SQLGlot中Spark SQL到Trino的collect_set函数转换问题解析

在SQL方言转换工具SQLGlot中，开发者发现了一个关于Spark SQL的collect_set函数在转换为Trino方言时的处理问题。collect_set是Spark SQL中常用的聚合函数，用于收集唯一值并返回一个集合。

在Spark SQL中，collect_set函数通常这样使用：

SELECT CONCAT_WS(',', COLLECT_SET(GET_JSON_OBJECT(data,'$.result_reasons')))

当使用SQLGlot将其转换为Trino方言时，当前版本会生成：

SELECT CONCAT_WS(',', CAST(SET_AGG(JSON_EXTRACT_SCALAR(data, '$.result_reasons')) AS VARCHAR))

然而，这里存在两个潜在问题：

1. SET_AGG并非Trino原生支持的函数，虽然在某些Presto版本中存在，但在Trino中并不是标准函数
2. 更合适的转换应该是使用Trino支持的ARRAY_AGG(DISTINCT x)函数

正确的Trino转换结果应该是：

SELECT CONCAT_WS(',', ARRAY_AGG(DISTINCT JSON_EXTRACT_SCALAR(data, '$.result_reasons')))

这种转换方式更符合Trino的语法规范，且能实现与Spark SQL中collect_set相同的功能——收集不重复的值并聚合。对于SQL方言转换工具来说，准确识别源方言函数并在目标方言中找到最接近的等价实现是核心功能之一。

这个问题虽然被标记为低优先级，但对于需要在Spark SQL和Trino之间进行SQL转换的用户来说，正确的函数映射至关重要，特别是在处理数据聚合和唯一值收集这类常见场景时。SQLGlot作为SQL转换工具，持续优化这类函数映射将提高其在不同数据库系统间迁移SQL代码的准确性和实用性。