StarRocks exp / dexp 函数详解：e 的指数运算、用法示例与溢出边界

• 数据库
• OLAP
• 数据仓库
• 大数据
• 湖仓一体
• 数据分析

exp（别名dexp）是 StarRocks 提供的自然指数函数，用于计算自然常数 e 的 x 次幂（即e^x），是数据分析与建模中指数增长、衰减、概率计算等场景的基石函数。本文以官方文档 exp.md 为核心，结合 BE 端源码实现与单元测试，完整讲解其语法、参数、返回值、示例，并深入剖析其溢出返回 NULL 的边界行为与向量化执行原理，帮助读者在查询中正确、高效地使用该函数。

函数概述：exp 与 dexp 的关系

exp(x)返回自然常数 e（约 2.718281828459045）的 x 次幂，即数学中的指数函数e^x。它是自然对数函数ln(x)（StarRocks 中的ln）的逆运算：exp(ln(x)) = x（x > 0）。

官方文档将函数名写作exp,dexp，其中dexp是exp的别名。这一别名关系在函数注册表中可以直接看到：gensrc/script/functions.py 中两条记录声明了完全相同的函数签名：

[10180, "exp", True, False, "DOUBLE", ["DOUBLE"], "MathFunctions::exp"], [10181, "dexp", True, False, "DOUBLE", ["DOUBLE"], "MathFunctions::exp"],

两条记录均映射到 BE 端的MathFunctions::exp实现，因此exp与dexp在任何场景下都是等价的，二者可以互换使用。此外，FE 端的 FunctionSet.java 中也同时定义了EXP与DEXP两个常量用于函数注册与解析。

语法与参数

exp的语法非常简洁，只有一个参数：

EXP(x);

各组成部分说明如下：

参数说明中值得注意的几点：

• 官方文档明确指出x支持 DOUBLE。从函数注册表看，exp只注册了DOUBLE -> DOUBLE这一种签名，这意味着其他数值类型（如 INT、DECIMAL、FLOAT）在调用时会被隐式转换为 DOUBLE 后参与运算；
• 由于底数 e 是超越数、结果本身是浮点数，该函数天然适合对连续型数值列（如时间、利率、分数）做逐行指数变换，而非用于精确的定点计算；
• 与 MySQL 等数据库的习惯一致，exp也被 StarRocks 归入 ODBC 标量函数集合，见 OdbcScalarFunctionCall.java，这意味着通过 ODBC/JDBC 标准接口书写的{fn EXP(x)}形式调用同样可被解析执行。

返回值说明

函数返回 DOUBLE 类型数值，即e^x的浮点近似值。IEEE 754 双精度浮点数决定了结果存在以下特性：

• exp(0)恒等于 1（任何非零数的 0 次幂均为 1）；
• exp(1)等于自然常数 e，即 2.718281828459045；
• 当x为负值时，exp(x)返回 (0, 1) 区间内的正小数，例如exp(-1)≈ 0.36787944117144233；
• 当x过大导致e^x超过 DOUBLE 能表示的最大值（约 1.7976931348623157e+308）时，函数不会返回Inf，而是返回NULL（详见下文“溢出边界”小节）；
• 输入为 NULL 时输出为 NULL（NULL 传播）。

使用示例

基本调用

官方文档给出的示例：计算 e 的 3.14 次幂：

mysql> select exp(3.14); +--------------------+ | exp(3.14) | +--------------------+ | 23.103866858722185 | +--------------------+ 1 row in set (0.01 sec)

常量与特殊值

-- 任何数的 0 次幂为 1 SELECT exp(0); -- 返回 1.0 -- e 的一次幂即 e 本身 SELECT exp(1); -- 返回 2.718281828459045 -- 负指数得到 (0,1) 区间的小数 SELECT exp(-1); -- 返回 0.36787944117144233 -- 指数为大数值时按科学计数法展示 SELECT exp(20); -- 返回 4.851651954097903e+08

对数据列进行指数变换

exp最常见的用法是作用在表的数值列上，例如对得分、时间间隔等列逐行做指数变换：

-- 对 user_score 列做指数变换，用于后续归一化或 Softmax 类计算 SELECT user_id, exp(user_score) AS score_weight FROM user_profile; -- 结合聚合函数使用：指数加权求和 SELECT exp(SUM(ln(amount))) AS product_of_amounts FROM order_detail;

与其他函数组合使用

由于exp是ln的逆运算，二者组合可以完成指数/对数空间的往返换算，常用于将乘性计算转换为加性计算：

-- 对任意正数 x，exp(ln(x)) 恒等于 x（浮点舍入误差范围内） SELECT exp(ln(100)); -- 返回 100.0 -- 与幂函数 pow 对照：exp(x) 等价于 pow(e, x) SELECT exp(3.14), pow(2.718281828459045, 3.14);

说明：文档中将exp描述为自然对数函数（natural logarithms function），准确的表述是：exp是自然对数函数ln的逆函数（即指数函数），它和ln互为反函数。

溢出边界：超大指数返回 NULL 而非 Inf

这是exp函数最容易被忽视的行为。由于 DOUBLE 的最大值约为 1.7976931348623157e+308，而e^709≈ 8.218407461554972e+307（仍在范围内）、e^710≈ 2.233994766161711e+308（已超界），因此当指数x ≥ 710左右时，数学结果将溢出为无穷大。

BE 端为exp注册的实现宏明确包含了“输出 Inf/NaN 检查”：

be/src/exprs/math_functions.cpp

DEFINE_MATH_UNARY_WITH_OUTPUT_INF_NAN_CHECK_FN_WITH_IMPL(exp, TYPE_DOUBLE, TYPE_DOUBLE, std::exp);

该宏（定义见 math_functions.cpp）将底层std::exp的计算结果包进VectorizedOutputCheckUnaryFunction<..., InfNanCheck>，一旦发现输出为Inf或NaN，就将其置为 NULL。也就是说：溢出不会报错，也不会返回无穷大，而是静默返回 NULL。

这一点在 BE 单元测试 math_functions_test.cpp 中得到了直接验证：

• ExpTest：对exp(0)、exp(2)、exp(709)断言结果与std::exp一致且均非 NULL；
• InfNanTest：对exp(710.0)、exp(2.47498282E8)、exp(2.47498282E3)断言结果全部为 NULL。

据此可以在查询中预先规避，或对结果做 NULL 兜底处理：

-- 规避：对可能溢出的列先做截断再取指数 SELECT exp(LEAST(x, 700.0)) FROM t; -- 兜底：用 COALESCE / IFNULL 处理溢出返回的 NULL SELECT IFNULL(exp(x), 1.7976931348623157e308) AS capped_exp FROM t;

需要说明的是，x取值极小（如 -1000）时e^x会下溢为 0，这不属于错误，函数正常返回 0。

底层实现：向量化一元函数

从实现细节看，exp是典型的向量化一元函数：输入一列 DOUBLE，输出一列 DOUBLE。整个调用链可以概括为：

1. 注册（FE/BE 元数据）：gensrc/script/functions.py中声明函数签名与实现符号MathFunctions::exp，由代码生成流程产出注册代码；FE 端 FunctionSet.java 同步声明函数名常量；
2. 执行（BE）：math_functions.cpp 中的宏展开为MathFunctions::exp的向量化实现：对整列数据批量调用 C++ 标准库的std::exp，并通过InfNanCheck统一做结果合法性检查；
3. 返回：生成一列可空（Nullable）DOUBLE 列，溢出元素标记为 NULL。

由于采用批量向量化执行，exp在 StarRocks 列式引擎上对海量行的计算开销远低于逐行解释执行，适合在投影、JOIN 过滤后的结果集上大规模使用。

与相关数学函数的关系

围绕exp，仓库中还提供了成体系的指数/对数函数家族，便于读者对照选用：

常用换算关系：

• exp(x)等价于pow(e, x)；
• ln(exp(x)) = x；
• exp(ln(a) + ln(b)) = a * b，这是将乘法转为加法再还原的经典技巧。

典型应用场景

• 指数增长/衰减建模：如按时间计算复利amount * exp(rate * years)，或对衰减过程exp(-lambda * t)建模拟合；
• 概率与统计计算：高斯分布密度函数、Softmax 归一化等都需要计算exp，常配合SUM、窗口函数使用；
• 评分与权重换算：将线性分数映射为指数权重，再参与加权聚合；
• 对数域运算还原：先ln累加避免大数相乘溢出，最后exp还原结果。

深入阅读

• 官方函数文档：docs/en/sql-reference/sql-functions/math-functions/exp.md
• 函数注册与别名声明：gensrc/script/functions.py
• BE 向量化实现：be/src/exprs/math_functions.cpp
• 溢出与常规行为单元测试：be/test/exprs/math_functions_test.cpp
• FE 函数名注册：fe/fe-core/src/main/java/com/starrocks/catalog/FunctionSet.java
• ODBC 标量函数兼容：fe/fe-core/src/main/java/com/starrocks/sql/ast/expression/OdbcScalarFunctionCall.java

• 数据库
• OLAP
• 数据仓库
• 大数据
• 湖仓一体
• 数据分析