Apache Arrow DataFusion 参数类型推断测试的优化实践

在 Apache Arrow DataFusion 项目中，参数类型推断是一个重要功能，它允许 SQL 查询中使用占位符参数（如$1），并在执行前推断这些参数的类型。目前项目中的测试代码存在大量重复，这给测试覆盖率的评估和维护带来了挑战。

当前测试实现的问题

现有测试代码采用直接硬编码的方式，每个测试用例都包含以下重复部分：

1. 创建 SQL 查询字符串
2. 生成逻辑执行计划
3. 验证参数类型推断结果
4. 替换参数值为实际值
5. 验证最终执行计划

这种模式导致测试代码冗长且难以一目了然地看出测试覆盖了哪些场景。更重要的是，当需要修改测试逻辑时，需要在多个地方进行相同的更改。

提出的优化方案

建议引入一个专门的测试结构体 ParameterTest，将测试逻辑封装起来。这个结构体包含：

• SQL 查询字符串
• 预期的参数类型映射
• 参数值列表

结构体提供一个 run 方法，该方法会：

1. 创建逻辑计划
2. 验证参数类型推断
3. 应用参数值
4. 返回初始和最终两个执行计划的字符串表示

优化前后的代码对比

优化前的测试代码需要显式处理每个步骤，而优化后的代码只需定义测试用例并调用 run 方法，大大简化了测试编写。同时，使用 insta 快照测试工具可以方便地验证执行计划是否正确。

技术优势

这种重构带来多个好处：

1. 减少重复代码：测试逻辑集中在一个地方
2. 提高可读性：测试用例定义更清晰
3. 易于维护：修改测试逻辑只需改动一处
4. 更好的覆盖评估：测试用例结构统一，便于统计

实现考虑

在实际实现时，还需要考虑：

1. 错误处理机制
2. 支持更复杂的数据类型
3. 扩展性，以便未来添加新的验证点
4. 与现有测试框架的集成

这种测试模式的改进不仅适用于参数类型推断测试，也可以推广到 DataFusion 的其他测试场景中，为项目带来更健壮和可维护的测试体系。