首页
/ DuckDB窗口函数中列表聚合的排序问题分析与修复

DuckDB窗口函数中列表聚合的排序问题分析与修复

2025-05-05 04:14:09作者:董宙帆

在DuckDB数据库系统中,用户报告了一个关于窗口函数中列表聚合(list aggregate)行为不一致的问题。这个问题主要出现在处理小行组(parquet row groups)时,表现为列表聚合结果出现NULL值或无序的情况。

问题现象

当使用窗口函数对数据进行分区并按值排序时,期望通过list(value)聚合函数获得有序的列表。然而在实际执行中,出现了以下两种异常情况:

  1. 聚合结果中出现NULL值
  2. 生成的列表未按预期顺序排列

这个问题在DuckDB 1.0.0版本中不存在,但在1.2.0和1.2.1版本中出现,并且在1.2.1版本中表现更为严重。有趣的是,问题的出现还与机器硬件相关,暗示可能与多线程处理有关。

技术背景

在DuckDB中,窗口函数的实现采用了多种优化策略。对于聚合操作,系统会尝试应用"常量聚合"优化(constant aggregation optimization),即对每个分区只计算一次聚合结果。这种优化对于普通聚合函数很有效,但对于顺序敏感的聚合操作(如列表聚合)则需要特殊处理。

问题根源

经过分析,问题主要来自两个方面:

  1. 常量聚合优化中的排序处理缺陷:在1.2.0-1.2.1版本中,常量聚合优化未能正确处理顺序敏感的聚合操作,导致排序信息丢失。

  2. 隐式排序传播不足:虽然聚合函数可以处理显式的ORDER BY子句,但未能正确传播窗口函数中的隐式排序信息。即list(value) OVER (PARTITION BY id ORDER BY value)中的排序信息没有被正确应用到列表聚合中。

解决方案

DuckDB团队通过以下方式解决了这个问题:

  1. 修复了常量聚合优化中对顺序敏感聚合的处理逻辑
  2. 确保窗口函数中的隐式排序信息能够正确传播到聚合函数中

对于用户而言,虽然理论上可以通过显式指定list(value ORDER BY value)来确保排序,但在修复前的版本中这种方法也无法完全解决问题。现在,无论是隐式还是显式的排序声明,都能得到正确的结果。

影响范围

这个问题影响了以下使用场景:

  1. 使用窗口函数中的列表聚合
  2. 处理小行组的Parquet文件
  3. 依赖聚合结果顺序的应用

该修复已包含在DuckDB 1.2.2及更高版本中,建议受影响的用户升级到最新版本。对于必须使用旧版本的用户,需要注意检查列表聚合结果的顺序正确性。

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