Databend 子查询功能扩展:支持所有语句类型
在数据库查询语言中,子查询是一种强大的功能,它允许将一个查询的结果作为另一个查询的输入。Databend 目前正在扩展其子查询功能,使其能够支持更多类型的语句,这将显著提升查询的灵活性和表达能力。
当前限制与问题
目前 Databend 在处理某些特定类型的子查询时会遇到限制。例如,当尝试执行类似 select * from (show tables) 或 select * from (list @~) 这样的查询时,系统会返回"未知表"的错误。这是因为系统将这些命令识别为表引用,而非可执行的语句。
技术实现方案
要实现对所有语句类型的子查询支持,Databend 需要重构其查询重写机制。特别是需要处理多种 RewriteKind 类型的语句,包括但不限于:
- 各种 SHOW 命令(如 SHOW TABLES、SHOW DATABASES 等)
- 系统信息查询(如 SHOW PROCESSLIST、SHOW METRICS 等)
- 权限相关查询(如 SHOW USERS、SHOW ROLES 等)
- 存储操作(如 LIST STAGE、DESCRIBE STAGE 等)
表函数重构方案
一个可行的技术路线是将这些特殊语句重构为表函数(table function)的形式。表函数是一种特殊的函数,它返回的结果集可以像普通表一样在 FROM 子句中使用。这种设计模式在 Snowflake 等现代数据仓库中已有成熟应用。
通过表函数重构,原本的特殊语句可以转换为标准的函数调用形式,例如将 SHOW TABLES 转换为类似 table_show_tables() 的函数调用,这样就能自然地支持子查询语法。
查询条件支持
在重构过程中,还需要考虑对这些语句的查询条件支持。许多 SHOW 命令支持 WHERE 或 LIKE 子句来过滤结果,例如:
SHOW USERS LIKE 'admin%'
SHOW ROLES WHERE name = 'developer'
在表函数实现中,这些过滤条件需要被正确处理,以保持现有功能的完整性。
实现挑战与注意事项
- 语法兼容性:需要确保新的实现与现有 SQL 语法保持兼容
- 性能考量:表函数实现不应引入明显的性能开销
- 错误处理:需要提供清晰的错误信息,帮助用户理解和使用新功能
- 权限控制:确保重构后的实现不会绕过现有的权限检查机制
未来展望
这一功能的实现将使 Databend 的子查询能力达到新的水平,为用户提供更灵活的数据查询和分析能力。特别是对于需要动态生成查询条件或需要将系统信息与其他表数据关联查询的场景,这一改进将大大简化查询编写难度。
随着这一功能的完善,Databend 将向成为功能更全面、更易用的现代数据仓库系统迈出重要一步。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
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