通过 Apache Arrow 中的索引访问 Gadiva 过滤器结果

Question

也许我遗漏了一些明显的东西，但在我的一生中，我无法弄清楚如何在 Gandiva 过滤器操作后访问数组的元素。

我已经链接了一个我这样编译的最小示例：

$ /usr/lib64/ccache/g++ -g -Wall -m64 -std=c++17 -pthread -fPIC \
      -I/opt/data-an/include  mwe.cc -o mwe \
      -L/opt/data-an/lib64 -lgandiva -larrow

然后我像这样运行二进制文件：

$ LD_LIBRARY_PATH=/opt/data-an/lib64 ./mwe

总的来说，这就是我正在尝试的（随后是 MWE 的摘录）：

1. 创建一个 5 元素向量：1、3、2、4、5

   int num_records = 5;
   arrow::Int64Builder i64builder;
   ArrayPtr array0;
   
   EXPECT_OK(i64builder.AppendValues({1, 3, 2, 4, 5}));
   EXPECT_OK(i64builder.Finish(&array0));
   

2. 使用 Gandiva 获取偶数元素，索引：2、3

   // schema for input fields
   auto field0 = field("f0", arrow::int64());
   auto schema = arrow::schema({field0});
   
   // even: f0 % 2 == 0
   auto field0_node = TreeExprBuilder::MakeField(field0);
   auto lit_2 = TreeExprBuilder::MakeLiteral(int64_t(2));
   auto remainder = TreeExprBuilder::MakeFunction("mod", {field0_node, lit_2}, int64());
   auto lit_0 = TreeExprBuilder::MakeLiteral(int64_t(0));
   auto even = TreeExprBuilder::MakeFunction("equal", {remainder, lit_0}, boolean());
   auto condition = TreeExprBuilder::MakeCondition(even);
   
   // input record batch
   auto in_batch = arrow::RecordBatch::Make(schema, num_records, {array0});
   
   // filter
   std::shared_ptr<Filter> filter;
   EXPECT_OK(Filter::Make(schema, condition, &filter));
   
   std::shared_ptr<SelectionVector> selected;
   EXPECT_OK(SelectionVector::MakeInt16(num_records, pool_, &selected));
   EXPECT_OK(filter->Evaluate(*in_batch, selected));
   

3. 使用 Gandiva 过滤器中的选择向量作为索引数组访问原始数组中的偶数元素

   // std::cout << "array0[0]: " << array0->Value(0); // doesn't compile
   // error: ‘using element_type = class arrow::Array’ {aka ‘class
   // arrow::Array’} has no member named ‘Value’
   
   // downcast it to the correct derived class
   auto array0_cast = std::dynamic_pointer_cast<NumericArray<Int64Type>>(array0);
   std::cout << "array0[0]: " << array0_cast->Value(0) << std::endl;
   

但我似乎无法访问selection vector 的元素。由于它被声明为std::shared_ptr<arrow::Array>，因此找不到Value(..) 方法。因为我用SelectionVector::MakeInt16(..) 填充它，所以我尝试向下转换为arrow::NumericArray<Int16Type>，但失败了！我不确定我哪里出错了。

auto idx_arr_cast = std::dynamic_pointer_cast<NumericArray<Int16Type>>(idx_arr);
if (idx_arr_cast) {
  std::cout << "idx_arr[0]: " << idx_arr_cast->Value(0) << std::endl;
} else {
  std::cerr << "idx_arr_cast is a nullptr!" << std::endl;
}

我还有一个相关但更笼统的问题。给定一个数组，如果我不知道确切的类型，我就找不到访问元素（或迭代它们）的方法。如果我知道类型，我可以向下转换，并使用 Value(..)、GetValue(..)、GetString(..) 等。这似乎很圆，只是为了访问元素。我错过了什么？

注意：完整的 MWE 以及 Makefile 可以从 this gist 克隆。

Answer 1

SelectionVector 存储索引，因此类型为unsigned，如下工作：

auto arr = std::dynamic_pointer_cast<NumericArray<UInt16Type>>(selected->ToArray());

感谢 the answer 的 Arrow 开发人员名单上的 Ravindra。