首页
/ Apache DataFusion 中内联表扫描丢失投影的Bug分析

Apache DataFusion 中内联表扫描丢失投影的Bug分析

2025-05-31 19:46:59作者:虞亚竹Luna

在Apache DataFusion 47.0.0版本中引入了一个关于逻辑计划构建器的重要Bug,该Bug会导致在执行内联表扫描时意外丢失投影(projection)信息。这个问题在46.0.1版本中并不存在,但在47.0.0版本中成为了一个严重的回归问题。

问题背景

Apache DataFusion是一个高性能的查询执行框架,它使用逻辑计划来表示查询的执行流程。在构建逻辑计划时,表扫描(TableScan)操作通常会包含一个投影(projection)参数,用于指定需要从表中读取哪些列。这种优化可以显著减少I/O操作,因为系统只需要读取查询实际需要的列,而不是整个表的所有数据。

Bug详情

该Bug出现在逻辑计划构建器的scan方法中。当构建器检测到扫描的表是一个内联表(如ViewTable)时,它会尝试优化这个操作。在优化过程中,代码检查了是否存在过滤器(filter)条件,但却没有检查是否存在投影信息。这导致即使查询明确指定了投影列,这些信息也会被错误地丢弃。

影响分析

这个Bug会导致以下问题:

  1. 查询性能下降:系统会读取所有列数据而不是仅读取需要的列
  2. 内存使用增加:不必要的数据会被加载到内存中
  3. 潜在的正确性问题:如果表包含复杂类型或大量列,可能会引发其他异常

解决方案

修复方案相对直接:在优化内联表扫描时,需要同时检查过滤器和投影信息。如果存在投影,应该保留这部分信息而不是简单地丢弃它。这样可以确保查询优化器能够正确地进行列裁剪优化。

技术启示

这个案例提醒我们:

  1. 在优化逻辑计划时需要考虑所有可能的优化参数
  2. 回归测试的重要性:即使是看似简单的优化也可能引入意外的副作用
  3. 性能优化需要全面考虑,不能只关注某一方面而忽略其他因素

该Bug已在后续版本中修复,建议使用受影响版本的用户升级到包含修复的版本。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
923
551
openHiTLSopenHiTLS
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!
C
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8