Apache DataFusion 中 sqllogictest 测试失败的本地调试指南
问题背景
在使用 Apache DataFusion 进行开发时,开发者可能会遇到一个常见问题:在本地运行 sqllogictest 测试时出现失败,而这些测试在持续集成(CI)环境中却能顺利通过。这种不一致性给本地开发和调试带来了不便。
问题现象
当开发者在本地执行以下命令时:
cargo test --test sqllogictests
或
cargo test --profile ci --features backtrace --test sqllogictests
测试会失败,并显示类似如下的错误信息:
[SQL] SELECT approx_percentile_cont(0.95, c1) WITHIN GROUP (ORDER BY c3) FROM aggregate_test_100
Error: Execution("1 failures")
根本原因分析
经过深入调查,发现这个问题与错误信息的格式化方式有关。在 CI 环境中,测试会自动设置 RUST_BACKTRACE=1 环境变量,这使得错误信息包含了更详细的堆栈跟踪信息。而在本地运行时,如果没有显式设置这个环境变量,错误信息的格式会有所不同,导致测试断言失败。
具体来说,测试期望的错误信息格式是包含多行详细信息的,但本地运行时产生的错误信息格式较为简洁,因此无法匹配测试的预期结果。
解决方案
开发者可以采用以下两种方法之一来解决这个问题:
- 临时解决方案:在本地运行测试时显式设置 RUST_BACKTRACE 环境变量
RUST_BACKTRACE=1 cargo test --profile ci --features backtrace --test sqllogictests
- 永久解决方案:修改测试用例,使其不依赖于 RUST_BACKTRACE 的设置。这需要调整测试中对错误信息的断言,使其能够接受不同格式的错误信息。
技术细节
这个问题涉及到 DataFusion 中 approx_percentile_cont 和 approx_percentile_cont_with_weight 函数的类型检查机制。当传入不兼容的类型参数时,系统会生成详细的错误信息,列出所有可接受的函数签名组合。
在测试中,这些错误信息的精确匹配对于验证函数行为非常重要。然而,错误信息的详细程度会受到 RUST_BACKTRACE 设置的影响,这就导致了本地和 CI 环境中的不一致行为。
最佳实践建议
对于 DataFusion 开发者,建议:
-
在编写测试时,尽量避免对错误信息格式的严格依赖,特别是那些可能受环境变量影响的部分。
-
在本地开发环境中,可以设置一致的 RUST_BACKTRACE 配置,或者在 CI 配置中明确指定所需的测试环境。
-
对于涉及复杂错误信息验证的测试用例,考虑使用更灵活的匹配方式,如正则表达式或部分字符串匹配,而不是完全匹配。
通过理解这个问题及其解决方案,开发者可以更高效地在本地环境中进行 DataFusion 的开发和测试工作,提高开发效率。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
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~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









