Sdílet prostřednictvím

event_log table-valued – funkce

  • Článek

Platí pro: zaškrtnutí označeného ano Databricks SQL zaškrtnutí označeného ano Databricks Runtime 13.3 LTS a vyšší

Vrátí protokol událostí pro materializovaná zobrazení, streamované tabulky a kanály DLT.

Přečtěte si další informace o protokolu událostí Delta Live Tables.

Poznámka:

Funkci event_log s hodnotou tabulky může volat pouze vlastník tabulky streamování nebo materializované zobrazení a zobrazení vytvořené prostřednictvím event_log funkce s hodnotou tabulky může dotazovat pouze vlastník tabulky nebo materializované zobrazení. Zobrazení nelze sdílet s ostatními uživateli.

Syntaxe

event_log( { TABLE ( table_name ) | pipeline_id } )

Argumenty

  • table_name: Název materializovaného zobrazení nebo tabulky streamování. Název nesmí obsahovat dočasnou specifikaci. Pokud název není kvalifikovaný, použije se aktuální katalog a schéma k určení identifikátoru.
  • pipeline_id: Identifikátor řetězce kanálu Delta Live Tables.

Návraty

  • id STRING NOT NULL: Jedinečný identifikátor záznamu protokolu událostí.
  • sequence STRING NOT NULL: Objekt JSON obsahující metadata pro identifikaci a řazení událostí.
  • origin STRING NOT NULL: Objekt JSON obsahující metadata pro původ události, například poskytovatele cloudu, oblast nebo user_idpipeline_id.
  • timestamp TIMESTAMP NOT NULL: Čas, kdy byla událost zaznamenána v UTC.
  • message STRING NOT NULL: Zpráva čitelná pro člověka popisující událost.
  • level STRING NOT NULL: Úroveň protokolování, INFOnapříklad , WARN, , ERRORnebo METRICS.
  • maturity_level STRING NOT NULL: Stabilita schématu událostí. Možné hodnoty:
    • STABLE: Schéma je stabilní a nezmění se.
    • NULL: Schéma je stabilní a nezmění se. Hodnota může být NULL v případě, že byl záznam vytvořen před přidáním maturity_level pole (verze 2022.37).
    • EVOLVING: Schéma není stabilní a může se změnit.
    • DEPRECATED: Schéma je zastaralé a modul runtime Delta Live Tables může kdykoli ukončit vytváření této události.
  • error STRING: Pokud došlo k chybě, podrobnosti popisující chybu.
  • details STRING NOT NULL: Objekt JSON obsahující strukturované podrobnosti události. Toto je primární pole používané k analýze událostí.
  • event_type STRING NOT NULL: Typ události.

Příklady

Další příklady najdete v tématu Dotazování protokolu událostí.

-- View the events on a materialized view
> SELECT timestamp, message, details
  FROM event_log(table(my_mv))
  WHERE level in ('INFO', 'WARN', 'ERROR')
  ORDER BY timestamp;

timestamp, message, details
---------------------------
2023-08-12 01:03:05.000, 'Flow "my_mv" is STARTING.', '{"flow_progress":{"status":"STARTING"}}'

-- Create a temp view with the latest update to the table/pipeline
> CREATE OR REPLACE TEMP VIEW latest_update AS
  SELECT origin.update_id AS id FROM event_log('<pipeline-ID>')
  WHERE event_type = 'create_update' ORDER BY timestamp DESC LIMIT 1;

-- Query lineage information
> SELECT
  details:flow_definition.output_dataset as output_dataset,
  details:flow_definition.input_datasets as input_dataset
FROM
  event_log('<pipeline-ID>'),
  latest_update
WHERE
  event_type = 'flow_definition' AND origin.update_id = latest_update.id;

output_dataset, input_dataset
-----------------------------
customers, null
sales_orders_raw, null
sales_orders_cleaned, ["customers", "sales_orders_raw"]
sales_order_in_la, ["sales_orders_cleaned"]

-- Query data quality expectation history for a streaming table
> WITH expectations_parsed AS (
    SELECT
      explode(
        from_json(
          details:flow_progress.data_quality.expectations,
          "array<struct<name: string, dataset: string, passed_records: int, failed_records: int>>"
        )
      ) row_expectations
    FROM
      event_log(table(my_st)),
      latest_update
    WHERE
      event_type = 'flow_progress'
      AND origin.update_id = latest_update.id
  )
  SELECT
    row_expectations.dataset as dataset,
    row_expectations.name as expectation,
    SUM(row_expectations.passed_records) as passing_records,
    SUM(row_expectations.failed_records) as failing_records
  FROM expectations_parsed
  GROUP BY
    row_expectations.dataset,
    row_expectations.name;

dataset, expectation, passing_records, failing_records
------------------------------------------------------
sales_orders_cleaned, valid_order_number, 4083, 0