首页
/ Apache DataFusion ClickBench 查询优化:避免使用 to_timestamp_seconds 函数

Apache DataFusion ClickBench 查询优化:避免使用 to_timestamp_seconds 函数

2025-05-31 08:35:50作者:段琳惟

在 Apache DataFusion 项目中,ClickBench 基准测试的查询实现存在一个值得关注的优化点。当前测试中使用了 to_timestamp_seconds 函数来处理时间戳数据,但这种做法可能会对查询性能产生不利影响。

问题背景

ClickBench 是一个广泛使用的数据库性能基准测试套件。在 DataFusion 的实现版本中,查询语句对 EventTime 字段使用了 to_timestamp_seconds 函数进行转换。例如:

SELECT * FROM 'hits.parquet' WHERE "URL" LIKE '%google%' 
ORDER BY to_timestamp_seconds("EventTime") LIMIT 10

然而,其他数据库系统如 DuckDB 和 ClickHouse 的 ClickBench 实现中,都直接使用了原始的 EventTime 字段,没有进行任何转换:

SELECT * FROM 'hits.parquet' WHERE "URL" LIKE '%google%' 
ORDER BY "EventTime" LIMIT 10

性能影响分析

to_timestamp_seconds 函数会对时间戳数据进行验证处理,这会带来两个主要问题:

  1. 额外的计算开销:函数调用本身会增加 CPU 计算负担
  2. 优化器限制:阻碍查询优化器应用某些优化策略,如将 min(to_timestamp_seconds(column)) 转换为更高效的 column < [current topk min heap value] 形式

数据类型考量

EventTime 字段在原始数据集中是 int64 类型,直接使用这个字段进行排序和比较操作是完全可行的。转换为时间戳类型虽然语义上更明确,但对于基准测试场景来说并非必要,反而可能影响性能比较的公平性。

其他相关优化点

除了 to_timestamp_seconds 问题外,查询中还发现了其他可能影响性能的类型转换操作,例如对 EventDate 字段的 ::INT::DATE 转换。这些转换同样可能带来不必要的性能开销,值得进一步评估和优化。

建议解决方案

建议将 DataFusion 的 ClickBench 查询修改为直接使用原始字段,与其他数据库实现保持一致:

SELECT * FROM 'hits.parquet' WHERE "URL" LIKE '%google%' 
ORDER BY "EventTime" LIMIT 10

这种修改不仅能够提高查询性能,还能确保基准测试结果更具可比性。同时,这也为查询优化器提供了更多优化机会,使 DataFusion 能够充分发挥其性能潜力。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
149
1.95 K
kernelkernel
deepin linux kernel
C
22
6
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
980
395
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
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
931
555
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
190
nop-entropynop-entropy
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
8
0
金融AI编程实战金融AI编程实战
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)。
Jupyter Notebook
75
66
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
65
519
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
1.11 K
0