- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
今天在工作时,我看到了一个基于文件名的三角洲湖跟踪器。我所说的增量跟踪器是指定义 parquet 文件是否已被摄取的函数。
代码将检查哪些文件(来自增量表)尚未已被摄取,然后使用以下命令读取增量表中的 Parquet 文件:spark.createDataFrame(路径,StringType())
在使用增量表之后,我认为以这种方式使用增量跟踪器似乎不太合适。
如果记录被删除,增量日志
指向新文件的可能性有多大,以及该删除的记录将被解读为新的吗?
如果记录更新,增量日志
不指向新文件以及此更新记录的可能性有多大不会被考虑?
如果增量表上发生一些维护,会发生什么一些新文件突然被写入的可能性?这可能会导致记录被重新摄取
任何观察或建议是否可以这样工作都会很好。谢谢
最佳答案
在 Delta Lake 中,一切都在文件级别上运行。因此不存在“就地”更新或删除。假设一条记录被删除(或更新),那么大致会发生以下情况:
VACUUM
之前,旧的 Parquet 文件不会被物理删除。命令。更新过程基本相同。
更具体地回答您的问题:
In case record is deleted, what are the chances that the delta logwould point to a new file , and that this deleted record would be readas a new one?
增量日志将指向一个新文件,但删除的记录不会在其中。将会有原始文件中恰好存在的所有其他记录。
In case record is updated, what would be the chance that delta logwould not point to a new file, and that this updated record would notbe considered ?
文件未就地更新,因此不会发生这种情况。将写入包含更新记录(+原始文件中的任何其他记录)的新文件。事务日志被更新为“指向”这个新文件。
In case some maintenance is happening on the delta table, what are thechances that some new files are written out of nowhere ? Which maycause a record to be re-ingested
这是可能的,尽管不是“凭空而来”。例如,如果您运行 OPTIMIZE
现有的 Parquet 文件被重新整理/组合以提高性能。基本上,这意味着将写入许多新的 parquet 文件,并且事务日志中的新版本将指向这些 parquet 文件。如果在此之后您拾取所有新文件,您将重新摄取数据。
一些注意事项:如果您的增量表仅附加,您可以使用 structured streaming改为从中读取。如果没有,则 Databricks 提供 Change Data Feed提供插入、更新和删除的记录级详细信息。
关于azure - 是否可以在 Azure databricks 中使用基于 Parquet 文件名的增量表跟踪器?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/72088621/
我有一台 MySQL 服务器和一台 PostgreSQL 服务器。 需要从多个表中复制或重新插入一组数据 MySQL 流式传输/同步到 PostgreSQL 表。 这种复制可以基于时间(Sync)或事
如果两个表的 id 彼此相等,我尝试从一个表中获取数据。这是我使用的代码: SELECT id_to , email_to , name_to , status_to
我有一个 Excel 工作表。顶行对应于列名称,而连续的行每行代表一个条目。 如何将此 Excel 工作表转换为 SQL 表? 我使用的是 SQL Server 2005。 最佳答案 这取决于您使用哪
我想合并两个 Django 模型并创建一个模型。让我们假设我有第一个表表 A,其中包含一些列和数据。 Table A -------------- col1 col2 col3 col
我有两个表:table1,table2,如下所示 table1: id name 1 tamil 2 english 3 maths 4 science table2: p
关闭。此题需要details or clarity 。目前不接受答案。 想要改进这个问题吗?通过 editing this post 添加详细信息并澄清问题. 已关闭 1 年前。 Improve th
下面两个语句有什么区别? newTable = orginalTable 或 newTable.data(originalTable) 我怀疑 .data() 方法具有性能优势,因为它在标准 AX 中
我有一个表,我没有在其中显式定义主键,它并不是真正需要的功能......但是一位同事建议我添加一个列作为唯一主键以随着数据库的增长提高性能...... 谁能解释一下这是如何提高性能的? 没有使用索引(
如何将表“产品”中的产品记录与其不同表“图像”中的图像相关联? 我正在对产品 ID 使用自动增量。 我觉得不可能进行关联,因为产品 ID 是自动递增的,因此在插入期间不可用! 如何插入新产品,获取产品
我有一个 sql 表,其中包含关键字和出现次数,如下所示(尽管出现次数并不重要): ____________ dog | 3 | ____________ rat | 7 | ____
是否可以使用目标表中的LAST_INSERT_ID更新源表? INSERT INTO `target` SELECT `a`, `b` FROM `source` 目标表有一个自动增量键id,我想将其
我正在重建一个搜索查询,因为它在“我看到的”中变得多余,我想知道什么 (albums_artists, artists) ( ) does in join? is it for boosting pe
以下是我使用 mysqldump 备份数据库的开关: /usr/bin/mysqldump -u **** --password=**** --single-transaction --databas
我试图获取 MySQL 表中的所有行并将它们放入 HTML 表中: Exam ID Status Assigned Examiner
如何查询名为 photos 的表中的所有记录,并知道当前用户使用单个查询将哪些结果照片添加为书签? 这是我的表格: -- -- Table structure for table `photos` -
我的网站都在 InnoDB 表上运行,目前为止运行良好。现在我想知道在我的网站上实时发生了什么,所以我将每个页面浏览量(页面、引荐来源网址、IP、主机名等)存储在 InnoDB 表中。每秒大约有 10
我在想我会为 mysql 准备两个表。一个用于存储登录信息,另一个用于存储送货地址。这是传统方式还是所有内容都存储在一张表中? 对于两个表...有没有办法自动将表 A 的列复制到表 B,以便我可以引用
我不是程序员,我从这个表格中阅读了很多关于如何解决我的问题的内容,但我的搜索效果不好 我有两张 table 表 1:成员 id*| name | surname -------------------
我知道如何在 ASP.NET 中显示真实表,例如 public ActionResult Index() { var s = db.StaffInfoDBSet.ToList(); r
我正在尝试运行以下查询: "insert into visits set source = 'http://google.com' and country = 'en' and ref = '1234
我是一名优秀的程序员,十分优秀!