DataFusion项目中复合字段访问与连接查询的回归问题分析

在DataFusion项目的最新版本迭代中，我们发现了一个关于复合字段访问与表连接查询的回归问题。这个问题特别出现在当两个表具有相似列结构并且查询中包含复合字段访问时。

问题背景

DataFusion是一个高性能的查询引擎，支持复杂的SQL查询操作。在版本46中，用户报告了一个特定场景下的查询失败问题：当对包含结构体（struct）类型的列进行字段访问操作（如column1['r']）并结合表连接时，系统会抛出"Schema error"错误。

问题复现

通过对比版本45和46的行为差异，我们可以清晰地看到这个回归问题：

在版本45中，以下查询可以正常执行：

-- 创建包含结构体的表
CREATE TABLE u AS VALUES({r: 'a', c: 1}), ({r: 'b', c: 2.3});
CREATE TABLE t AS VALUES({r: 'a', c: 1}), ({r: 'b', c: 2.3});

-- 带别名的连接查询
SELECT * FROM t tee JOIN u you ON tee.column1['r'] = you.column1['r'];

-- 不带别名的连接查询
SELECT * FROM t JOIN u ON t.column1['r'] = u.column1['r'];

但在版本46中，同样的查询会失败并报告模式错误："No field named tee/t"。

技术分析

这个问题源于SQL解析器版本的更新（特别是PR #14255引入的变化）。在更新后，解析器对复合字段访问和表别名的处理逻辑发生了变化，导致在连接查询中无法正确识别表别名或表名。

值得注意的是，并非所有相关查询都受到影响。以下类型的查询在版本46中仍然可以正常工作：

1. 对结构体列的简单字段访问：

SELECT * FROM t WHERE t.column1['r'] IS NOT NULL;
SELECT * FROM t WHERE t.column1['r'] = 'a';

2. 简单的表连接查询（不涉及复合字段访问）：

CREATE TABLE x (a INT) AS VALUES (1);
CREATE TABLE y (a INT) AS VALUES (1);
SELECT * FROM x JOIN y ON x.a = y.a;
SELECT * FROM x ex JOIN y why ON ex.a = why.a;

解决方案

这个问题已经在主分支中通过PR #15153得到修复。修复后的版本正确处理了复合字段访问与表连接查询的组合场景，恢复了与版本45一致的行为。

对开发者的启示

这个案例展示了几个重要的开发经验：

1. 依赖库更新（如SQL解析器）可能带来意想不到的行为变化，需要全面的回归测试
2. 复合数据类型（如结构体）的操作符处理需要特别关注
3. 表连接查询中的字段解析逻辑较为复杂，容易成为问题的温床

对于使用DataFusion的开发人员，建议在升级版本时特别注意这类边界情况，并在测试中覆盖复合数据类型与连接查询的组合场景。

结论

DataFusion团队快速响应并修复了这个回归问题，体现了开源社区的高效协作。这个案例也提醒我们，在复杂查询引擎的开发中，语法解析和字段解析是需要特别关注的敏感区域。通过这个问题的分析和解决，DataFusion的稳定性和可靠性得到了进一步提升。