SpiceAI项目中DataFusion的ILIKE操作符下推问题分析

背景介绍

在SpiceAI项目的v1.2.0-unstable版本中，发现了一个关于SQL查询优化的重要问题。当使用ILIKE操作符进行不区分大小写的模式匹配时，DataFusion查询引擎错误地将其下推为普通的LIKE操作符，导致查询结果不准确。

问题本质

ILIKE是SQL中用于不区分大小写模式匹配的操作符，而LIKE则是区分大小写的。在查询优化过程中，DataFusion的SQL解析器错误地将ILIKE转换为LIKE下推到执行计划中，这使得原本应该不区分大小写的匹配变成了区分大小写的匹配，从而可能导致漏掉符合条件的记录。

技术细节

从示例查询可以看出：

EXPLAIN SELECT id, description FROM data WHERE description ILIKE '%Model Context Protocol%';

实际生成的执行计划却显示：

VirtualExecutionPlan name=duckdb compute_context=:memory: sql=SELECT data.id, data.description FROM data WHERE data.description LIKE '%Model Context Protocol%'

这种转换从根本上改变了查询的语义。例如，当表中存在"model context protocol"这样的记录时，使用LIKE将无法匹配到，而ILIKE本应能够匹配。

影响范围

这个问题会影响所有使用ILIKE操作符的查询，特别是在以下场景：

1. 用户明确需要不区分大小写的文本匹配
2. 数据中存在大小写不一致但语义相同的内容
3. 查询被下推到不支持ILIKE的外部数据源时

解决方案建议

修复此问题需要修改DataFusion的SQL解析逻辑，确保：

1. 在查询优化阶段正确识别并保留ILIKE操作符
2. 如果目标数据源不支持ILIKE，应该在内存中执行过滤而不是错误地降级为LIKE
3. 添加相应的测试用例验证各种大小写组合的匹配情况

最佳实践

在问题修复前，建议用户：

1. 对于关键查询，手动验证结果是否包含所有预期记录
2. 考虑在应用层实现不区分大小写的过滤作为临时解决方案
3. 监控查询结果，特别是当升级到包含修复的版本后，确认行为是否符合预期

总结

这个ILIKE下推问题展示了查询优化器中一个微妙但重要的语义保持挑战。正确处理这类操作符对于保证查询结果的准确性至关重要，特别是在处理文本数据时。开发团队需要确保优化过程不会无意中改变查询的原始语义。