有選擇地與三角洲湖覆蓋數據

任意選擇覆蓋與replaceWhere

你可以選擇性地覆蓋隻匹配一個任意的數據表達。這個特性與DataFrames可用磚運行時9.1 LTS及以上和支持SQL磚運行時的12.0(不支持)及以上。

下麵的命令自動替換事件1月目標表,分區的start_date中的數據replace_data:

(replace_data。寫。模式(“覆蓋”)。選項(“replaceWhere”,“start_date > = ' 2017-01-01 '和end_date < = 2017-01-31”)。保存(“/ tmp /δ/事件”))

replace_data。寫。模式(“覆蓋”)。選項(“replaceWhere”,“start_date > = ' 2017-01-01 '和end_date < = 2017-01-31”)。保存(“/ tmp /δ/事件”)

插入成表事件取代在哪裏start_data> =“2017-01-01”和end_date< =“2017-01-31”選擇*從replace_data

這個示例代碼寫出數據replace_data,驗證與謂詞匹配,並執行一個原子替換。如果你想寫出數據不匹配謂詞,來取代匹配目標表中的行,您可以禁用約束檢查通過設置spark.databricks.delta.replaceWhere.constraintCheck.enabled假:

火花。相依。集(“spark.databricks.delta.replaceWhere.constraintCheck.enabled”,假)

火花。相依。集(“spark.databricks.delta.replaceWhere.constraintCheck.enabled”,假)

集火花。磚。δ。replaceWhere。constraintCheck。啟用=假

在磚運行時9.0及以下,replaceWhere覆蓋數據匹配謂詞在分區列。下麵的命令自動替換1月目標表,分區的日期中的數據df:

(df。寫。模式(“覆蓋”)。選項(“replaceWhere”,“生日> = ' 2017-01-01 '和生日< = 2017-01-31”)。保存(“/ tmp /δ/ people10m”))

df。寫。模式(“覆蓋”)。選項(“replaceWhere”,“生日> = ' 2017-01-01 '和生日< = 2017-01-31”)。保存(“/ tmp /δ/ people10m”)

在磚運行時9.1及以上的,如果你想回到舊的行為,您可以禁用spark.databricks.delta.replaceWhere.dataColumns.enabled國旗:

火花。相依。集(“spark.databricks.delta.replaceWhere.dataColumns.enabled”,假)

火花。相依。集(“spark.databricks.delta.replaceWhere.dataColumns.enabled”,假)

集火花。磚。δ。replaceWhere。上。啟用=假

動態分區覆蓋

磚運行時11.1及以上支持動態為分區表分區覆蓋模式。對於多個分區的表,磚12.0運行時,下麵隻支持動態分區覆蓋如果所有分區列是相同的數據類型。

在動態分區覆蓋模式下,業務覆蓋所有現有數據在每一個邏輯分區的寫提交新的數據。任何現有的邏輯分區的寫不包含數據保持不變。這種模式隻適用於當數據被寫在覆蓋模式:插入覆蓋在SQL或DataFrame寫字df.write.mode(“覆蓋”)。

配置動態分區覆蓋模式通過設置引發會話配置spark.sql.sources.partitionOverwriteMode來動態。你也可以啟用這個通過設置DataFrameWriter選項partitionOverwriteMode來動態。如果存在,query-specific選項覆蓋會話配置中定義的模式。的默認值partitionOverwriteMode是靜態。

下麵的例子演示了使用動態分區覆蓋:

集火花。sql。來源。partitionOverwriteMode=動態;插入覆蓋表默認的。people10m選擇*從更多人;

(df。寫。模式(“覆蓋”)。選項(“partitionOverwriteMode”,“動態”)。saveAsTable(“default.people10m”))

df。寫。模式(“覆蓋”)。選項(“partitionOverwriteMode”,“動態”)。saveAsTable(“default.people10m”)