Implement Spark-compatible `xpath_int`

Đang mở
  • Có gì không ổn?
#285 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
3/5
Thời gian dự kiến
1-2 ngày
Mức phù hợp với người mới
72/100
Loại issue
Tính năng
Độ rõ ràng
Đặc tả rõ ràng
Mức độ hoạt động
Sôi nổi
Công nghệ
rust, sql, xml
Lĩnh vực
databases

Hướng nghiên cứu

Start from the shared number() evaluator planned in crates/spark/src/function/xml/ (see the xpath and xpath_double issues) and compare against Spark's XPathInt/XPathIntEvaluator. Register xpath_int alongside the other XML functions, narrowing the double with as i32, and add #[user_doc]. Add crates/sqllogictest/test_files/xml/xpath_int.slt with the saturation, truncation, NaN and NULL cases listed here; done when those SLT tests pass.

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

Mô tả

enhancement

Part of #271 and apache/datafusion-comet#7300.

What the function does

xpath_int(xml, path) evaluates an XPath 1.0 expression, converts the result with XPath number() into a
Java Double, and narrows it with Double.intValue(), giving an INT. Both arguments are strings
(collation-aware from 4.0), and path must be foldable. The result is always nullable. Available since Spark
2.0.0.

The number() conversion is in the xpath_double issue. Parsing, DTD and entity handling, namespaces, NULL
handling and errors are in the xpath issue. This issue covers only the double-to-int step, which is Java's
narrowing conversion (int) d:

  • NaN becomes 0;
  • values are truncated toward zero;
  • out-of-range values saturate at Integer.MAX_VALUE / Integer.MIN_VALUE, and so do +/-Infinity.

This matches Rust's d as i32. Nothing raises an error, and ANSI mode has no effect.

Examples
SELECT xpath_int('<a><b>1</b><b>2</b></a>', 'sum(a/b)');
-- 3
SELECT xpath_int('<a>this is not a number</a>', 'a');
-- 0
SELECT xpath_int('<a>this 2 is not a number</a>', 'a');
-- 0
SELECT xpath_int('<a><b>2000000000</b><c>40000000000</c></a>', 'a/b * a/c');
-- 2147483647
SELECT xpath_int('<a>try a boolean</a>', 'a = 10');
-- 0
SELECT xpath_int('<a><b class="odd">1</b><b class="even">2</b><b class="odd">4</b><c>8</c></a>', 'a/b');
-- 1
SELECT xpath_int('<a><b class="odd">1</b><b class="even">2</b><b class="odd">4</b><c>8</c></a>', 'sum(a/*)');
-- 15
SELECT xpath_int('<a><b class="odd">100000</b><b class="even">2</b><b class="odd">4</b><c>8</c></a>', 'sum(a/b[@class="odd"])');
-- 100004

These come from the ExpressionDescription, the Hive udf_xpath_int golden files run by
HiveCompatibilitySuite, and XPathExpressionSuite.

Edge cases to test
  • Saturation at both ends: 8.0E19 gives 2147483647 (above). By the same rule, -1 * a/b * a/c gives
    -2147483648, 1 div 0 gives 2147483647, and -1 div 0 gives -2147483648.
  • Truncation: <a>2.7</a> gives 2 and <a>-2.7</a> gives -2, by code reading. Note that XPath round()
    and floor() give different results, so test xpath_int(x, 'round(a)') as well.
  • NaN gives 0 (non-numeric text, 0 div 0, and the empty node-set, which is NaN by XPath 1.0 rules).
    The usage string says "zero if no match is found, or a match is found but the value is non-numeric".
  • Values just at and beyond 2^31: 2147483647, 2147483648 and -2147483649.
  • NULL or '' arguments give NULL. A non-literal path gives DATATYPE_MISMATCH.NON_FOLDABLE_INPUT.
    Malformed XML and an invalid path raise runtime errors (see the xpath issue).
Differences across Spark versions

None found beyond the shared ones in the xpath issue.

Implementation notes
  • Spark: XPathInt in sql/catalyst/src/main/scala/org/apache/spark/sql/catalyst/expressions/xml/xpath.scala.
    It calls XPathIntEvaluator (ret.intValue()) in .../xml/XmlExpressionEvalUtils.scala.
  • DataFusion core has no equivalent.
  • Reuse the shared number() evaluator from the xpath and xpath_double issues in
    crates/spark/src/function/xml/, and narrow with as i32. Rust's saturating float-to-int cast matches
    Java's here.
  • Tests: add crates/sqllogictest/test_files/xml/xpath_int.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.