Space and Time proof-of-sql项目中的AST重构:ResourceId替换方案解析
Space and Time的proof-of-sql项目正在经历一次重要的技术升级,旨在增强其SQL功能支持。作为这一升级的关键部分,项目团队决定将现有的解析器替换为功能更强大且兼容no_std环境的sqlparser库。这一变更涉及到项目中抽象语法树(AST)结构的重大调整。
技术背景
在数据库系统和SQL处理引擎中,抽象语法树是解析SQL语句后生成的重要中间表示。proof-of-sql项目原有的解析器使用自定义的ResourceId类型来表示SQL中的资源标识符,如表名、列名等。随着项目发展,团队决定采用成熟的sqlparser库,该库已被Apache DataFusion等知名项目采用,属于Arrow生态系统的一部分。
变更内容
本次重构的核心是将proof_of_sql_parser::intermediate_ast::ResourceId类型替换为sqlparser库提供的标准表示形式。具体来说,有两种候选方案:
- Vecsqlparser::ast::Ident:一个由标识符组成的向量
- sqlparser::ast::ObjectName:专门用于表示对象名称的结构
这两种方案都比原有的ResourceId类型更加标准化,能够更好地与SQL生态系统集成。ObjectName类型实际上是多个Ident的组合,专门用于表示如schema.table.column这样的分层名称结构。
技术考量
在选择具体替换方案时,开发团队需要考虑几个关键因素:
- 语义清晰性:ObjectName类型更明确地表达了"对象名称"的概念,而Vec则更为通用
- 兼容性:需要评估两种方案与现有代码库的适配程度
- 未来扩展:考虑项目未来可能支持的SQL功能,选择更具扩展性的方案
实施影响
这一变更将影响项目中所有使用ResourceId的代码路径,包括但不限于:
- SQL解析和验证逻辑
- 查询计划生成
- 元数据处理
- 权限检查相关代码
项目团队已建立了从原有AST到sqlparser AST的转换代码,这为平滑过渡提供了基础。此次重构是项目向更强大SQL功能支持迈进的重要一步,为后续添加窗口函数、复杂JOIN等高级特性铺平了道路。
总结
通过采用sqlparser库的标准AST表示,proof-of-sql项目不仅能够获得更丰富的SQL功能支持,还能更好地与大数据处理生态系统集成。这一技术决策体现了项目团队对长期可维护性和扩展性的重视,同时也展示了开源项目中如何通过采用成熟组件来加速发展。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust016
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00