如何向delta湖表添加新列?

qvk1mo1f  于 2021-05-27  发布在  Spark
关注(0)|答案(2)|浏览(535)

我正在尝试向azure blob存储中作为增量表存储的数据添加一个新列。对数据执行的大多数操作都是upserts,有很多更新,很少有新的插入。我当前编写数据的代码如下所示:

DeltaTable.forPath(spark, deltaPath)
      .as("dest_table")
      .merge(myDF.as("source_table"),
             "dest_table.id = source_table.id")
      .whenNotMatched()
      .insertAll()
      .whenMatched(upsertCond)
      .updateExpr(upsertStat)
      .execute()

从这些文档来看,delta lake似乎支持在 insertAll() 以及 updateAll() 只打电话。但是,我只在满足某些条件并希望将新列添加到所有现有数据(默认值为)时更新 null ).
我想出了一个看起来非常笨拙的解决方案,我想知道是否有一个更优雅的方法。以下是我目前提出的解决方案:

// Read in existing data
val myData = spark.read.format("delta").load(deltaPath)
// Register table with Hive metastore
myData.write.format("delta").saveAsTable("input_data")

// Add new column
spark.sql("ALTER TABLE input_data ADD COLUMNS (new_col string)")

// Save as DataFrame and overwrite data on disk
val sqlDF = spark.sql("SELECT * FROM input_data")
sqlDF.write.format("delta").option("mergeSchema", "true").mode("overwrite").save(deltaPath)
dzhpxtsq

dzhpxtsq1#

首先更改增量表,然后执行合并操作:

from pyspark.sql.functions import lit

spark.read.format("delta").load('/mnt/delta/cov')\
  .withColumn("Recovered", lit(''))\
  .write\
  .format("delta")\
  .mode("overwrite")\
  .option("overwriteSchema", "true")\
  .save('/mnt/delta/cov')
gab6jxml

gab6jxml2#

你试过使用merge语句吗?
https://docs.databricks.com/spark/latest/spark-sql/language-manual/merge-into.html

相关问题