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

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. 与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. 在_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。