Apache DataFusion中count(*)函数在自定义ContextProvider中的回归问题分析
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:
- SessionState虽然存储了表达式规划器,但没有提供公开的访问接口
- 用户自定义的ContextProvider无法直接访问这些规划器
- 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:
-
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
-
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。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
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!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









