首页
/ Apache DataFusion中count(*)函数在自定义ContextProvider中的回归问题分析

Apache DataFusion中count(*)函数在自定义ContextProvider中的回归问题分析

2025-05-31 10:05:13作者:蔡怀权

在Apache DataFusion最新发布的46.0版本中,对count(*)聚合函数的处理逻辑进行了架构调整,这一改动导致了一个值得注意的回归问题。本文将深入分析该问题的技术背景、影响范围以及解决方案。

问题背景

在DataFusion的早期版本中,count()这类通配符聚合函数是通过CountWildCard分析器规则进行处理的。这个规则专门负责将count()这样的语法展开成具体的表达式。然而在46.0版本中,这个处理逻辑被迁移到了ExprPlanner中,作为聚合函数规划的一部分。

架构变更带来的影响

新的实现依赖于ContextProvider能够获取表达式规划器(ExprPlanner)。DataFusion内置的SessionContextProvider能够正常工作,因为它可以通过SessionState获取到所需的表达式规划器。然而,问题出现在用户自定义的ContextProvider实现上。

关键问题在于:

  1. SessionState虽然存储了表达式规划器,但没有提供公开的访问接口
  2. 用户自定义的ContextProvider无法直接访问这些规划器
  3. 目前唯一的解决方式是让用户实现FunctionRegistry trait,但这增加了使用复杂度

技术细节分析

在DataFusion的架构中,表达式规划器负责将SQL表达式转换为可执行的物理计划。对于count(*)这样的特殊语法,规划器需要将其转换为具体的聚合操作。46.0版本的改动虽然简化了内部架构,但意外地破坏了用户扩展点的兼容性。

解决方案讨论

经过社区讨论,提出了两种可能的解决方案:

  1. 在SessionState上添加expr_planners方法

    • 优点:改动最小,直接解决问题
    • 缺点:仅限于core crate内使用
  2. 在Session trait上添加expr_planners方法

    • 优点:更广泛的访问性,可在catalog等更多场景使用
    • 缺点:需要更大的架构改动

最终决定采用第一种方案,即在SessionState上添加访问方法。这种方案能够立即解决问题,同时保持架构的简洁性。如果需要更广泛的访问性,未来可以很容易地扩展到Session trait上。

对用户的影响

这一改动主要影响以下场景的用户:

  • 自定义实现了ContextProvider的用户
  • 需要扩展或修改默认表达式规划行为的用户
  • 在DataFusion基础上构建自定义查询引擎的用户

对于大多数只使用DataFusion默认功能的用户,这一改动不会产生任何影响。

总结

DataFusion 46.0版本对count(*)处理的架构改进虽然带来了更好的内部一致性,但也意外地影响了扩展性。通过为SessionState添加表达式规划器的访问方法,可以优雅地解决这一问题,同时保持架构的灵活性。这一案例也提醒我们,在进行架构重构时,需要特别注意对扩展点兼容性的影响。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
152
1.96 K
kernelkernel
deepin linux kernel
C
22
6
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
431
34
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
251
9
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
190
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
989
394
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
193
274
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
936
554
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
69