Implement Spark-compatible `is_variant_null`

Đang mở
  • Có gì không ổn?
#277 0 bình luận 0 reaction 0 người được giao Xem trên GitHub

Maintainer thường phản hồi trong vòng 1 ngày

Chưa có ai nhận issue này.

Đánh giá

Độ khó
4/5
Thời gian dự kiến
3-5 ngày
Mức phù hợp với người mới
28/100
Loại issue
Tính năng
Độ rõ ràng
Đặc tả rõ ràng
Mức độ hoạt động
Sôi nổi
Công nghệ
rust
Lĩnh vực
backend

Hướng nghiên cứu

Work is blocked on the VARIANT Arrow representation from the parse_json issue (#273), so start by reading that issue's resolution and the struct layout it defines (metadata and value binary children). Then read Spark's VariantExpressionEvalUtils.isVariantNull for the single-byte check, add the function under a new crates/spark/src/function/variant/ module with #[user_doc], and write crates/sqllogictest/test_files/variant/is_variant_null.slt. Done means a non-nullable boolean where SQL NULL and row-null return false and an empty value binary raises MALFORMED_VARIANT, matching the listed examples.

Do mô hình lập chỉ mục viết ra từ nội dung của issue.

Mô tả

enhancement

Part of #273 and apache/datafusion-comet#7300.

What the function does

is_variant_null(v) returns true only when v is a variant null, meaning a JSON null stored inside a VARIANT.
In every other case it returns false, and that includes a SQL NULL input. The result is a non-nullable
BOOLEAN. The only accepted argument type is VARIANT, and there are no implicit casts. Added in Spark 4.0.0.

The check is a single byte: the first value byte must be 0x00 (basic type PRIMITIVE, type id NULL). This depends
on the VARIANT Arrow representation proposed in the parse_json issue, which uses the canonical
arrow.parquet.variant extension with metadata and value binary children.

Examples
SELECT is_variant_null(parse_json('null'));
-- true
SELECT is_variant_null(parse_json('"null"'));
-- false
SELECT is_variant_null(parse_json('13'));
-- false
SELECT is_variant_null(parse_json(null));
-- false
SELECT is_variant_null(variant_get(parse_json('{"a":null, "b":"spark"}'), '$.c'));
-- false
SELECT is_variant_null(variant_get(parse_json('{"a":null, "b":"spark"}'), '$.a'));
-- true
SELECT is_variant_null(variant_get(parse_json('{ "a": null, "b": {"c": null, "d": [13, null]} }'), '$.b.d[1]'));
-- true
SELECT is_variant_null(variant_get(parse_json('{ "a": null, "b": {"c": null, "d": [13, null]} }'), '$.b.d'));
-- false

These come from the ExpressionDescription and VariantEndToEndSuite.

Edge cases to test
  • SQL NULL returns false, not NULL. StaticInvoke uses propagateNull = false, returnNullable = false.
    A missing path in variant_get gives a SQL NULL, so it also returns false.
  • Cases that return false:
    • scalars: the string "null", "", 0, true, false, large ints such as 2147483648, and decimals;
    • a long string ("spark" repeated 100 times);
    • arrays and objects, including [], [null, null] and [{"a" : 13, "b" : null}].
      These all come from VariantExpressionEvalUtilsSuite."isVariantNull".
  • A variant null nested in an object or array reached through variant_get without a target type is still a
    variant null, so the result is true. With a concrete target type variant_get returns SQL NULL instead, so
    is_variant_null(variant_get(v, '$.a', 'int')) is false.
  • A malformed value with an empty value binary raises MALFORMED_VARIANT ("Variant binary is malformed. Please
    check the data source is valid."). Spark does not validate anything beyond the first byte.
  • Check that metadata is ignored: any valid header, including sorted_strings set or 2-4 byte offsets, gives the
    same answer.
  • Test both a column and a literal input. Also test a variant produced by to_variant_object or by
    cast(x as variant) from a NULL array element.
  • The result does not depend on ANSI mode.
Differences across Spark versions
  • 3.4 and 3.5 have no VARIANT type.
  • No differences between 4.0.4, 4.1.3 and 4.2.0.
Implementation notes
  • Spark: IsVariantNull in
    sql/catalyst/src/main/scala/org/apache/spark/sql/catalyst/expressions/variant/variantExpressions.scala.
    The logic is in VariantExpressionEvalUtils.isVariantNull, in the same package.
  • DataFusion core has no VARIANT support. arrow-rs parquet_variant::Variant::Null can be used for a decoded
    check, but reading value[0] == 0 from the value child of the struct array is enough and avoids decoding.
  • When the struct row itself is null, return false. A row with an empty value binary should return
    MALFORMED_VARIANT.
  • apache/datafusion-comet#5438 tracks native Variant support in Comet.
  • This is blocked on the VARIANT type representation from the parse_json issue. Put it in a new
    crates/spark/src/function/variant/ module. Add crates/sqllogictest/test_files/variant/is_variant_null.slt
    and document the function with #[user_doc].

This issue was generated by an LLM (Claude) from the Apache Spark source code and tests. Examples come from Spark's ExpressionDescription examples, test suites and .sql.out golden files, but please verify them against Spark before relying on them.

Ngôn ngữ chính
Rust
Star
7
Fork
15
Merge trung bình
16 giờ 43 phút
Pull request đã merge (30 ngày)
26

Chuẩn bị môi trường

Bắt đầu từ đâu

  1. Đọc hết issue, rồi đọc hướng dẫn đóng góp của dự án.
  2. Bình luận trên issue rằng bạn sẽ nhận — tránh hai người làm cùng một việc.
  3. Fork repository và làm thay đổi trên một nhánh.
  4. Mở pull request có tham chiếu số hiệu của issue.

Issue khác của apache/datafusion-spark

Tất cả issue của apache/datafusion-spark

Issue tương tự

Thêm issue về Rust

Nhận issue mới trong hộp thư của bạn

Bản tóm tắt ngắn những issue GitHub phù hợp với người mới.