starrocks版本：3.3.21
spark版本：3.5.x
starrocks读取paimon表的时候，如果paimon表的timestamp类型是ltz类型（spark建表timestamp字段的默认类型，也即flink的timestamp_ltz类型），查询使用该字段作为条件，会出现漏扫数据的问题。
复现如下：
-
spark建paimon表
create table test_starrocks_paimon_ltz(ts_ltz timestamp) using paimon TBLPROPERTIES (‘primary-key’ = ‘ts_ltz’,‘bucket’=‘1’); -
spark独立写两条数据，分别生成两个parquet文件
insert into test_starrocks_paimon_ltz values (‘2026-03-24 02:00:00’); – 2点的数据
insert into test_starrocks_paimon_ltz values (‘2026-03-24 22:00:00’); – 22点的数据 -
starrocks带条件查询（不带条件两条数据都可以检索到）
select * from paimon_catalog.test.test_starrocks_paimon_ltz where ts_ltz >= ‘2026-03-24’;
返回2026-03-24 22:00:00
可以看到2点的数据没有检索出来 -
parquet工具查看parquet文件的meta信息,ts_ltz字段信息如下：
ts_ltz: INT64 ZSTD DO:0 FPO:120 SZ:40/31/0.78 VC:1 ENC:PLAIN,BIT_PACKED ST:[min: 2026-03-23T18:00:00.000000, max: 2026-03-23T18:00:00.000000, num_nulls: 0]
可以看到2点的数据所在的parquet文件的ts_ltz字段的min max是和实际数据差8小时的，存储的是utc时间，时间范围落到了23号。 -
parquet工具查看parquet文件的schema信息，ts_ltz字段的类型：
{
“Path”: “ts_ltz”,
“Type”: “INT64”,
“TypeLength”: null,
“LogicalType”: {
“Name”: “TIMESTAMP”,
“IsAdjustedToUTC”: true,
“Unit”: “MICROS”
}
starrocks通过ts_ltz条件过滤数据的时候，可能参考了parquet文件的min max字段来跳过文件扫描优化查询性能，但是又没有正确处理timestamp字段的时区，导致错误的跳过了文件，最终数据漏了。