首页
/ DataFusion 中用户自定义类型强制转换的兼容性问题解析

DataFusion 中用户自定义类型强制转换的兼容性问题解析

2025-05-31 00:49:15作者:柏廷章Berta

在 Apache DataFusion 46.0 版本发布后,用户自定义标量函数中的类型强制转换(Type Coercion)机制出现了一个重要的行为变更。这个变更影响了函数签名中对时间类型(Timestamp/Time)的处理方式,值得开发者特别关注。

背景:类型强制转换机制的变化

在 DataFusion 46.0 版本之前,开发者可以通过简单的 TypeSignature::Coercible 语法来声明函数接受的参数类型。例如,一个函数可以声明为同时接受可强制转换为 Timestamp 或 Time 类型的参数:

Signature::one_of(
    vec![
        TypeSignature::Coercible(vec![TypeSignatureClass::Timestamp]),
        TypeSignature::Coercible(vec![TypeSignatureClass::Time]),
    ]);

这种声明方式直观地表达了函数能够处理这两种类型的参数,或者可以自动强制转换为这两种类型的参数。

46.0 版本的变更

46.0 版本对类型系统进行了重构,引入了更明确的 Coercion 结构体来定义类型强制转换规则。新的语法要求开发者显式声明:

  1. 目标类型(期望转换成的类型)
  2. 允许进行转换的源类型列表
  3. 目标类型的原生表示

例如,对于时间类型的处理变成了:

Signature::one_of(
    vec![
        TypeSignature::Coercible(vec![Coercion::new_implicit(
            TypeSignatureClass::Timestamp,
            vec![TypeSignatureClass::Time],
            NativeType::Timestamp(TimeUnit::Nanosecond, None),
        )])
    ]);

问题本质

变更后出现的关键问题是:DataFusion 现在会额外检查 Arrow 类型系统是否支持声明的强制转换。对于 Time 和 Timestamp 这两种类型,Arrow 的 can_cast_types 检查会失败,导致即使用户显式声明了这种转换,系统也不会认可。

这实际上带来了两个潜在问题:

  1. 向后兼容性破坏:之前能正常工作的函数签名现在可能失效
  2. 设计理念冲突:用户声明的转换意图与系统强制执行的 Arrow 规则之间存在矛盾

解决方案探讨

经过社区讨论,确认正确的做法应该是:

  1. 如果确实需要处理多种独立类型(如 Time 和 Timestamp),应该使用多个精确(exact)的类型签名,而不是依赖强制转换
  2. 强制转换机制应该严格遵循 Arrow 类型系统的规则

修正后的签名应该明确区分两种独立类型:

Signature::one_of(
    vec![
        TypeSignature::Coercible(vec![Coercion::new_exact(
            TypeSignatureClass::Timestamp,
        )]),
        TypeSignature::Coercible(vec![Coercion::new_exact(
            TypeSignatureClass::Time,
        )])
    ],
    Volatility::Immutable,
);

对开发者的建议

  1. 升级到 46.0+ 版本时,需要仔细检查所有自定义函数中涉及类型强制转换的签名
  2. 明确区分"精确匹配"和"允许强制转换"的场景
  3. 避免声明 Arrow 不支持的强制转换规则
  4. 对于需要处理多种独立类型的情况,使用 one_of 组合多个精确类型签名

这一变更体现了 DataFusion 向更严格、更符合底层类型系统规则的方向发展,虽然短期内可能带来一些迁移成本,但从长期看有助于提高类型系统的可靠性和一致性。

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