rlang::hash无法区分Arrow查询致memoise缓存命中错误

核心原因 #

这不是你的使用方式错误，而是rlang::hash对Arrow的arrow_dplyr_query类型R6对象的哈希逻辑存在缺陷——它没有正确遍历并哈希该R6对象中存储查询差异的关键内部状态（比如你提到的过滤条件），导致不同逻辑的查询被生成相同的哈希值，进而触发memoise的缓存碰撞。

虽然你能通过$.data看到过滤条件的区别，但rlang::hash默认处理R6对象时，可能只哈希了对象的表层结构或固定属性，没有递归深入到存储动态查询逻辑的内部字段（比如绑定在环境中的过滤表达式）。

临时解决办法 #

可以绕过rlang::hash的默认行为，自定义哈希逻辑，直接基于查询的核心逻辑生成哈希：

• 提取查询的表达式形式再哈希：

custom_hash <- function(query) {
  rlang::hash(dplyr::show_query(query))
}
# 用自定义哈希函数初始化memoise
memoised_query <- memoise::memoise(your_query_function, hash = custom_hash)

• 或者将查询转为SQL语句后哈希（适合SQL后端的Arrow数据集）：

custom_hash <- function(query) {
  rlang::hash(arrow::to_sql(query))
}

Issue提交建议 #

1. 优先提交给rlang项目：问题本质是rlang::hash对R6对象的哈希实现未覆盖Arrow查询对象的内部状态，需要优化R6对象的哈希遍历逻辑。
2. 同时提交给Arrow项目：可以反馈arrow_dplyr_query对象在配合哈希工具时的兼容性问题，建议提供更易被哈希工具识别的核心状态暴露方式，或者适配rlang的哈希逻辑。

内容的提问来源于stack exchange，提问作者David