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
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
178
262
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
866
513
ShopXO开源商城ShopXO开源商城
🔥🔥🔥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-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
183
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
261
302
kernelkernel
deepin linux kernel
C
22
5
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
598
57
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
1.07 K
0
HarmonyOS-ExamplesHarmonyOS-Examples
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
Cangjie-ExamplesCangjie-Examples
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