Delta Lake ile verilerin üzerine seçmeli olarak yazma

Azure Databricks, seçmeli üzerine yazma işlemleri için iki farklı seçeneği desteklemek üzere Delta Lake işlevselliğinden yararlanmaktadır:

• seçeneği, replaceWhere belirli bir koşulla eşleşen tüm kayıtları atomik olarak değiştirir.
• Dinamik bölüm üzerine yazma işlemleri kullanarak tabloların nasıl bölümlendiğine bağlı olarak veri dizinlerini değiştirebilirsiniz.

Çoğu işlemde Databricks, hangi verilerin üzerine yazılacağını belirtmek için kullanılmasını replaceWhere önerir.

ile rastgele seçmeli üzerine yazma replaceWhere

Yalnızca rastgele bir ifadeyle eşleşen verilerin üzerine seçmeli olarak yazabilirsiniz.

Aşağıdaki komut, start_datetarafından bölümlenen hedef tabloda Ocak ayındaki olayları atomik olarak replace_dataiçindeki verilerle değiştirir:

Python

(replace_data.write
  .mode("overwrite")
  .option("replaceWhere", "start_date >= '2017-01-01' AND end_date <= '2017-01-31'")
  .table("events")
)

Scala

replace_data.write
  .mode("overwrite")
  .option("replaceWhere", "start_date >= '2017-01-01' AND end_date <= '2017-01-31'")
  .table("events")

SQL

INSERT INTO TABLE events REPLACE WHERE start_date >= '2017-01-01' AND end_date <= '2017-01-31' SELECT * FROM replace_data

Bu örnek kod içindeki replace_dataverileri yazar, tüm satırların koşulla eşleştiğini doğrular ve semantik kullanarak overwrite atomik değiştirme gerçekleştirir. İşlemdeki herhangi bir değer kısıtlamanın dışında kalırsa, bu işlem varsayılan olarak bir hatayla başarısız olur.

Bu davranışı koşul aralığındaki değerleri overwrite ve belirtilen aralığın dışında kalan kayıtları insert olarak değiştirebilirsiniz. Bunu yapmak için, aşağıdaki ayarlardan birini kullanarak spark.databricks.delta.replaceWhere.constraintCheck.enabled false olarak ayarlayarak kısıtlama denetimini devre dışı bırakın:

Python

spark.conf.set("spark.databricks.delta.replaceWhere.constraintCheck.enabled", False)

Scala

spark.conf.set("spark.databricks.delta.replaceWhere.constraintCheck.enabled", false)

SQL

SET spark.databricks.delta.replaceWhere.constraintCheck.enabled=false

Eski davranış

Eski varsayılan davranış, yalnızca bölüm sütunlarına göre bir koşulla eşleşen verilerin üzerine replaceWhere'nin verileri yazmasıydı. Bu eski modelle, aşağıdaki komut, dateile bölümlenmiş hedef tablodaki Ocak ayını, dfiçindeki verilerle atomik olarak değiştirir:

Python

(df.write
  .mode("overwrite")
  .option("replaceWhere", "birthDate >= '2017-01-01' AND birthDate <= '2017-01-31'")
  .table("people10m")
)

Scala

df.write
  .mode("overwrite")
  .option("replaceWhere", "birthDate >= '2017-01-01' AND birthDate <= '2017-01-31'")
  .table("people10m")

Eski davranışa geri dönmek istiyorsanız bayrağını spark.databricks.delta.replaceWhere.dataColumns.enabled devre dışı bırakabilirsiniz:

Python

spark.conf.set("spark.databricks.delta.replaceWhere.dataColumns.enabled", False)

Scala

spark.conf.set("spark.databricks.delta.replaceWhere.dataColumns.enabled", false)

SQL

SET spark.databricks.delta.replaceWhere.dataColumns.enabled=false

Dinamik Bölümlerin Üzerine Yazılması

Databricks Runtime 11.3 LTS ve üzeri, bölümlenmiş tablolar için dinamik bölüm üzerine yazma modunu destekler. Birden çok bölümü olan tablolar için Databricks Runtime 11.3 LTS ve altı yalnızca tüm bölüm sütunları aynı veri türündeyse dinamik bölüm üzerine yazmayı destekler.

Dinamik bölüm üzerine yazma modundayken işlemler, yazma işleminin yeni verileri işlediği her mantıksal bölümdeki tüm mevcut verilerin üzerine yazar. Yazma işleminin veri içermediği mevcut mantıksal bölümler değişmeden kalır. Bu mod yalnızca veriler üzerine yazma modunda yazıldığında geçerlidir: SQL'de INSERT OVERWRITE veya ile df.write.mode("overwrite")bir DataFrame yazma.

Spark oturumu yapılandırmasını spark.sql.sources.partitionOverwriteMode'dan dynamic'e ayarlayarak dinamik bölüm üzerine yazma modunu etkinleştirin. Seçeneğini olarak ayarlayarak DataFrameWriterpartitionOverwriteModedynamicda bunu etkinleştirebilirsiniz. Varsa, sorguya özgü seçenek oturum yapılandırmasında tanımlanan modu geçersiz kılar. için partitionOverwriteMode varsayılan değeridir static.

Aşağıdaki örnek, dinamik bölüm üzerine yazmaları kullanmayı gösterir:

SQL

SET spark.sql.sources.partitionOverwriteMode=dynamic;
INSERT OVERWRITE TABLE default.people10m SELECT * FROM morePeople;

Python

(df.write
  .mode("overwrite")
  .option("partitionOverwriteMode", "dynamic")
  .saveAsTable("default.people10m")
)

Scala

df.write
  .mode("overwrite")
  .option("partitionOverwriteMode", "dynamic")
  .saveAsTable("default.people10m")