首页
/ Daft SQL引擎中的JOIN与聚合查询问题解析

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:

  1. 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。

  2. 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。

  3. 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。

  4. 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:

  1. 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。

  2. 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。

  3. 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。

  4. 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

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
261
RuoYi-Vue3RuoYi-Vue3
🎉 (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
860
511
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
openHiTLSopenHiTLS
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
259
300
kernelkernel
deepin linux kernel
C
22
5
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
595
57
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371
Cangjie-ExamplesCangjie-Examples
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
332
1.08 K