LEAD/LAG with offset 0 and IGNORE NULLS returns the default for a NULL row, unlike the form without IGNORE NULLS

Aberta
  • Algo errado?
#27,284 1 comentário 0 reações 0 responsáveis Ver no GitHub

Mantenedores costumam responder em até 1 dia

@0xamlab já está trabalhando nisso.

Desde 10/11/2026.

  • #27313 de @0xamlab — aberto

Avaliação

Dificuldade
2/5
Tempo estimado
1-3 horas
Facilidade para iniciantes
35/100
Tipo de issue
Bug
Clareza
Claramente especificada
Status de atividade
Estagnada
Stack de tecnologia
rust, sql
Domínio
backend-api-design, databases

Direção de pesquisa

Read datafusion/functions-window/src/lead_lag.rs, focusing on WindowShiftEvaluator::evaluate and the offset-zero path in evaluate_all_with_ignore_null. Start by checking the existing window function tests for LEAD and LAG with IGNORE NULLS; add coverage for offset 0 on a NULL current row. Done means both functions preserve NULL instead of returning the default, with the tests passing.

Escrita pelo modelo de indexação a partir do texto da issue.

Descrição

Describe the bug

lead(v, 0, d) and lag(v, 0, d) return the current row's own value. Without IGNORE NULLS a NULL row stays NULL. With IGNORE NULLS the default d replaces it.

To Reproduce
SELECT id,
       lead(v, 0, -7) OVER (ORDER BY id) AS lead_plain,
       lead(v, 0, -7) IGNORE NULLS OVER (ORDER BY id) AS lead_ignore_nulls,
       lag(v, 0, -7) OVER (ORDER BY id) AS lag_plain,
       lag(v, 0, -7) IGNORE NULLS OVER (ORDER BY id) AS lag_ignore_nulls
FROM (VALUES (1, 10), (2, NULL), (3, 30)) AS t(id, v)
ORDER BY id;

On 55.2.0 (datafusion-python 55.0.0):

| id | lead_plain | lead_ignore_nulls | lag_plain | lag_ignore_nulls |
| 1  | 10         | 10                | 10        | 10               |
| 2  | NULL       | -7                | NULL      | -7               |
| 3  | 30         | 30                | 30        | 30               |
Expected behavior

Row 2 should be NULL in all four columns. Offset 0 refers to the current row itself, so there is no row to skip and nothing out of range that would call for the default. Apache Spark 4.0 returns the row's own value (NULL) for lead(v, 0, -7) IGNORE NULLS, the same as without IGNORE NULLS.

Additional context

In datafusion/functions-window/src/lead_lag.rs the two code paths disagree on this input as written:

  • evaluate_all_with_ignore_null starts with if offset == 0 { return Ok(Arc::clone(array)) }, so a NULL stays NULL.
  • WindowShiftEvaluator::evaluate ends with "Set the default value if ... ignore nulls mode and current value is null", which turns a NULL current row into the default when the offset is 0.

Offsets of 1 or more are not affected by this; the offset 0 case is only reached by an explicit 0.

Separately, #25471 (fixed on main by #25472) covers LEAD with an offset of 2 or more returning wrong rows across NULL gaps. The published 55.2.0 crate still has the old code for that.

Linguagem predominante
Rust
Estrelas
9.6k
Forks
2.6k
Merge médio
3d 4h
PRs com merge (30d)
345

Preparar o ambiente

Abrir no Codespaces

Inicia o contêiner de desenvolvimento do projeto no navegador, com a sua própria conta do GitHub.

Primeiros passos

  1. Leia a issue inteira e depois o guia de contribuição do projeto.
  2. Comente na issue dizendo que vai assumir — evita que duas pessoas façam o mesmo trabalho.
  3. Faça um fork do repositório e trabalhe em uma branch.
  4. Abra um pull request que referencie o número da issue.

Mais de apache/datafusion

Todas as issues de apache/datafusion

Issues semelhantes

Mais issues de Rust

Receba novas issues na sua caixa de entrada

Um resumo curto de issues do GitHub para quem está começando.