Manticore Search 中 AVG 聚合函数与 JOIN 查询的 Bug 分析
2025-05-23 23:32:00作者:宣聪麟
问题背景
在 Manticore Search 6.3.9 版本中,用户发现了一个关于聚合函数与 JOIN 查询结合使用时出现的计数错误问题。当查询中包含 AVG 聚合函数时,JOIN 操作后的 COUNT(*) 结果会明显低于实际值,而移除 AVG 函数后计数结果恢复正常。
问题重现
通过以下测试案例可以稳定重现该问题:
-
创建两个测试表:
- products 表:包含 2 条记录
- reviews 表:包含 1001 条记录,每条记录随机关联到 products 表的某条记录
-
执行以下查询:
SELECT id, COUNT(*), AVG(reviews.rating)
FROM products
LEFT JOIN reviews ON reviews.product_id = products.id
GROUP BY id
ORDER BY COUNT(*) DESC;
- 观察结果:
- 包含 AVG 函数的查询返回的 COUNT(*) 值不正确(如 513 和 487)
- 不含 AVG 函数的相同查询返回正确的 COUNT(*) 值(如 514 和 487)
问题分析
经过技术团队深入分析,发现该问题与 Manticore Search 的 JOIN 批处理机制有关:
- 当右表(reviews)记录数超过 1000 条时,JOIN 操作会启用批处理机制
- 在批处理模式下,AVG 聚合函数的计算会干扰 COUNT(*) 的正确统计
- 通过设置
option join_batch_size=0
禁用批处理可以解决该问题,但会显著降低查询性能
技术原理
Manticore Search 在处理 JOIN 查询时:
- 默认情况下会对大型 JOIN 操作进行批处理优化,以提高性能
- 批处理机制会将右表数据分成多个批次进行处理
- 当查询中包含 AVG 聚合函数时,批处理过程中的中间结果合并出现了逻辑错误
- 这种错误导致 COUNT(*) 统计值偏低,而 AVG 计算结果虽然看似合理但基于错误的基数
解决方案
该问题已在最新代码中修复,具体修复内容包括:
- 修正了批处理模式下聚合函数的计算逻辑
- 确保 COUNT(*) 和 AVG 等聚合函数在批处理过程中能正确合并中间结果
- 添加了专门的测试用例验证该场景,防止回归
最佳实践
对于使用 Manticore Search 的用户,建议:
- 升级到包含该修复的版本
- 如果暂时无法升级,对于包含 AVG 等聚合函数的 JOIN 查询:
- 可以考虑使用
option join_batch_size=0
临时解决方案 - 但需注意这可能导致查询性能下降
- 可以考虑使用
- 在大型 JOIN 查询场景下,应充分测试验证统计结果的准确性
总结
这个案例展示了数据库系统中查询优化与正确性之间的微妙平衡。Manticore Search 团队通过快速响应和修复,确保了系统在保持高性能的同时提供准确的计算结果。对于开发者而言,这也提醒我们在使用高级查询功能时,需要关注边界条件和极端场景下的结果验证。
登录后查看全文
热门项目推荐
- 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~0266cinatra
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
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
143
1.91 K

deepin linux kernel
C
22
6

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

React Native鸿蒙化仓库
C++
192
273

🎉 (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
927
551

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 kernel ~ openGauss is an open source relational database management system
C++
145
189

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
75
64

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

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