首页
/ Apache Arrow-Ballista项目中TPC-H查询失败问题分析与解决

Apache Arrow-Ballista项目中TPC-H查询失败问题分析与解决

2025-07-09 01:56:03作者:蔡怀权

Apache Arrow-Ballista项目是一个分布式查询引擎,近期在其主分支上出现了TPC-H基准测试查询失败的问题。本文将深入分析该问题的根源,并探讨解决方案。

问题现象

在分布式模式下运行TPC-H查询时,部分查询成功执行,而另一部分则失败。具体表现为:

  • 成功的查询:q1、q3、q4、q5、q6、q11、q12、q13、q16、q17、q19、q20、q21
  • 失败的查询:q2、q7、q8、q9、q10、q14、q15、q18、q22

失败查询报错信息显示列引用问题,例如查询q2报错:"PhysicalExpr Column references column 's_acctbal' at index 9 (zero-based) but input schema only has 9 columns"。

问题根源

经过技术分析,发现该问题与DataFusion版本升级有关:

  1. 在DataFusion 35.0.0版本中,查询能够正常执行
  2. 升级到DataFusion 39.0.0版本后,问题开始出现

深入调查发现,问题源于DataFusion中的一个优化规则变更,特别是与JoinSelection规则相关。该规则在创建执行阶段时尚未完全支持投影操作,导致列引用出现偏差。

解决方案

针对这一问题,社区提出了两种解决方案:

  1. 移除特定优化:在execution_stage.rs文件中,注释掉可能导致问题的优化代码行。这一改动直接解决了列引用不匹配的问题。

  2. 注册缺失函数:部分查询失败还因为缺少必要的标量函数注册。需要在execution_loop.rs中补充注册date_part和substr等函数,确保查询执行时能够找到这些函数实现。

技术启示

这一问题的解决过程为我们提供了几个重要启示:

  1. 版本升级需谨慎:即使是小版本号的升级,也可能引入不兼容的变更,特别是在分布式查询引擎这类复杂系统中。

  2. 优化规则的边界条件:查询优化规则在提高性能的同时,必须考虑所有可能的边界条件,特别是涉及分布式执行计划时。

  3. 测试覆盖的重要性:TPC-H基准测试作为标准测试套件,能够有效发现这类执行计划问题,强调了全面测试的必要性。

通过解决这一问题,Arrow-Ballista项目在分布式查询处理方面又向前迈进了一步,为后续版本的功能完善和性能优化奠定了基础。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

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