Apache Arrow-Ballista项目中TPC-H查询失败问题分析与解决
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:
- 在DataFusion 35.0.0版本中,查询能够正常执行
- 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:
-
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。
-
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:
-
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。
-
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。
-
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。
- 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









