Apache DataFusion 中内联表扫描丢失投影的Bug分析

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。