首页
/ Apache Arrow DataFusion 中 Substrait 消费器的字段歧义问题分析

Apache Arrow DataFusion 中 Substrait 消费器的字段歧义问题分析

2025-06-14 22:58:01作者:廉彬冶Miranda

问题背景

在 Apache Arrow DataFusion 项目中,当通过 Substrait 消费器路径执行逻辑计划构建时,可能会遇到一个关于字段名称歧义的错误。这个错误表现为:"Schema contains qualified field name left."concat('a', 'b')" and unqualified field name "concat('a', 'b')" which would be ambiguous"。

问题本质

该问题的核心在于 Schema 构建过程中出现了字段名称的歧义情况。具体表现为:

  1. 一个字段带有限定符(如 left.concat(...))
  2. 另一个字段没有限定符但具有相同的名称(如 concat('a', 'b'))

DataFusion 的 DFschema 实现不允许这种歧义情况存在,这会导致逻辑计划构建失败。

技术细节

这个问题主要出现在 Substrait 消费器的逻辑计划构建阶段,特别是在构建最终项目 Schema 时。具体来说:

  1. 错误发生在 build_final_schema 函数中
  2. 该函数在消费完整 Substrait 计划后被调用
  3. 问题源于 Substrait 计划根名称中实际存在重复项

复现场景

这个问题可以通过以下 SQL 查询生成的 Substrait 计划复现:

WITH a as (SELECT CONCAT('a', 'b'), 1 as "join"),
     b as (SELECT CONCAT('a', 'b'), 1 as "join"),
     c as (SELECT * FROM a LEFT JOIN b on a."join" = b."join")

SELECT * FROM c

在这个查询中,两个 CONCAT 函数调用产生了相同的字段名称,但在 JOIN 操作后,一个带有表限定符,另一个没有,从而导致了歧义。

解决方案分析

虽然这个问题最初看起来像是需要修改 DataFusion 的 Substrait 消费器实现,但深入分析后发现:

  1. 问题实际上源于 Substrait 计划本身存在重复的根名称
  2. 正确的解决方式应该是在生成 Substrait 计划时就避免这种重复
  3. DataFusion 的正常路径(非 Substrait)不会出现这个问题

技术启示

这个问题揭示了几个重要的技术点:

  1. 跨系统数据交换格式(如 Substrait)需要特别注意字段名称的唯一性
  2. 限定符处理在不同执行路径中可能存在不一致性
  3. 计划转换过程中的名称冲突检测机制至关重要

对于使用 DataFusion 和 Substrait 的开发人员来说,应当确保生成的 Substrait 计划中所有字段名称都是唯一的,或者在必要时添加适当的限定符以避免歧义。

总结

这个案例展示了数据查询引擎中计划转换和名称解析的复杂性。它强调了在构建跨系统查询计划时,需要特别注意名称空间管理和歧义解析。虽然这个问题最终确定不需要修改 DataFusion 核心代码,但它为使用 Substrait 集成的开发者提供了有价值的实践经验。

登录后查看全文
热门项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K
kernelkernel
deepin linux kernel
C
22
6
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++
192
273
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
923
551
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
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
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)。
Jupyter Notebook
74
64
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8