Apache Arrow项目TPCH-03基准测试回归问题分析
Apache Arrow项目近期在基准测试中发现了一个关于TPCH-03查询的性能回归和结果错误问题。这个问题最初在项目的持续集成系统中被发现,Conbench基准测试平台报告了TPCH-03查询出现了明显的性能下降和结果验证失败。
问题现象
在基准测试结果中,TPCH-03查询的o_shippriority
列出现了异常值。根据TPCH标准规范,这一列应该全部为0,但测试结果显示该列出现了各种非零值。具体表现为:
o_shippriority
- old[1, ] 2330369
+ new[1, ] 0
- old[2, ] 3466209
+ new[2, ] 0
...
这种数据不一致导致了基准测试验证失败,同时也可能影响了查询性能。问题首次出现在PR #45336之后,该PR涉及连接(join)和聚合(aggregation)操作的代码路径修改,而TPCH Q3查询正好包含大量的连接和聚合操作。
技术分析
问题的根源在于数据处理逻辑中对于o_shippriority
列的处理出现了错误。在Arrow项目的R语言基准测试框架中,结果验证是通过waldo::compare
函数进行的,该函数将实际查询结果(result
)与预期答案(answer
)进行对比。
基准测试框架中的验证代码如下:
all_equal_out <- waldo::compare(result, answer, tolerance = 0.01)
根据waldo包的文档,比较结果中的"old"表示第一个参数(result
),即实际查询结果;"new"表示第二个参数(answer
),即预期答案。测试结果显示实际查询结果中的o_shippriority
列出现了非零值,而预期答案中该列应为全零。
解决方案
项目维护者通过PR #45473修复了这个问题。修复主要针对数据处理逻辑中关于o_shippriority
列的错误处理,确保该列能够正确保持全零值,符合TPCH标准规范。
经验总结
-
基准测试的重要性:这个问题凸显了全面基准测试的价值,不仅测试性能,还要验证结果的正确性。
-
变更影响评估:当修改涉及核心数据处理逻辑(如连接和聚合)时,需要特别谨慎,并进行全面的回归测试。
-
测试结果解读:正确理解测试框架的输出对于快速定位问题至关重要,需要熟悉测试工具的比较逻辑和输出格式。
这个问题也提醒开发者,性能优化有时可能会意外引入逻辑错误,因此在追求性能提升的同时,必须确保结果的正确性。Arrow项目通过其完善的基准测试体系及时发现了这一问题,体现了成熟开源项目的质量控制水平。
- QQwen3-Omni-30B-A3B-InstructQwen3-Omni是多语言全模态模型,原生支持文本、图像、音视频输入,并实时生成语音。00
community
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息09GitCode-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~0273get_jobs
💼【AI找工作助手】全平台自动投简历脚本:(boss、前程无忧、猎聘、拉勾、智联招聘)Java01Hunyuan3D-2
Hunyuan3D 2.0:高分辨率三维生成系统,支持精准形状建模与生动纹理合成,简化资产再创作流程。Python00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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).Dockerfile09
- 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









