這篇文章給大家介紹如何進(jìn)行delta lake 的curd操作，內(nèi)容非常詳細(xì)，感興趣的小伙伴們可以參考借鑒，希望對(duì)大家能有所幫助。
公司主營(yíng)業(yè)務(wù)：成都網(wǎng)站設(shè)計(jì)、做網(wǎng)站、移動(dòng)網(wǎng)站開(kāi)發(fā)等業(yè)務(wù)。幫助企業(yè)客戶真正實(shí)現(xiàn)互聯(lián)網(wǎng)宣傳，提高企業(yè)的競(jìng)爭(zhēng)能力。創(chuàng)新互聯(lián)公司是一支青春激揚(yáng)、勤奮敬業(yè)、活力青春激揚(yáng)、勤奮敬業(yè)、活力澎湃、和諧高效的團(tuán)隊(duì)。公司秉承以“開(kāi)放、自由、嚴(yán)謹(jǐn)、自律”為核心的企業(yè)文化，感謝他們對(duì)我們的高要求，感謝他們從不同領(lǐng)域給我們帶來(lái)的挑戰(zhàn)，讓我們激情的團(tuán)隊(duì)有機(jī)會(huì)用頭腦與智慧不斷的給客戶帶來(lái)驚喜。創(chuàng)新互聯(lián)公司推出日照免費(fèi)做網(wǎng)站回饋大家。
delta lake 的表支持刪除和更新數(shù)據(jù)的語(yǔ)法，下面主要是從sql和scala兩個(gè)語(yǔ)法說(shuō)起吧。
1. 刪除delta 表數(shù)據(jù)
可以根據(jù)查詢條件，從delta表中刪除數(shù)據(jù)，比如刪除日期在2017年之前的數(shù)據(jù)，sql和scala的表達(dá)語(yǔ)法如下。
sql
DELETE FROM events WHERE date < '2017-01-01'DELETE FROM delta.`/data/events/` WHERE date < '2017-01-01'
scala
import io.delta.tables._val deltaTable = DeltaTable.forPath(spark, "/data/events/")deltaTable.delete("date < '2017-01-01'") // predicate using SQL formatted stringimport org.apache.spark.sql.functions._import spark.implicits._deltaTable.delete(col("date") < "2017-01-01") // predicate using Spark SQL functions and implicits
請(qǐng)注意，delete操作會(huì)將數(shù)據(jù)從delta 表的最新版本中刪除，但其實(shí)只有到歷史版本直接被vacuum清空的時(shí)候，才會(huì)從物理存儲(chǔ)中刪除數(shù)據(jù)。
2. 更新表
可以更新滿足條件的表。比如想更新eventType的字段字符串的編寫(xiě)失誤，可以使用下面的表達(dá)，sql和scala的表達(dá)分別如下：
sql
UPDATE events SET eventType = 'click' WHERE eventType = 'clck'UPDATE delta.`/data/events/` SET eventType = 'click' WHERE eventType = 'clck'
scala
import io.delta.tables._val deltaTable = DeltaTable.forPath(spark, "/data/events/")deltaTable.updateExpr( // predicate and update expressions using SQL formatted string"eventType = 'clck'",Map("eventType" -> "'click'")import org.apache.spark.sql.functions._import spark.implicits._deltaTable.update( // predicate using Spark SQL functions and implicitscol("eventType") === "clck",Map("eventType" -> lit("click")));
3.merge算子實(shí)現(xiàn)upsert操作
使用merge操作可以將source表，view，dataframe中的數(shù)據(jù)upsert到目標(biāo)的delta lake表中。該操作很像傳統(tǒng)數(shù)據(jù)庫(kù)的merge into操作，但是額外的支持刪除操作，和更新，插入和刪除的額外條件。
假設(shè)你計(jì)算過(guò)程中生成了一個(gè)dataframe，元素是events，包含eventId。而且該dataframe中數(shù)據(jù)部分?jǐn)?shù)據(jù)的eventId已經(jīng)在events表中存在了。這個(gè)時(shí)候就可以使用merge into實(shí)現(xiàn)，eventId存在的話就更新其對(duì)應(yīng)的值，不存在就插入其對(duì)應(yīng)的值。實(shí)現(xiàn)表達(dá)式如下：
sql
MERGE INTO eventsUSING updatesON events.eventId = updates.eventIdWHEN MATCHED THEN UPDATE SET events.data = updates.dataWHEN NOT MATCHED THEN INSERT (date, eventId, data) VALUES (date, eventId, data)
scala
import io.delta.tables._import org.apache.spark.sql.functions._val updatesDF = ... // define the updates DataFrame[date, eventId, data]DeltaTable.forPath(spark, "/data/events/").as("events").merge(updatesDF.as("updates"),"events.eventId = updates.eventId").whenMatched.updateExpr(Map("data" -> "updates.data")).whenNotMatched.insertExpr(Map("date" -> "updates.date","eventId" -> "updates.eventId","data" -> "updates.data")).execute()
關(guān)于如何進(jìn)行delta lake 的curd操作就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，可以學(xué)到更多知識(shí)。如果覺(jué)得文章不錯(cuò)，可以把它分享出去讓更多的人看到。
重慶分公司
重慶分公司
