业务场景进行日志转储服务选择。 表1 转储服务类型 转储服务类型 使用场景 对象存储服务 OBS 对象存储服务（Object Storage Service，OBS）提供海量、安全、高可靠、低成本的数据存储能力，可供用户存储任意类型和大小的数据。适合企业备份/归档、 视频点播 、视频监控等多种数据存储场景。 OBS提供了标准存储、低频访问存储、归档存储、深度归档存储（受限公测中）四种存储类别，满足不同场景下客户对存储性能和成本的不同诉求。 分布式消息服务Kafka版（DMS） 分布式消息服务Kafka版（Distributed Message Service for Kafka）是一款基于开源社区版Kafka提供的消息队列服务，具备高效可靠的消息异步传递机制，向用户提供计算、存储和带宽资源独占式的Kafka专享实例。 主要用于不同系统间的数据交流和传递，在企业解决方案、金融支付、电信、电子商务、社交、即时通信、视频、物联网、车联网等众多领域都有广泛应用。 Kafka可以应对大量日志传输场景，应用通过异步方式将日志消息同步到消息服务，再通过其他组件对日志做实时或离线分析，也可用于关键日志信息收集进行应用监控。 数据接入服务 DIS 数据接入服务（Data Ingestion Service，简称DIS）为处理或分析流数据的自定义应用程序构建数据流管道，主要解决云服务外的数据实时传输到云服务内的问题。数据接入服务每小时可从数十万种数据源（如IoT数据采集、日志和定位追踪事件、网站点击流、社交媒体源等）中连续捕获、传送和存储数TB数据。 数据仓库 服务 GaussDB (DWS) 数据仓库服务（Data Warehouse Service，简称DWS）是完全托管的企业级云上数据仓库服务，具备高性能、低成本、易扩展等特性，满足大数据时代企业数据仓库业务诉求。适用于对海量日志进行存储，分析等场景。 数据湖探索 DLI 数据湖 探索（Data Lake Insight，简称DLI）是完全兼容Apache Spark、Apache Flink、Trino生态，提供一站式的流处理、批处理、交互式分析的Serverless融合处理分析服务。 适用于需要对海量日志内容进行分析，大数据处理的场景，例如游戏公司不同部门日常通过游戏数据分析平台，分析每日新增日志获取所需指标，通过数据来辅助决策等场景。 父主题： 日志转储

IP函数语句 表1 IP函数语句 语句 说明 示例 ip_to_province 分析目标IP地址所属省份。 ip_to_province(x) ip_to_country 分析目标IP地址所属国家或地区。 ip_to_country(x) ip_to_city 分析目标IP地址所属城市。 ip_to_city(x) ip_to_provider 分析目标IP地址所对应的网络运营商。 ip_to_provider(x) ip_to_geo 根据传入的ip返回ip所在的经纬度。 ip_to_geo(x)

示例及说明 ip_to_province函数 统计请求总数Top3的省份。 查询和分析语句 SELECT count(*) AS PV, ip_to_province(client_ip) AS province GROUP BY province ORDER BY PV desc LIMIT 3 查询和分析结果 表2 查询和分析结果 PV province 101 广东 83 上海 78 山东 ip_to_country函数 统计请求总数的Top3的国家或地区。 查询和分析语句 SELECT count(*) AS PV, ip_to_country(client_ip) AS county GROUP BY country ORDER BY PV desc LIMIT 3 查询和分析结果 表3 查询和分析结果 PV country 100 中国 76 美国 55 加拿大 ip_to_city函数 统计请求总数的Top3的城市。 查询和分析语句 SELECT count(*) AS PV, ip_to_city(client_ip) AS city GROUP BY city ORDER BY PV desc LIMIT 3 查询和分析结果 表4 查询和分析结果 PV city 109 广州 89 上海 23 西安 ip_to_provider函数 统计请求总数的Top3的运营商。 查询和分析语句 SELECT count(*) AS PV, ip_to_provider(client_ip) AS provider GROUP BY provider ORDER BY PV desc LIMIT 3 查询和分析结果 表5 查询和分析结果 PV provider 115 电信 65 att.com 44 联通 ip_to_geo函数 根据传入的ip返回经纬度。 查询和分析语句 SELECT count(*) AS PV, ip_to_geo (client_ip) AS geo GROUP BY province ORDER BY PV desc LIMIT 3 查询和分析结果 表6 PV geo 101 *, * 83 47.369013, -68.326674 78 32.715891, -117.161588

LTS SDK接入错误码 当您使用LTS SDK报错时，请参见表1进行处理。 表1 错误码 状态码 错误码 错误信息 描述 处理措施 参数类错误（LTS.00XX） LTS.0001 %@ is null. 参数%@为空。 请设置非空的参数后重试。 LTS.0002 %@ is invalid. 参数%@的类型、格式无效。 请设置有效的参数后重试。 LTS.0003 The length of %@ exceeds the maximum value of %@. 参数%@的长度超过了最大值%@。 请修改参数长度后重试。 LTS.0004 The value of %@ must be between %@ and %@. 参数%@的值必须在%@-%@之间。 请修改参数值后重试。 LTS.0006 %@ doesn't match pattern. 参数%@不匹配正则表达式。 请设置符合正则表达式的参数后重试。 LTS.0007 Invalid configuration parameters. 无效的配置参数。 请设置正确的配置项参数后重试。 LTS.0009 Unsupported region. 上报日志不支持该地区。 请使用下列有效区域：cn-north-4。 集成类错误（LTS.01XX） LTS.0100 The LTSSDK is not initialized. SDK未初始化。 请设置符合规则的配置参数，正确初始化SDK。 LTS.0102 The LTSSDK requires %@ or higher. SDK要求%@及以上操作系统。 请根据提示调整最低操作系统版本。 LTS.0103 Open database failed, code=%@. 打开数据库失败。 请根据sqlite3 error code查询具体情况。 LTS.0104 Create database table failed, code=%@, error=%@. 创建数据表失败。 请根据sqlite3 error code查询具体情况。 LTS.0105 Insert into database failed, code=%@, error=%@. 插入数据失败。 请根据sqlite3 error code查询具体情况。 LTS.0106 Delete from database failed, code=%@, error=%@. 删除数据失败。 请根据sqlite3 error code查询具体情况。 LTS.0107 Select from database failed, code=%@, error=%@. 查询数据失败。 请根据sqlite3 error code查询具体情况。 LTS.0108 Close database failed, code=%@. 关闭数据库失败。 请根据sqlite3 error code查询具体情况。 LTS.0109 Reduce database size failed, code=%@, error=%@. 减小数据库大小失败。 请根据sqlite3 error code查询具体情况。 LTS.0110 Begin transaction failed, code=%@, error=%@. 开启事务失败。 请根据sqlite3 error code查询具体情况。 LTS.0111 Commit transaction failed, code=%@, error=%@. 提交事务失败。 请根据sqlite3 error code查询具体情况。 LTS.0112 The count of database records exceeds the maximum value of %@，will delete %@ records before inserting. 数据库达到最大日志条数限制。 将自动删除适量老日志，再插入新日志。 LTS.0113 Add column(%@) to database failed, code=%d, error=%s. 添加数据库表字段失败。 请根据sqlite3 error code查询具体情况。 LTS.0114 Update column(%@) to database failed, code=%d, error=%s. 更新数据库表字段失败。 请根据sqlite3 error code查询具体情况。 系统类错误（LTS.02XX） LTS.0201 Request signature failed. 网络请求签名失败。 请检查region和设备时间（时区）是否正确。 LTS.0202 Write to file failed. 写入文件失败。 请检查文件写权限。 LTS.0203 No file read and write permissions. 无文件读写权限。 请授权文件/目录读写权限。 网络类错误 （LTS.03XX） LTS.0300 Request failed，response code=%@，error=%@. 请求发送失败。 请参考API参考中的错误码。 父主题： 使用SDK接入LTS

normalize函数 格式化字符串str。 使用NFC格式格式化字符串str。 语法：normalize(str) 使用给定格式格式化字符串str，支持的格式有NFC, NFD, NFKC, NFKD. 语法：normalize(str, form) 表46 参数说明 参数名称 描述 类型 是否必选 str 原始字符串。 String 是 form 格式化类型。 String 否 返回值类型：String类型 示例：SELECT NORMALIZE('schön'), NORMALIZE('Henry \u2163', 'nfd') 表47 查询分析结果 类型 场景1 场景2 查询语句 NORMALIZE('schön') NORMALIZE('Henry \u2163', 'nfd') 返回结果 schön Henry Ⅳ