Apache DataFusion 中 APPROX_PERCENTILE_CONT 函数语法变更解析
2025-06-14 17:15:30作者:郦嵘贵Just
Apache DataFusion 是一个高性能的查询引擎,近期在其最新版本中对 APPROX_PERCENTILE_CONT 聚合函数的使用语法进行了重要变更。这一变更影响了 ClickBench 基准测试中的扩展查询,特别是查询 Q5 的执行。
语法变更背景
在 DataFusion 47.0.0 版本中,APPROX_PERCENTILE_CONT 函数的调用方式从简单的双参数形式变更为符合 SQL 标准的 WITHIN GROUP 语法结构。这一变更使得 DataFusion 的语法更加贴近 PostgreSQL 等主流数据库系统。
旧语法形式:
APPROX_PERCENTILE_CONT(column, percentile)
新语法形式:
APPROX_PERCENTILE_CONT(percentile) WITHIN GROUP (ORDER BY column)
影响分析
这一语法变更主要影响了以下场景:
- 使用旧语法编写的现有查询
- 基准测试套件中的特定查询
- 依赖于 DataFusion 早期版本的应用
在 ClickBench 基准测试的扩展查询中,Q5 查询使用了旧语法形式,导致在最新版本中执行失败,报错信息明确指出需要 WITHIN GROUP 子句。
解决方案
对于受影响的查询,需要进行相应的语法调整。以 ClickBench Q5 查询为例,修正后的语法应为:
SELECT "ClientIP", "WatchID", COUNT(*) c,
MIN("ResponseStartTiming") tmin,
APPROX_PERCENTILE_CONT(0.95) WITHIN GROUP (ORDER BY "ResponseStartTiming") tp95,
MAX("ResponseStartTiming") tmax
FROM 'hits.parquet'
WHERE "JavaEnable" = 0
GROUP BY "ClientIP", "WatchID"
HAVING c > 1
ORDER BY tp95 DESC
LIMIT 10;
技术原理
APPROX_PERCENTILE_CONT 是一种有序集聚合函数(Ordered-Set Aggregate Function),它需要明确知道如何对数据进行排序才能计算百分位数。WITHIN GROUP 子句正是用来指定这种排序方式的。
这种语法结构在 SQL 标准中定义,被 PostgreSQL、Oracle 等数据库广泛采用。DataFusion 的这次变更使其行为更加标准化,提高了与其他系统的兼容性。
迁移建议
对于需要从旧版本迁移的用户,建议:
- 检查所有使用 APPROX_PERCENTILE_CONT 的查询
- 按照新语法进行修改
- 更新相关文档和测试用例
- 考虑在应用层添加版本检测逻辑,以处理不同版本的语法差异
这一变更虽然带来了短期的适配工作,但从长远看提高了 DataFusion 的标准化程度和与其他系统的互操作性,是项目成熟度提升的表现。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
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~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
261

🎉 (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 kernel ~ openGauss is an open source relational database management system
C++
129
182

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

deepin linux kernel
C
22
5

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57

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

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

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