Join Fuzzer

连接模糊测试器测试所有类型的哈希连接和合并连接，最多包含 5 个连接键和 最多 3 个有效载荷列（包含或不包含溢出）。

在每次迭代中，模糊测试器会随机选择一种连接类型（INNER、LEFT、FULL、LEFT SEMI FILTER、LEFT SEMI PROJECT、ANTI）、空感知标志 （如果连接类型支持）、连接键和有效载荷列的数量和类型。然后，模糊测试器会生成探测端和构建端大小的输入，并构建一个 Values -> HashJoin 查询计 划。在生成构建端数据时，模糊测试器会生成一个空数据集或一个探测端键的 10% 样本（包含替换），并结合随机生成的有效载荷。在生成连接 计划节点时，模糊测试器会打乱连接键和输出列，并从输出中随机删除一些列。

Fuzzer 运行查询计划，并将结果与参考（DuckDB 或 Presto）进行比较作为预期结果。

然后，模糊测试器会生成一组不同但逻辑上等效的计划， 并运行它们并验证结果是否相同。每个计划运行两次：包含溢出和不包含溢出。

逻辑上等效的计划生成如下：

• 展平可能已编码的连接输入。
• 翻转连接边：
• LEFT(a, b) => RIGHT(b, a)
• LEFT SEMI FILTER(a, b) => RIGHT SEMI FILTER(b, a)
• LEFT SEMI PROJECT(a, b) => RIGHT SEMI PROJECT(b, a)
• 在连接前引入循环本地交换： Values -> LocalExchange(ROUND_ROBIN) -> HashJoin
• 对于支持的连接类型（INNER、LEFT），将 HashJoin 替换为 OrderBy(join keys) + MergeJoin。

How to run

使用 pollux_join_fuzzer_test 二进制文件运行连接模糊器：

    tests/exec/pollux_join_fuzzer_test

默认情况下，模糊测试器将进行 10 次迭代。使用 --steps 或 --duration-sec 参数可以延长模糊测试器的运行时间。使用 --seed 参数可以 重现模糊测试器的失败。

以下是受支持的命令行参数的完整列表。

• –-steps：要运行的迭代次数。每次迭代生成并计算一个表达式或聚合。默认值为 10。

• –-duration_sec：运行时间（秒）。如果同时指定了 -–steps 和 -–duration_sec，则以 –duration_sec 为准。

• –-seed：用于生成随机表达式和输入向量的种子。

• –-verbosity=1：详细日志记录（来自 turbo Logging Library）。

• –-batch_size：要生成的输入向量的大小。默认值为 100。

• --num_batches：要生成的 --batch_size 大小的输入向量数量。默认值为 5。

• --enable_spill：是否测试溢出。默认值为 true。

• --arbitrator_capacity：仲裁器容量（以字节为单位）。默认值为 6L << 30。

• --allocator_capacity：分配器容量（以字节为单位）。默认值为 8L << 30。

如果从 CLion IDE 运行，请添加 --logtostderr=1 以查看完整输出。