SQLFluff 项目中 T-SQL 方言对 Azure Synapse OPENROWSET 函数的误报问题解析
在 SQLFluff 3.3.1 版本中,T-SQL 方言解析器对 Azure Synapse Analytics 特有的 OPENROWSET 函数存在一个误报问题。当开发者使用 OPENROWSET 函数从 Parquet 等格式文件中查询数据时,SQLFluff 会错误地报告 RF01 规则违规,提示无法识别结果集的表别名引用。
这个问题的技术背景在于 OPENROWSET 是 Azure Synapse 提供的一个特殊函数,它允许直接从外部存储(如 Azure Data Lake Storage)读取文件数据,而不需要预先创建外部表。该函数的语法结构与传统 SQL 表引用有所不同,导致 SQLFluff 的解析器无法正确识别其返回的结果集别名。
具体表现为:当查询中使用 OPENROWSET 函数并为其指定别名(如示例中的 [result])后,再通过该别名引用字段时(如 result.test_field),SQLFluff 会错误地认为这是一个无效的表引用。实际上,在 Azure Synapse 的 T-SQL 实现中,这种用法是完全合法的。
该问题已在 SQLFluff 的代码库中得到修复,修复方案主要涉及对 T-SQL 方言解析器的增强,使其能够正确识别 OPENROWSET 函数的特殊语法结构及其结果集别名。修复后的版本将能够正确处理这类 Azure Synapse 特有的语法模式,不再产生误报。
对于使用 Azure Synapse Analytics 的开发者来说,这个修复意味着他们可以继续使用 SQLFluff 来保持代码风格的一致性,而不会被错误的 linting 警告干扰工作流程。这也体现了 SQLFluff 项目对不同数据库平台特殊语法的持续适配和改进。
开发者应注意,该修复将在 SQLFluff 的下一个正式版本中发布。在此之前,如果遇到此类误报,可以考虑临时禁用 RF01 规则,或者等待新版本发布后升级工具链。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
MiniCPM-SALAMiniCPM-SALA 正式发布!这是首个有效融合稀疏注意力与线性注意力的大规模混合模型,专为百万级token上下文建模设计。00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01