Apache Druid中MV_CONTAINS函数引发NullPointerException问题分析
问题背景
在Apache Druid 30.0.0版本升级过程中,用户发现使用MV_CONTAINS函数结合JSON_QUERY_ARRAY的SQL查询会抛出NullPointerException异常,而在29.0.0版本中该查询可以正常工作。这个问题不仅影响升级体验,也暴露了Druid在处理复杂类型数组时的潜在缺陷。
问题复现
用户使用Druid文档中的示例数据集进行测试,执行如下查询时出现问题:
SELECT
MV_CONTAINS(JSON_QUERY_ARRAY(agent, '$.type'), 'Browser'),
agent,
session
FROM "kttm"
在29.0.0版本中查询正常执行,但在30.0.0版本中会抛出NullPointerException。
技术分析
根本原因
该问题的根本原因在于Druid 30.0.0引入的一个优化逻辑存在缺陷。具体来说:
- MV_CONTAINS函数底层使用了array_contains表达式处理
- 当该表达式遇到复杂类型(COMPLEX)时,优化逻辑尝试将右侧参数转换为匹配数组元素类型
- JSON_QUERY_ARRAY无法确定提取元素的类型,导致类型转换失败
优化路径分析
Druid在处理array_contains表达式时,会对原始数组类型进行特殊优化处理。当检测到数组元素为基本类型时,会尝试优化处理路径。然而,对于JSON_QUERY_ARRAY返回的复杂类型,这种优化路径会导致类型转换失败。
解决方案
临时解决方案
对于遇到此问题的用户,可以采用以下替代查询方式:
SELECT
ARRAY_CONTAINS(JSON_VALUE(agent, '$.type' RETURNING VARCHAR ARRAY), 'Browser'),
agent,
session
FROM "kttm_nested_1"
这种写法不仅避免了问题,还具有更好的性能优势,因为JSON_VALUE表达式可以利用Druid的嵌套字段列优化。
长期修复方案
开发团队已经确定了永久修复方案,主要修改点是:
- 在优化路径中增加对复杂类型的检查
- 当遇到非基本类型或非基本类型数组时,直接返回原始表达式
- 确保array_overlap函数也进行相同修复
修复后的代码会在遇到复杂类型时跳过优化路径,转而使用逐行检查的类型处理方式。
最佳实践建议
-
优先使用ARRAY_函数:在处理JSON数组或数组列时,应优先使用ARRAY_CONTAINS而非MV_CONTAINS,因为MV_函数主要是为Druid旧版的多值字符串列设计的。
-
合理选择JSON处理函数:JSON_VALUE比JSON_QUERY/JSON_QUERY_ARRAY性能更优,特别是在Druid 28+版本中,因为它能利用嵌套字段列优化。
-
注意版本差异:Druid 28+版本对嵌套数组的存储进行了优化,旧版本创建的段可能需要回退到原始JSON处理方式。
总结
这个问题展示了Druid在处理复杂类型和优化路径时的一个边界情况。通过理解问题的本质,用户不仅可以应用临时解决方案,还能学习到Druid中JSON处理和数组操作的最佳实践。开发团队的修复将确保在保持性能优化的同时,正确处理各种数据类型场景。
- 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~045CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode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!C0301- 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









