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
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
261
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
860
511
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
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
259
300
kernelkernel
deepin linux kernel
C
22
5
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
595
57
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371
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
332
1.08 K