DuckDB PostgreSQL扩展中的列名大小写转换问题解析

问题背景

在使用DuckDB PostgreSQL扩展(pg_duckdb)时，开发人员发现了一个关于列名大小写转换的有趣现象。当从Parquet文件读取数据时，如果原始列名为全大写形式(如"UPPER")，尝试在查询中使用AS子句将其重命名为小写形式(如"upper")时，转换不会生效。而相反方向(小写转大写)的转换则工作正常。

问题重现

要重现这个问题，可以按照以下步骤操作：

1. 首先创建一个包含大小写混合列名的Parquet文件：

duckdb -c "COPY (select generate_series as \"UPPER\", generate_series as \"lower\" FROM generate_series(100)) TO '/tmp/tmp.parquet' (FORMAT 'parquet')"

2. 在PostgreSQL中使用pg_duckdb扩展查询这个文件：

-- 基本查询
select * from read_parquet('/tmp/tmp.parquet') as t(upper int8, lower int8) limit 2;

-- 尝试将UPPER转为小写，lower转为大写
select upper as "upper", lower as "LOWER" from read_parquet('/tmp/tmp.parquet') as t(upper int8, lower int8) limit 2;

-- 尝试添加后缀测试
select upper as "upper_", lower as "LOWER_" from read_parquet('/tmp/tmp.parquet') as t(upper int8, lower int8) limit 2;

3. 观察输出结果：

-- 第一个查询
 UPPER | lower
-------+-------
     0 |     0
     1 |     1

-- 第二个查询
 UPPER | LOWER
-------+-------
     0 |     0
     1 |     1

-- 第三个查询
 upper_ | LOWER_
--------+--------
      0 |      0
      1 |      1

问题分析

从输出结果可以看出几个关键现象：

1. 当尝试将"UPPER"列重命名为小写"upper"时，转换没有生效，列名仍然保持为"UPPER"。
2. 将"lower"列重命名为大写"LOWER"时，转换成功执行。
3. 如果为转换后的列名添加后缀(如"upper_")，则转换可以正常工作。

这表明问题特定于从全大写列名到小写列名的直接转换场景。这种不对称行为可能与DuckDB内部对标识符的大小写处理逻辑有关。

技术背景

在SQL标准中，标识符的大小写处理一直是一个复杂的问题。不同数据库系统有不同的处理方式：

1. PostgreSQL默认将非引号标识符转换为小写，但保留引号标识符的原始大小写。
2. DuckDB在某些情况下可能采用不同的策略，特别是在处理外部数据源(如Parquet)时。

Parquet文件格式本身会保留列名的原始大小写形式。当DuckDB读取这些列名时，可能在内部标识符处理过程中出现了不一致的情况。

解决方案

根据项目维护者的反馈，这个问题已经被修复。修复方式可能涉及：

1. 统一DuckDB内部对标识符大小写的处理逻辑。
2. 确保在AS子句重命名时，无论原始列名的大小写形式如何，都能正确应用新的列名。

最佳实践

为了避免类似问题，建议：

1. 在定义列名时保持一致性，尽量避免混合大小写形式。
2. 如果必须使用大小写敏感的列名，考虑使用引号明确标识。
3. 在pg_duckdb的最新版本中，可以直接使用简化语法读取Parquet文件，无需指定列类型：

select * from read_parquet('/tmp/tmp.parquet') limit 2;

总结

这个案例展示了数据库系统中标识符大小写处理的复杂性。虽然看似是小问题，但它反映了不同组件(PostgreSQL扩展、DuckDB引擎、Parquet格式)在交互时可能出现的微妙差异。随着pg_duckdb项目的持续发展，这类边界情况正在被逐步发现和修复，为用户提供更加一致和可靠的体验。