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。
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
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~0267cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-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。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选









