首页
/ SQLGlot项目中的Spark到DuckDB数组聚合转换问题分析

SQLGlot项目中的Spark到DuckDB数组聚合转换问题分析

2025-05-30 05:45:03作者:郜逊炳

在SQLGlot这个SQL解析和转换工具的最新版本(25.19.0)中,出现了一个关于Spark SQL到DuckDB SQL转换的特定问题。这个问题主要涉及array_agg函数与distinct struct结构的组合使用场景。

问题现象

当从Spark SQL方言转换到DuckDB方言时,包含array_agg(distinct struct(...))结构的查询会被转换为包含FILTER子句的形式。例如:

原始Spark SQL:

array_agg(distinct struct(name, min_creation_time as timestamp))

转换后的DuckDB SQL:

ARRAY_AGG(DISTINCT {'name': name, 'timestamp': min_creation_time}) 
FILTER(WHERE {'name': name, 'timestamp': min_creation_time} IS NOT NULL)

这种转换在DuckDB中执行时会抛出"INTERNAL Error: Attempted to dereference shared_ptr that is NULL!"错误。

技术背景

SQLGlot在25.19.0版本中引入了一个变更,目的是为ARRAY_AGG函数添加NULL值排除的转换逻辑。这个变更原本是为了处理可能包含NULL值的列情况,确保聚合结果中不包含NULL元素。

然而,当这个逻辑应用到结构体(struct)构造表达式时,特别是与DISTINCT关键字组合使用时,就触发了DuckDB内部的一个边界条件错误。

问题本质

深入分析这个问题,我们可以发现几个关键点:

  1. 结构体构造的特殊性:在DuckDB中,结构体构造表达式{'name': name, 'timestamp': ...}本身几乎不可能为NULL,除非构造参数中有NULL值。

  2. FILTER子句的冗余性:对于这种确定性的结构体构造,添加FILTER子句检查是否为NULL实际上是不必要的,甚至可能干扰查询优化器的正常工作。

  3. DuckDB的内部处理:错误信息表明DuckDB在处理这种特定形式的查询时,内部指针管理出现了问题,这应该被视为DuckDB的一个边界条件bug。

解决方案

从SQLGlot的角度,最合理的解决方案是:

  1. 识别结构体构造场景:在转换逻辑中,需要特别识别struct或结构体构造表达式。

  2. 条件性添加FILTER:只有当聚合表达式可能产生NULL值(如直接引用可能为NULL的列)时,才添加FILTER子句。

  3. 优化转换逻辑:对于确定性的表达式(如结构体构造、字面量等),可以安全地省略FILTER子句。

版本兼容性

这个问题在SQLGlot 25.18.0及更早版本中不存在,因为那时还没有引入自动添加FILTER子句的逻辑。回退到这些版本可以作为一种临时解决方案,但长期来看,修复转换逻辑才是更合理的做法。

最佳实践建议

对于使用SQLGlot进行Spark到DuckDB转换的开发人员,建议:

  1. 检查复杂聚合查询:特别注意包含array_agg和结构体的查询转换结果。

  2. 版本控制:如果遇到类似问题,可以考虑暂时使用25.18.0版本。

  3. 简化查询结构:在可能的情况下,将复杂聚合拆分为更简单的表达式。

  4. 监控转换结果:对关键查询的转换结果进行验证测试,确保生成的SQL在所有目标数据库上都能正确执行。

这个问题展示了SQL方言转换工具在实际应用中可能遇到的复杂情况,也提醒我们在处理聚合函数和复杂数据类型时需要格外谨慎。

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