Apache Arrow DataFusion 中复合字段访问与连接查询的回归问题分析
2025-06-14 18:27:54作者:尤峻淳Whitney
问题背景
在Apache Arrow DataFusion项目的最新版本46中,出现了一个关于复合字段访问和表连接查询的回归问题。这个问题主要影响那些需要连接两个具有相似列结构的表,并且在连接条件中使用复合字段访问(如结构体字段访问)的查询场景。
问题表现
在DataFusion CLI中,当用户尝试执行包含以下特征的查询时会出现问题:
- 创建包含结构体列的表
- 在这些表上执行连接操作
- 在连接条件中使用结构体字段访问表达式
具体表现为:
- 在版本45中正常工作的查询,在版本46中会抛出"Schema error: No field named..."的错误
- 简单查询(如单表过滤)和简单连接查询(不使用复合字段访问)仍然正常工作
技术分析
这个问题源于DataFusion项目中SQL解析器版本的更新(特别是PR #14255引入的变化)。新版本在解析包含表别名和复合字段访问的连接查询时,对字段引用的解析逻辑发生了变化。
在版本45中,系统能够正确识别如t.column1['r']
这样的表达式,其中t
是表别名,column1
是列名,['r']
是结构体字段访问。但在版本46中,解析器在处理这类表达式时出现了偏差,导致无法正确识别表别名。
影响范围
这个问题主要影响以下使用场景:
- Delta Lake表合并操作(特别是包含结构体的表)
- 任何需要在连接条件中使用复合字段访问的查询
- 使用表别名的复杂连接查询
解决方案
该问题已在主分支的最新提交中通过PR #15153得到修复。修复后的版本能够正确处理以下两种形式的查询:
- 使用表别名的连接查询:
select * from t tee join u you on tee.column1['r'] = you.column1['r']
- 不使用表别名的连接查询:
select * from t join u on t.column1['r'] = u.column1['r']
开发者建议
对于遇到此问题的开发者,建议:
- 升级到包含修复的主分支最新版本
- 在测试环境中验证所有涉及结构体字段访问的连接查询
- 如果暂时无法升级,可以考虑重写查询,避免在连接条件中使用复合字段访问
总结
这个回归问题提醒我们,在SQL解析器升级时需要特别注意边缘案例的测试覆盖。DataFusion团队通过快速响应和修复,确保了项目的稳定性和向后兼容性。对于使用DataFusion的项目,建议密切关注这类核心组件的更新,并在升级前进行充分的测试验证。
登录后查看全文
热门项目推荐
相关项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
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~0369Hunyuan3D-Part
腾讯混元3D-Part00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++095AI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。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
197
2.17 K

React Native鸿蒙化仓库
C++
208
285

Ascend Extension for PyTorch
Python
59
94

🎉 (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
973
574

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
9
1

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
549
81

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
1.02 K
399

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
393
27

前端智能化场景解决方案UI库,轻松构建你的AI应用,我们将持续完善更新,欢迎你的使用与建议。
官网地址:https://matechat.gitcode.com
1.2 K
133