Apache DataFusion 中 UNNEST 操作的 SQL 生成优化

在 Apache DataFusion 项目中，最近对 UNNEST 操作的 SQL 生成逻辑进行了重要改进。这项改进源于一个实际问题：当 DataFusion 对包含 UNNEST 操作的查询进行反解析（unparse）时，生成的 SQL 语句在其他数据库系统中无法直接执行。

问题背景

在之前的实现中，DataFusion 对 UNNEST 操作的反解析会生成类似如下的 SQL 语句：

SELECT "UNNEST(make_array(Int64(1),Int64(2),Int64(3))" FROM UNNEST([1, 2, 3])

这种语法存在两个主要问题：

1. 列名包含了 DataFusion 特有的表达式形式，其他数据库系统无法识别
2. 不符合主流数据库对 UNNEST 操作的标准实现方式

主流数据库的行为对比

通过对比几种主流数据库系统的行为，我们可以更好地理解这个问题：

1. PostgreSQL 和 DuckDB：

   • 默认使用 "unnest" 作为列名
   • 允许直接通过列名 "unnest" 进行引用

2. BigQuery：

   • 自动生成 "f0_" 这样的默认列名
   • 但不允许直接通过这个列名进行引用

解决方案设计

经过讨论，社区决定采用以下改进方案：

1. 为 UNNEST 表因子添加子查询别名（SubqueryAlias）
2. 为生成的列提供默认的列别名
3. 保持与 DataFusion 内部列名的兼容性

改进后的 SQL 生成示例：

SELECT "UNNEST(make_array(Int64(1),Int64(2),Int64(3)))" 
FROM UNNEST([1, 2, 3]) as unnest_alias("UNNEST(make_array(Int64(1),Int64(2),Int64(3)))")

这种设计实现了以下目标：

1. 保持与 DataFusion 内部实现的兼容性
2. 生成的 SQL 可以在其他数据库系统中执行
3. 提供了明确的列引用方式

技术实现考量

在实现过程中，开发团队考虑了以下技术因素：

1. 列名生成策略：需要平衡可读性和唯一性
2. 子查询别名的处理：确保不影响查询优化和执行计划
3. 跨数据库兼容性：生成的 SQL 应该尽可能符合标准 SQL 语法

未来发展方向

这项改进为 DataFusion 的 SQL 兼容性奠定了基础，未来可能的发展方向包括：

1. 支持更多标准 UNNEST 语法变体
2. 提供配置选项来控制列名生成策略
3. 增强与其他数据库系统的互操作性

这项改进展示了 DataFusion 项目对标准兼容性和实用性的重视，同时也体现了开源社区通过协作解决复杂技术问题的能力。