Apache Arrow DataFusion 移除 ParquetSource 的 pruning_predicate 字段优化

在 Apache Arrow DataFusion 项目中，近期进行了一项重要的代码优化，移除了 ParquetSource 结构体中的 pruning_predicate 字段。这项变更源于项目内部对代码架构的持续改进和简化。

背景与问题

ParquetSource 是 DataFusion 中用于处理 Parquet 文件数据源的组件。在早期版本中，该组件包含一个名为 pruning_predicate 的字段，用于实现数据剪枝（data pruning）功能。数据剪枝是一种优化技术，可以在读取数据前根据查询条件过滤掉不需要的数据块，从而减少 I/O 操作和提高查询性能。

然而，随着项目的发展，这个字段的实际用途发生了变化。在最近的代码重构中（具体体现在 PR #15301），pruning_predicate 字段已经不再被实际使用，但代码中仍然保留了这个字段和相关方法。

技术决策

项目维护者提出了明确的优化建议：

1. 将相关方法的返回值改为始终返回 None
2. 完全移除源中的页面剪枝谓词（page pruning predicate）

这样做的原因是为了防止代码逐渐"腐化"（bitrot）——即虽然保留着但实际已停止工作，同时又缺乏相应的测试覆盖。这种情况在长期维护的项目中很常见，无用的代码会随着时间的推移变得越来越难以维护和理解。

实现方案

具体的优化方案包括：

1. 移除 ParquetSource 结构体中的 pruning_predicate 字段
2. 保留已弃用（deprecated）的方法，以保持向后兼容性
3. 确保相关测试覆盖这些变更

技术影响

这项变更对 DataFusion 的用户和开发者有几个重要影响：

1. 代码简化：减少了不必要的代码复杂度，使代码库更加清晰
2. 维护性提升：消除了潜在的代码腐化风险
3. 性能影响：由于该字段已不再使用，移除它不会影响现有功能的性能

总结

这项优化体现了优秀软件工程实践中的一个重要原则：及时清理不再使用的代码。通过移除 ParquetSource 中不再使用的 pruning_predicate 字段，DataFusion 项目保持了代码库的整洁和高效，为未来的开发和维护打下了更好的基础。

对于使用 DataFusion 的开发者来说，这项变更不会带来功能上的影响，但了解这一优化有助于更好地理解项目的架构演进方向。这也提醒我们在自己的项目中，应当定期审查和清理不再使用的代码，保持代码库的健康状态。