Ibis项目读取Delta Lake表时遇到的Arrow扫描问题分析
2025-06-06 11:37:43作者:俞予舒Fleming
问题背景
在使用Ibis 10.0.0版本时,开发人员发现读取Delta Lake格式的表数据会出现错误。具体表现为当尝试通过read_delta
方法加载数据并显示时,系统抛出"Repetition level histogram size mismatch"的错误信息。
问题复现
通过以下步骤可以稳定复现该问题:
- 创建一个简单的企鹅数据集示例
- 将其保存为Delta Lake格式
- 尝试重新读取该Delta表
- 在交互模式下显示表内容时出现错误
错误的核心信息表明在Arrow扫描过程中出现了重复级别直方图大小不匹配的问题。
技术分析
经过深入调查,发现问题实际上存在于PyArrow层而非Ibis本身。具体表现为:
- 当使用DuckDB直接通过
delta_scan
函数读取Delta表时工作正常 - 但当通过PyArrow数据集接口读取时就会失败
- 同样的错误也出现在纯PyArrow环境中,不涉及Ibis或DuckDB
这表明问题根源在于PyArrow处理Delta Lake格式数据时的内部实现。
解决方案
这个问题已经被PyArrow社区确认并修复。目前建议的解决方案是:
- 等待PyArrow 19.0.1版本的发布
- 升级到包含修复的PyArrow版本后,Ibis的Delta Lake支持将恢复正常
临时替代方案
在等待官方修复期间,可以考虑以下替代方案:
- 使用DuckDB的
delta_scan
函数直接读取Delta表 - 将数据临时转换为其他格式如Parquet进行读取
- 降级到PyArrow的早期稳定版本(如果确认该版本无此问题)
总结
这次事件展示了数据生态系统各组件间的依赖关系。虽然问题表现在Ibis中,但根源在PyArrow层。作为用户,在遇到类似问题时可以:
- 尝试隔离问题发生的具体层次
- 检查各组件的版本兼容性
- 关注上游项目的issue跟踪情况
Ibis团队将持续关注PyArrow的修复进展,并在确认稳定后更新相关依赖。对于生产环境中依赖Delta Lake格式的用户,建议暂时采用替代方案或等待官方修复。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
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~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava03GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0295- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
260

🎉 (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
854
505

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

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
254
295

🔥🔥🔥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

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
331
1.08 K

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
397
370

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4

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

deepin linux kernel
C
21
5