ClickHouse Iceberg函数读取公共表失败问题分析与解决方案
2025-05-02 07:13:30作者:凤尚柏Louis
问题背景
在ClickHouse数据库系统中,用户报告了一个关于Iceberg表函数的问题。该函数用于读取存储在S3上的Apache Iceberg格式数据表,但在最新版本中出现了异常。具体表现为当尝试查询一个公开可访问的Iceberg表时,系统抛出"Bad get: has Null, requested String"错误,而该功能在早期版本(如25.2.2.39)中工作正常。
技术细节分析
Iceberg表函数工作机制
ClickHouse的Iceberg表函数允许用户直接查询存储在对象存储(如S3)中的Iceberg格式数据。该功能通过以下步骤工作:
- 解析用户提供的表路径URL
- 读取Iceberg元数据文件(metadata.json)
- 根据元数据定位实际数据文件
- 加载并解析数据文件内容
问题重现与诊断
用户提供的测试案例显示,查询一个包含45亿条记录的公开Iceberg表时出现异常。该表的元数据显示:
- 表格式版本为2
- 包含两个快照(snapshot)
- 最后一次操作为覆盖(overwrite)操作
- 无行级删除操作
通过版本对比测试发现:
- 25.2.2.39版本工作正常
- 25.3.1.2703版本工作正常
- 25.4.1.176版本出现故障
根本原因
问题源于一个与Iceberg元数据解析相关的代码变更。具体来说,当处理Iceberg清单文件(manifest file)内容时,代码预期某个字段为字符串类型,但实际遇到了Null值,导致类型不匹配异常。
解决方案
临时解决方案
对于急需使用该功能的用户,可以暂时回退到已知工作正常的版本(如25.3.x系列)。
永久修复
开发团队已经提交了修复代码,主要改进包括:
- 增强类型检查逻辑,正确处理可能为Null的字段
- 改进错误处理机制,提供更有意义的错误信息
- 确保向后兼容性,不影响现有工作流程
最佳实践建议
对于使用ClickHouse Iceberg功能的用户,建议:
- 在升级前测试关键查询
- 关注版本变更日志中与Iceberg相关的改动
- 对于生产环境,考虑先在测试环境验证新版本
- 定期备份重要元数据
总结
ClickHouse的Iceberg集成功能为企业提供了直接查询Iceberg格式数据的能力,但在版本迭代过程中可能会出现兼容性问题。通过这次事件的分析,我们可以看到开源社区快速响应和解决问题的能力。用户应当保持对版本变化的关注,并建立适当的升级测试流程。
对于技术团队而言,这起事件也提醒我们在进行类型系统改造时需要更加谨慎,特别是处理复杂数据格式时,充分的边界条件测试至关重要。
登录后查看全文
热门项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
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~0265cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-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。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K

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

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
73
63

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

🎉 (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
922
551

飞桨多语言OCR工具包(实用超轻量OCR系统,支持80+种语言识别,提供数据标注与合成工具,支持服务器、移动端、嵌入式及IoT设备端的训练与部署)
Awesome multilingual OCR toolkits based on PaddlePaddle (practical ultra lightweight OCR system, support 80+ languages recognition, provide data annotation and synthesis tools, support training and deployment among server, mobile, embedded and IoT devices)
Python
47
1

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

React Native鸿蒙化仓库
C++
192
273

🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
59
16