Daft SQL引擎中的JOIN与聚合查询问题解析
2025-06-29 07:33:14作者:冯爽妲Honey
问题现象
在Daft项目中,当执行同时包含显式和隐式JOIN的SQL查询时,如果聚合函数中引用了特定表的列,查询会失败并抛出"Table not found"错误。这种查询模式在TPC-DS等标准基准测试中相当常见。
问题复现
通过以下Python代码可以复现该问题:
tbl_1 = daft.from_pydict({
'id': [1,2,3],
'val': ['a','b','c']
})
tbl_2 = daft.from_pydict({
'id': [1,2,4],
'val2': ['x','y','z']
})
tbl_3 = daft.from_pydict({
'id': [1,2,5],
'val3': ['m','n','o']
})
daft.sql("""
select count(tbl_3.val3), tbl_2.val2
from tbl_1
join tbl_2 on tbl_1.id = tbl_2.id, tbl_3
where tbl_1.id = tbl_3.id
group by tbl_2.val2
""").collect()
预期行为
正常情况下,SQL引擎应该能够正确处理这种混合JOIN类型的查询,并返回正确的结果。以DuckDB为例,它会返回以下结果:
┌───────────────────┬─────────┐
│ count(tbl_3.val3) │ val2 │
│ int64 │ varchar │
├───────────────────┼─────────┤
│ 1 │ y │
│ 1 │ x │
└───────────────────┴─────────┘
技术分析
这个问题揭示了Daft SQL引擎在处理复杂JOIN操作时的几个关键点:
-
JOIN类型混合:查询中同时使用了显式JOIN(
join tbl_2 on...
)和隐式JOIN(,
连接tbl_3),这种混合使用在SQL标准中是允许的,但实现起来需要特别注意作用域问题。 -
作用域管理:在构建查询计划时,引擎需要正确管理各表的作用域,确保在聚合阶段仍然能够访问到所需的表引用。
-
查询计划生成:问题可能出现在将SQL解析为逻辑计划,或从逻辑计划转换为物理计划的过程中,表引用信息在某个转换步骤中丢失。
-
聚合函数处理:聚合函数中引用的列需要正确解析其所属的表,特别是在GROUP BY子句中也引用了同一表的情况下。
解决方案方向
要解决这个问题,Daft SQL引擎可能需要:
-
改进表引用解析逻辑,确保在复杂JOIN场景下所有表引用都能正确保留。
-
增强作用域管理,特别是在处理混合JOIN类型时,需要维护完整的表引用链。
-
优化查询计划转换过程,确保表引用信息不会在计划转换阶段丢失。
-
添加针对这种特定查询模式的测试用例,确保修复后不会出现回归。
总结
这个问题虽然看起来特定,但实际上反映了SQL引擎实现中常见的作用域管理和表引用处理挑战。正确处理这类查询对于保证Daft与标准SQL的兼容性,特别是对TPC-DS等基准测试的支持至关重要。
登录后查看全文
热门项目推荐
相关项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
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~0266cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI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。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-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).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K

deepin linux kernel
C
22
6

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
8
0

React Native鸿蒙化仓库
C++
192
273

🎉 (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
923
551

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
421
392

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K

Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8