Megosztás a következőn keresztül:

event_log táblaértékű függvény

  • Cikk

A következőkre vonatkozik: jelölje be az igennel jelölt jelölőnégyzetet Databricks SQL jelölje be az igennel jelölt jelölőnégyzetet Databricks Runtime 13.3 LTS és újabb

Visszaadja az eseménynaplót a materializált nézetekhez, streamelési táblákhoz és DLT-folyamatokhoz.

További információ a Delta Live Tables eseménynaplójáról.

Feljegyzés

A event_log táblaértékelő függvényt csak a streamelő tábla vagy a materializált nézet tulajdonosa hívhatja meg, a táblaértékelt függvényen event_log létrehozott nézetet pedig csak a streamelő tábla vagy a materializált nézet tulajdonosa kérdezheti le. A nézet nem osztható meg más felhasználókkal.

Syntax

event_log( { TABLE ( table_name ) | pipeline_id } )

Argumentumok

  • table_name: Egy materializált nézet vagy streamelő tábla neve. A név nem tartalmazhat időbeli specifikációt. Ha a név nincs minősítve, a rendszer az aktuális katalógust és sémát használja az azonosító minősítéséhez.
  • pipeline_id: Egy Delta Live Tables-folyamat sztringazonosítója.

Válaszok

  • id STRING NOT NULL: Az eseménynapló rekordjának egyedi azonosítója.
  • sequence STRING NOT NULL: Egy JSON-objektum, amely metaadatokat tartalmaz az események azonosításához és megrendeléséhez.
  • origin STRING NOT NULL: Az esemény eredetének metaadatait tartalmazó JSON-objektum, például felhőszolgáltató, régió user_idvagy pipeline_id.
  • timestamp TIMESTAMP NOT NULL: Az esemény rögzítésének időpontja UTC-ben.
  • message STRING NOT NULL: Az eseményt leíró, ember által olvasható üzenet.
  • level STRING NOT NULL: A naplózás szintje, például INFO, WARN, ERRORvagy METRICS.
  • maturity_level STRING NOT NULL: Az eseményséma stabilitása. A lehetséges értékek a következők:
    • STABLE: A séma stabil, és nem változik.
    • NULL: A séma stabil, és nem változik. Az érték akkor lehet NULL , ha a rekord a maturity_level mező hozzáadása előtt jött létre (2022.37-es kiadás).
    • EVOLVING: A séma nem stabil, és változhat.
    • DEPRECATED: A séma elavult, és a Delta Live Tables futtatókörnyezete bármikor leállhat az esemény előállításával.
  • error STRING: Hiba esetén a hibát leíró részletek.
  • details STRING NOT NULL: Az esemény strukturált részleteit tartalmazó JSON-objektum. Ez az események elemzéséhez használt elsődleges mező.
  • event_type STRING NOT NULL: Az esemény típusa.

Példák

További példákért tekintse meg az eseménynapló lekérdezését.

-- 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