Apache Arrow DataFusion 中 APPROX_PERCENTILE_CONT 函数语法变更解析
2025-05-31 09:38:09作者:何将鹤
在 Apache Arrow DataFusion 项目中,最近对 APPROX_PERCENTILE_CONT 聚合函数的语法规范进行了重要调整,这直接影响了 ClickBench 扩展查询集的兼容性。本文将深入分析这一变更的技术背景、影响范围以及解决方案。
语法变更背景
APPROX_PERCENTILE_CONT 是一种有序集聚合函数(Ordered-Set Aggregate Function),用于计算近似百分位数。在 DataFusion 47.0.0 版本之前,该函数允许使用简化的语法形式:
APPROX_PERCENTILE_CONT(column_name, percentile_value)
然而,最新版本遵循了更严格的 SQL 标准,要求必须显式使用 WITHIN GROUP 子句来指定排序规则:
APPROX_PERCENTILE_CONT(percentile_value) WITHIN GROUP (ORDER BY column_name)
技术影响分析
这一变更使 DataFusion 的行为与 PostgreSQL 等主流数据库保持一致。在 PostgreSQL 中,有序集聚合函数必须包含 WITHIN GROUP 子句,因为它需要明确指定计算百分位数时使用的排序依据。
这种语法变更影响了 ClickBench 基准测试中的扩展查询集,特别是查询 Q5。原查询中的 APPROX_PERCENTILE_CONT 用法现在会触发解析错误:
Error during planning: WITHIN GROUP clause is required when calling ordered set aggregate function(approx_percentile_cont)
解决方案
要解决这个问题,需要按照标准语法重写查询。以下是修正后的正确形式:
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;
技术建议
对于开发者而言,这一变更提醒我们:
- 有序集聚合函数与常规聚合函数有本质区别,它们需要明确的排序上下文
- 在升级 DataFusion 版本时,需要检查所有使用 APPROX_PERCENTILE_CONT 的查询
- 基准测试套件需要定期更新以保持与核心组件的兼容性
这一变更虽然带来了短期的适配成本,但从长远看提高了 SQL 语法的规范性和跨数据库兼容性,是 DataFusion 项目成熟度提升的表现。
登录后查看全文
热门项目推荐
相关项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
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~0369Hunyuan3D-Part
腾讯混元3D-Part00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++095AI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。02Spark-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
最新内容推荐
ReportMachine.v7.0D5-XE10:Delphi报表生成利器深度解析与实战指南 Jetson TX2开发板官方资源完全指南:从入门到精通 WebVideoDownloader:高效网页视频抓取工具全面使用指南 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 高效汇编代码注入器:跨平台x86/x64架构的终极解决方案 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
193
2.16 K

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
9
1

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)。
Python
78
72

🎉 (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
972
573

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
548
77

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
349
1.36 K

喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
17
0

React Native鸿蒙化仓库
C++
206
284

🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
17