首页
/ SQLGlot项目中的PostgreSQL DISTINCT ON子句解析问题分析

SQLGlot项目中的PostgreSQL DISTINCT ON子句解析问题分析

2025-05-29 11:20:37作者:戚魁泉Nursing

在SQL解析和转换工具SQLGlot中,最近发现了一个关于PostgreSQL特有语法DISTINCT ON子句的解析问题。这个问题涉及到SQL语句的列引用解析和限定(qualification)过程,值得数据库开发者和SQL工具开发者深入了解。

PostgreSQL的DISTINCT ON特性

PostgreSQL的DISTINCT ON是一个独特的语法扩展,它允许用户基于指定列或表达式选择结果集中的唯一行。与标准SQL中的DISTINCT不同,DISTINCT ON可以更精确地控制去重逻辑。根据PostgreSQL官方文档,DISTINCT ON表达式的解析规则与ORDER BY子句相同,可以引用输出列的名称、序号或输入列的值。

问题现象

在SQLGlot中,当尝试对包含DISTINCT ON的PostgreSQL查询进行限定(qualify)操作时,出现了以下问题:

  1. 对于查询SELECT DISTINCT ON (new_col) t1.col1 AS new_col FROM table1 AS t1,限定后错误地将new_col解析为t1.new_col,而实际上new_col是输出列的别名
  2. 当提供schema进行验证时,会抛出"Column could not be resolved"异常
  3. ORDER BY子句的行为不一致,后者能正确处理列别名引用

技术分析

问题的核心在于SQLGlot的限定器(qualifier)没有正确处理DISTINCT ON子句中的列引用类型。在PostgreSQL中,DISTINCT ON子句可以引用:

  1. 输出列的序号(如1)
  2. 输出列的别名(如new_col)
  3. 输入列的直接引用(如t1.col1或col1)

SQLGlot最初将这些引用都处理为列引用(Column),而实际上对于别名引用应该处理为标识符(Identifier)。这与ORDER BY子句的行为形成了不一致。

解决方案

经过多次讨论和验证,最终确定了以下解决方案:

  1. 修改限定器,使DISTINCT ON子句的解析规则与ORDER BY保持一致
  2. 正确处理三种引用方式:
    • 序号引用保持原样
    • 别名引用转换为标识符
    • 列引用进行正确的限定
  3. 确保在schema验证时不会错误地抛出异常

实现细节

在具体实现上,解决方案涉及:

  1. _expand_distinct_on函数中,使用与ORDER BY相同的引用扩展逻辑
  2. 修改Scope类的columns属性处理,将DISTINCT加入排除列表
  3. 确保位置引用(如1)和别名引用(如new_col)都能正确解析

实际影响

这一修复使得SQLGlot能够正确处理以下各种DISTINCT ON用例:

-- 使用输出列序号
SELECT DISTINCT ON (1) t1.col1 AS new_col FROM table1 t1

-- 使用输出列别名
SELECT DISTINCT ON (new_col) t1.col1 AS new_col FROM table1 t1

-- 使用输入列引用
SELECT DISTINCT ON (col1) t1.col1 AS new_col FROM table1 t1

-- 复杂表达式
SELECT DISTINCT ON (max(col)) max(col) AS C, col2 FROM table GROUP BY col2

总结

这个问题展示了SQL解析器中一个有趣的边缘案例,特别是对于PostgreSQL特有的语法扩展。通过深入分析PostgreSQL的文档和实际行为,SQLGlot团队最终实现了与数据库引擎一致的处理逻辑。这对于依赖SQLGlot进行SQL转换和迁移的工具来说是一个重要的改进。

对于SQL工具开发者来说,这个案例也提醒我们:在处理SQL方言扩展时,需要仔细研究官方文档并测试各种边界情况,确保解析行为与数据库引擎保持一致。

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
152
1.96 K
kernelkernel
deepin linux kernel
C
22
6
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
431
34
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
251
9
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
190
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
989
394
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
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
193
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
936
554
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)。
Python
75
69