COPY INTO

  • Artikel

Van toepassing op:vinkje als ja aan Databricks SQL vinkje als ja aan Databricks Runtime

Laadt gegevens van een bestandslocatie in een Delta-tabel. Dit is een ophaalbare en idempotente bewerking: bestanden op de bronlocatie die al zijn geladen, worden overgeslagen. Zie Algemene patronen voor het laden van gegevens met COPY INTO voor voorbeelden.

Syntaxis

COPY INTO target_table
  FROM { source_clause |
         ( SELECT expression_list FROM source_clause ) }
  FILEFORMAT = data_source
  [ VALIDATE [ ALL | num_rows ROWS ] ]
  [ FILES = ( file_name [, ...] ) | PATTERN = glob_pattern ]
  [ FORMAT_OPTIONS ( { data_source_reader_option = value } [, ...] ) ]
  [ COPY_OPTIONS ( { copy_option = value } [, ...] ) ]

source_clause
  source [ WITH ( [ CREDENTIAL { credential_name |
                                 (temporary_credential_options) } ]
                  [ ENCRYPTION (encryption_options) ] ) ]

Parameters

  • target_table

    Identificeert een bestaande Delta-tabel. De target_table mag geen tijdelijke specificatie bevatten.

    Als de tabelnaam wordt opgegeven in de vorm van een locatie, zoals: delta.`/path/to/table` , kan Unity Catalog de toegang beheren tot de locaties waarnaar wordt geschreven. U kunt schrijven naar een externe locatie door:

    • De locatie definiëren als een externe locatie en machtigingen hebben WRITE FILES voor die externe locatie.
    • Machtigingen hebben WRITE FILES voor een benoemde opslagreferentie die autorisatie bieden om naar een locatie te schrijven met behulp van: COPY INTO delta.`/some/location` WITH (CREDENTIAL <named-credential>)

    Zie Verbinding maken naar cloudobjectopslag met behulp van Unity Catalog voor meer informatie.

  • source

    De bestandslocatie waaruit de gegevens moeten worden geladen. Bestanden op deze locatie moeten de indeling hebben die is opgegeven in FILEFORMAT. De locatie wordt opgegeven in de vorm van een URI.

    Toegang tot de bronlocatie kan worden geboden via:

    • credential_name

      Optionele naam van de referentie die wordt gebruikt voor toegang tot of schrijven naar de opslaglocatie. U gebruikt deze referentie alleen als de bestandslocatie niet is opgenomen in een externe locatie. Zie credential_name.

    • Tijdelijke referenties inline.

    • De bronlocatie definiëren als een externe locatie en machtigingen hebben READ FILES voor de externe locatie via Unity Catalog.

    • Een benoemde opslagreferentie gebruiken met READ FILES machtigingen die autorisatie bieden om vanaf een locatie te lezen via Unity Catalog.

    U hoeft geen inline- of benoemde referenties op te geven als het pad al is gedefinieerd als een externe locatie waarvoor u machtigingen hebt om te gebruiken. Zie Een externe locatie maken om cloudopslag te verbinden met Azure Databricks voor meer informatie.

    Notitie

    Als het pad naar het bronbestand een hoofdpad is, voegt u bijvoorbeeld een slash (/) toe aan het einde van het bestandspad s3://my-bucket/.

    Geaccepteerde referentieopties zijn:

    • AZURE_SAS_TOKEN voor ADLS Gen2 en Azure Blob Storage
    • AWS_ACCESS_KEY, AWS_SECRET_KEYen AWS_SESSION_TOKEN voor AWS S3

    Geaccepteerde versleutelingsopties zijn:

    • TYPE = 'AWS_SSE_C'en MASTER_KEY voor AWS S3

Zie Gegevens laden met COPY INTO met tijdelijke referenties.

  • SELECT expression_list

    Selecteert de opgegeven kolommen of expressies uit de brongegevens voordat u naar de Delta-tabel kopieert. De expressies kunnen alles zijn wat u gebruikt met SELECT instructies, waaronder vensterbewerkingen. U kunt aggregatie-expressies alleen gebruiken voor globale statistische functies. U kunt geen GROUP BY kolommen met deze syntaxis gebruiken.

  • FILEFORMAT = data_source

    De indeling van de bronbestanden die moeten worden geladen. Een van CSV, , JSON, AVRO, PARQUETORC, , , . TEXTBINARYFILE

  • VALIDATE

    Van toepassing op:vinkje als ja aan Databricks SQL vinkje als ja aan Databricks Runtime 10.4 LTS en hoger

    De gegevens die in een tabel moeten worden geladen, worden gevalideerd, maar niet naar de tabel geschreven. Deze validaties zijn onder andere:

    • Of de gegevens kunnen worden geparseerd.
    • Of het schema overeenkomt met dat van de tabel of dat het schema moet worden ontwikkeld.
    • Of aan alle null-waarden en controlebeperkingen wordt voldaan.

    De standaardinstelling is om alle gegevens te valideren die moeten worden geladen. U kunt een aantal rijen opgeven dat moet worden gevalideerd met het ROWS trefwoord, zoals VALIDATE 15 ROWS. De COPY INTO instructie retourneert een voorbeeld van de gegevens van 50 rijen of minder wanneer een aantal minder dan 50 wordt gebruikt met het ROWS trefwoord).

  • FILES

    Een lijst met bestandsnamen die moeten worden geladen, met een limiet van 1000 bestanden. Kan niet worden opgegeven met PATTERN.

  • PATTERN

    Een glob-patroon dat de bestanden identificeert die moeten worden geladen vanuit de bronmap. Kan niet worden opgegeven met FILES.

    Patroon Beschrijving
    ? Komt overeen met één teken
    * Komt overeen met nul of meer tekens
    [abc] Komt overeen met één teken uit de tekenset {a,b,c}.
    [a-z] Komt overeen met één teken uit het tekenbereik {a... z}.
    [^a] Komt overeen met één teken dat niet afkomstig is uit de tekenset of het bereik {a}. Houd er rekening mee dat het ^ teken direct rechts van de haak openen moet plaatsvinden.
    {ab,cd} Komt overeen met een tekenreeks uit de reeks {ab, cd}.
    {ab,c{de, fh}} Komt overeen met een tekenreeks uit de reeks {ab, cde, cfh}.

  • FORMAT_OPTIONS

    Opties die moeten worden doorgegeven aan de Apache Spark-gegevensbronlezer voor de opgegeven indeling. Zie Indelingsopties voor elke bestandsindeling.

  • COPY_OPTIONS

    Opties voor het beheren van de bewerking van de COPY INTO opdracht.

    • force: Booleaanse waarde, standaard false. Als deze optie is ingesteld true, is idempotentie uitgeschakeld en worden bestanden geladen, ongeacht of ze eerder zijn geladen.
    • mergeSchema: Booleaanse waarde, standaard false. Als dit is ingesteld true, kan het schema worden ontwikkeld op basis van de binnenkomende gegevens.

Gelijktijdig aanroepen COPY INTO

COPY INTO ondersteunt gelijktijdige aanroepen voor dezelfde tabel. Zolang COPY INTO elke aanroep gelijktijdig wordt aangeroepen voor afzonderlijke sets invoerbestanden, moet elke aanroep uiteindelijk slagen, anders krijgt u een transactieconflict. COPY INTO mag niet gelijktijdig worden aangeroepen om de prestaties te verbeteren; een enkele COPY INTO opdracht met meerdere bestanden presteert doorgaans beter dan het uitvoeren van gelijktijdige COPY INTO opdrachten met elk één bestand. COPY INTO kan gelijktijdig worden aangeroepen wanneer:

  • Meerdere gegevensproducenten hebben geen eenvoudige manier om te coördineren en kunnen niet één aanroep maken.
  • Wanneer een zeer grote map kan worden opgenomen submap per submap. Wanneer u directory's met een zeer groot aantal bestanden opneemt, raadt Databricks het gebruik van Auto Loader indien mogelijk aan.

Metagegevens van access-bestanden

Zie de kolom Bestandsmetagegevens voor meer informatie over het openen van metagegevens voor op bestanden gebaseerde gegevensbronnen.

Opmaakopties

Algemene opties

De volgende opties zijn van toepassing op alle bestandsindelingen.

Optie
ignoreCorruptFiles

Type: Boolean

Of beschadigde bestanden moeten worden genegeerd. Indien waar, worden de Spark-taken nog steeds uitgevoerd wanneer er beschadigde bestanden worden aangeroepen en de inhoud die is gelezen nog steeds wordt geretourneerd. Waarneembaar zoals numSkippedCorruptFiles in de
operationMetrics kolom van de Delta Lake-geschiedenis. Beschikbaar in Databricks Runtime 11.3 LTS en hoger.

Standaardwaarde: false
ignoreMissingFiles

Type: Boolean

Of ontbrekende bestanden moeten worden genegeerd. Indien waar, blijven de Spark-taken worden uitgevoerd wanneer er ontbrekende bestanden optreden en wordt de inhoud die is gelezen nog steeds geretourneerd. Beschikbaar in Databricks Runtime 11.3 LTS en hoger.

Standaardwaarde: false (true voor COPY INTO)
modifiedAfter

Type: Timestamp Stringbijvoorbeeld 2021-01-01 00:00:00.000000 UTC+0

Een optionele tijdstempel voor het opnemen van bestanden met een wijzigingstijdstempel na de opgegeven tijdstempel.

Standaardwaarde: Geen
modifiedBefore

Type: Timestamp Stringbijvoorbeeld 2021-01-01 00:00:00.000000 UTC+0

Een optionele tijdstempel voor het opnemen van bestanden met een wijzigingstijdstempel vóór de opgegeven tijdstempel.

Standaardwaarde: Geen
pathGlobFilter of fileNamePattern

Type: String

Een potentieel globpatroon om bestanden te kiezen. Gelijk aan
PATTERN in COPY INTO. fileNamePattern kan worden gebruikt in read_files.

Standaardwaarde: Geen
recursiveFileLookup

Type: Boolean

Of partitiedeductie tijdens schemadeductie moet worden overgeslagen. Dit heeft geen invloed op welke bestanden worden geladen.

Standaardwaarde: false

JSON Opties

Optie
allowBackslashEscapingAnyCharacter

Type: Boolean

Of backslashes mogen ontsnappen aan elk teken dat slaagt. Als dit niet is ingeschakeld, kunnen alleen tekens die expliciet worden vermeld door de JSON-specificatie, worden ontsnapt.

Standaardwaarde: false
allowComments

Type: Boolean

Of het gebruik van opmerkingen in java-, C- en C++-stijl ('/', '*'en '//' variëteiten) binnen geparseerde inhoud al dan niet is toegestaan.

Standaardwaarde: false
allowNonNumericNumbers

Type: Boolean

Hiermee wordt aangegeven of de set tokens zonder getal (NaN) mag worden toegestaan als juridische zwevende getalwaarden.

Standaardwaarde: true
allowNumericLeadingZeros

Type: Boolean

Of u wilt toestaan dat integrale getallen beginnen met extra (negeerbare) nullen (bijvoorbeeld 000001).

Standaardwaarde: false
allowSingleQuotes

Type: Boolean

Hiermee wordt aangegeven of het gebruik van enkele aanhalingstekens (apostrof, teken '\') moet worden gebruikt voor het aanhalen van tekenreeksen (namen en tekenreekswaarden).

Standaardwaarde: true
allowUnquotedControlChars

Type: Boolean

Of JSON-tekenreeksen niet-gescaped besturingstekens bevatten (ASCII-tekens met een waarde kleiner dan 32, inclusief tab- en regelinvoertekens) of niet.

Standaardwaarde: false
allowUnquotedFieldNames

Type: Boolean

Of u het gebruik van niet-aanhalingeerde veldnamen wilt toestaan (die zijn toegestaan door JavaScript, maar niet door de JSON-specificatie).

Standaardwaarde: false
badRecordsPath

Type: String

Het pad naar het opslaan van bestanden voor het vastleggen van de informatie over ongeldige JSON-records.

Standaardwaarde: Geen
columnNameOfCorruptRecord

Type: String

De kolom voor het opslaan van records die ongeldig zijn en die niet kunnen worden geparseerd. Als het mode voor parseren is ingesteld als DROPMALFORMED, is deze kolom leeg.

Standaardwaarde: _corrupt_record
dateFormat

Type: String

De notatie voor het parseren van datumtekenreeksen.

Standaardwaarde: yyyy-MM-dd
dropFieldIfAllNull

Type: Boolean

Of kolommen van alle null-waarden of lege matrices en structs tijdens schemadeductie moeten worden genegeerd.

Standaardwaarde: false
encoding of charset

Type: String

De naam van de codering van de JSON-bestanden. Zie java.nio.charset.Charset voor een lijst met opties. U kunt niet gebruiken UTF-16 en UTF-32 wanneer multiline is true.

Standaardwaarde: UTF-8
inferTimestamp

Type: Boolean

Of u tijdstempeltekenreeksen wilt afleiden als een TimestampType. Wanneer ingesteld op
true, kan het aanzienlijk langer duren voordat schemadeductie aanzienlijk langer duurt. U moet inschakelen cloudFiles.inferColumnTypes voor gebruik met automatisch laden.

Standaardwaarde: false
lineSep

Type: String

Een tekenreeks tussen twee opeenvolgende JSON-records.

Standaardwaarde: Geen, die betrekking heeft \rop , \r\nen \n
locale

Type: String

Een java.util.Locale id. Beïnvloedt de standaarddatum, tijdstempel en decimale parsering binnen de JSON.

Standaardwaarde: US
mode

Type: String

Parsermodus voor het verwerken van onjuiste records. Eén van 'PERMISSIVE',
'DROPMALFORMED', of 'FAILFAST'.

Standaardwaarde: PERMISSIVE
multiLine

Type: Boolean

Of de JSON-records meerdere regels omvatten.

Standaardwaarde: false
prefersDecimal

Type: Boolean

Probeert tekenreeksen af te stellen zoals DecimalType in plaats van float of dubbel type, indien mogelijk. U moet ook schemadeductie gebruiken door het inschakelen van
inferSchema of met cloudFiles.inferColumnTypes automatisch laadprogramma gebruiken.

Standaardwaarde: false
primitivesAsString

Type: Boolean

Of primitieve typen als getallen en booleaanse waarden moeten worden afgeleid.StringType

Standaardwaarde: false
readerCaseSensitive

Type: Boolean

Hiermee geeft u het hoofdlettergevoeligheidsgedrag op wanneer rescuedDataColumn deze is ingeschakeld. Indien waar, redt u de gegevenskolommen waarvan de namen verschillen per geval van het schema; lees anders de gegevens op een niet-hoofdlettergevoelige manier. Beschikbaar in Databricks Runtime
13.3 en hoger.

Standaardwaarde: true
rescuedDataColumn

Type: String

Of u alle gegevens wilt verzamelen die niet kunnen worden geparseerd als gevolg van een niet-overeenkomend gegevenstype of niet-overeenkomende schema's (inclusief kolombehuizing) naar een afzonderlijke kolom. Deze kolom wordt standaard opgenomen bij het gebruik van automatisch laden. Raadpleeg wat is de kolom met geredde gegevens voor meer informatie.

Standaardwaarde: Geen
timestampFormat

Type: String

De notatie voor tijdstempeltekenreeksen parseren.

Standaardwaarde: yyyy-MM-dd'T'HH:mm:ss[.SSS][XXX]
timeZone

Type: String

De java.time.ZoneId te gebruiken bij het parseren van tijdstempels en datums.

Standaardwaarde: Geen

CSV Opties

Optie
badRecordsPath

Type: String

Het pad naar het opslaan van bestanden voor het vastleggen van de informatie over ongeldige CSV-records.

Standaardwaarde: Geen
charToEscapeQuoteEscaping

Type: Char

Het teken dat wordt gebruikt om te ontsnappen aan het teken dat wordt gebruikt voor escape-aanhalingstekens. Bijvoorbeeld voor de volgende record: [ " a\\", b ]

* Als het teken om te ontsnappen aan het '\' teken niet is gedefinieerd, wordt de record niet geparseerd. De parser leest tekens en [a],[\],["],[,],[ ],[b] genereert een fout omdat er geen slotcitaat kan worden gevonden.
* Als het teken om te ontsnappen aan de '\' is gedefinieerd, '\'wordt de record gelezen met 2 waarden: [a\] en [b].

Standaardwaarde: '\0'
columnNameOfCorruptRecord

> [! OPMERKING] >> Ondersteund voor automatisch laden. Niet ondersteund voor COPY INTO.

Type: String

De kolom voor het opslaan van records die ongeldig zijn en die niet kunnen worden geparseerd. Als het mode voor parseren is ingesteld als DROPMALFORMED, is deze kolom leeg.

Standaardwaarde: _corrupt_record
comment

Type: Char

Hiermee definieert u het teken dat een regelcommentaar aangeeft wanneer deze wordt gevonden aan het begin van een tekstregel. Hiermee '\0' schakelt u het overslaan van opmerkingen uit.

Standaardwaarde: '\u0000'
dateFormat

Type: String

De notatie voor het parseren van datumtekenreeksen.

Standaardwaarde: yyyy-MM-dd
emptyValue

Type: String

Tekenreeksweergave van een lege waarde.

Standaardwaarde: ""
encoding of charset

Type: String

De naam van de codering van de CSV-bestanden. Zie java.nio.charset.Charset voor de lijst met opties. UTF-16en UTF-32 kan niet worden gebruikt wanneer multiline .true

Standaardwaarde: UTF-8
enforceSchema

Type: Boolean

Of u het opgegeven of afgeleid schema geforceerd wilt toepassen op de CSV-bestanden. Als de optie is ingeschakeld, worden headers van CSV-bestanden genegeerd. Deze optie wordt standaard genegeerd wanneer u AutoLoader gebruikt om gegevens te redden en schemaontwikkeling mogelijk te maken.

Standaardwaarde: true
escape

Type: Char

Het escape-teken dat moet worden gebruikt bij het parseren van de gegevens.

Standaardwaarde: '\'
header

Type: Boolean

Of de CSV-bestanden een koptekst bevatten. Auto Loader gaat ervan uit dat bestanden headers hebben bij het uitstellen van het schema.

Standaardwaarde: false
ignoreLeadingWhiteSpace

Type: Boolean

Of u voorloopspaties voor elke geparseerde waarde wilt negeren.

Standaardwaarde: false
ignoreTrailingWhiteSpace

Type: Boolean

Hiermee wordt aangegeven of u volgspaties voor elke geparseerde waarde wilt negeren.

Standaardwaarde: false
inferSchema

Type: Boolean

Of u de gegevenstypen van de geparseerde CSV-records wilt afleiden of ervan wilt uitgaan dat alle kolommen van StringTypezijn. Vereist een extra pass over de gegevens indien ingesteld op true. Gebruik in plaats daarvan voor autolaadprogramma's cloudFiles.inferColumnTypes .

Standaardwaarde: false
lineSep

Type: String

Een tekenreeks tussen twee opeenvolgende CSV-records.

Standaardwaarde: Geen, die betrekking heeft \rop , \r\nen \n
locale

Type: String

Een java.util.Locale id. Beïnvloedt de standaarddatum, tijdstempel en decimale parsering in het CSV-bestand.

Standaardwaarde: US
maxCharsPerColumn

Type: Int

Maximum aantal tekens dat wordt verwacht van een waarde om te parseren. Kan worden gebruikt om geheugenfouten te voorkomen. Standaard ingesteld -1op , wat onbeperkt betekent.

Standaardwaarde: -1
maxColumns

Type: Int

De vaste limiet van het aantal kolommen dat een record kan hebben.

Standaardwaarde: 20480
mergeSchema

Type: Boolean

Of u het schema wilt afleiden over meerdere bestanden en het schema van elk bestand wilt samenvoegen. Standaard ingeschakeld voor automatisch laden bij het uitstellen van het schema.

Standaardwaarde: false
mode

Type: String

Parsermodus voor het verwerken van onjuiste records. Eén van 'PERMISSIVE',
'DROPMALFORMED', en 'FAILFAST'.

Standaardwaarde: PERMISSIVE
multiLine

Type: Boolean

Of de CSV-records meerdere regels omvatten.

Standaardwaarde: false
nanValue

Type: String

De tekenreeksweergave van een niet-een-getalwaarde bij het parseren FloatType en DoubleType kolommen.

Standaardwaarde: "NaN"
negativeInf

Type: String

De tekenreeksweergave van negatief oneindigheid bij het parseren FloatType of DoubleType kolommen.

Standaardwaarde: "-Inf"
nullValue

Type: String

Tekenreeksweergave van een null-waarde.

Standaardwaarde: ""
parserCaseSensitive (afgeschaft)

Type: Boolean

Tijdens het lezen van bestanden, of kolommen moeten worden uitgelijnd in de koptekst met het schema, hoofdlettergevoelig. Dit is true standaard voor autolaadprogramma's. Kolommen die per geval verschillen, worden in de rescuedDataColumn indien ingeschakelde kolom gered. Deze optie is afgeschaft ten gunste van readerCaseSensitive.

Standaardwaarde: false
positiveInf

Type: String

De tekenreeksweergave van positief oneindigheid bij het parseren FloatType of DoubleType kolommen.

Standaardwaarde: "Inf"
preferDate

Type: Boolean

Probeert tekenreeksen af te stellen als datums in plaats van tijdstempel, indien mogelijk. U moet ook schemadeductie gebruiken door het inschakelen inferSchema of gebruiken van
cloudFiles.inferColumnTypes met automatisch laadprogramma.

Standaardwaarde: true
quote

Type: Char

Het teken dat wordt gebruikt voor het ontsnappen van waarden waarbij het veldscheidingsteken deel uitmaakt van de waarde.

Standaardwaarde: "
readerCaseSensitive

Type: Boolean

Hiermee geeft u het hoofdlettergevoeligheidsgedrag op wanneer rescuedDataColumn deze is ingeschakeld. Indien waar, redt u de gegevenskolommen waarvan de namen verschillen per geval van het schema; lees anders de gegevens op een niet-hoofdlettergevoelige manier.

Standaardwaarde: true
rescuedDataColumn

Type: String

Of u alle gegevens wilt verzamelen die niet kunnen worden geparseerd vanwege: een gegevenstype komt niet overeen en het schema komt niet overeen (inclusief kolombehuizing) in een afzonderlijke kolom. Deze kolom wordt standaard opgenomen bij het gebruik van automatisch laden. Raadpleeg wat is de kolom met geredde gegevens voor meer informatie.

Standaardwaarde: Geen
sep of delimiter

Type: String

De scheidingstekenreeks tussen kolommen.

Standaardwaarde: ","
skipRows

Type: Int

Het aantal rijen vanaf het begin van het CSV-bestand dat moet worden genegeerd (inclusief opmerkingen en lege rijen). Als header waar is, is de kop de eerste niet-overgeslagen en niet-commentaarrij.

Standaardwaarde: 0
timestampFormat

Type: String

De notatie voor tijdstempeltekenreeksen parseren.

Standaardwaarde: yyyy-MM-dd'T'HH:mm:ss[.SSS][XXX]
timeZone

Type: String

De java.time.ZoneId te gebruiken bij het parseren van tijdstempels en datums.

Standaardwaarde: Geen
unescapedQuoteHandling

Type: String

De strategie voor het verwerken van ongezichtige koersen. Toegestane opties:

* STOP_AT_CLOSING_QUOTE: Als er onopgezichtige aanhalingstekens worden gevonden in de invoer, verzamelt u het aanhalingsteken en gaat u verder met het parseren van de waarde als een aanhalingsteken, totdat er een aanhalingsteken wordt gevonden.
* BACK_TO_DELIMITER: Als er onopgemerkte aanhalingstekens worden gevonden in de invoer, kunt u de waarde beschouwen als een niet-aanhalingsteken. Hierdoor verzamelt de parser alle tekens van de huidige geparseerde waarde totdat het scheidingsteken dat is gedefinieerd door sep is gevonden. Als er geen scheidingsteken in de waarde wordt gevonden, blijft de parser tekens uit de invoer accumuleren totdat een scheidingsteken of regeleinde is gevonden.
* STOP_AT_DELIMITER: Als er onopgemerkte aanhalingstekens worden gevonden in de invoer, kunt u de waarde beschouwen als een niet-aanhalingsteken. Hierdoor wordt de parser alle tekens verzameld totdat het scheidingsteken dat is gedefinieerd door sep, of een regeleinde wordt gevonden in de invoer.
* SKIP_VALUE: Als niet-gescaped aanhalingstekens in de invoer worden gevonden, wordt de inhoud die voor de opgegeven waarde wordt geparseerd (totdat het volgende scheidingsteken is gevonden) en wordt de waardeset nullValue geproduceerd.
* RAISE_ERROR: Als er ongezichtige aanhalingstekens worden gevonden in de invoer, is een
TextParsingException zal worden gegooid.

Standaardwaarde: STOP_AT_DELIMITER

XML Opties

Optie Omschrijving Bereik
rowTag De rijtag van de XML-bestanden die moeten worden behandeld als een rij. In het voorbeeld-XML <books> <book><book>...<books>is bookde juiste waarde. Dit is een vereiste optie. lezen
samplingRatio Definieert een fractie van rijen die worden gebruikt voor schemadeductie. Ingebouwde XML-functies negeren deze optie. Standaard: 1.0. lezen
excludeAttribute Of kenmerken in elementen moeten worden uitgesloten. Standaard: false. lezen
mode Modus voor het verwerken van beschadigde records tijdens het parseren.

PERMISSIVE: Voor beschadigde records plaatst u de ongeldige tekenreeks in een veld dat is geconfigureerd door columnNameOfCorruptRecorden stelt u onjuiste velden in op null. Als u beschadigde records wilt behouden, kunt u een string typeveld instellen met de naam columnNameOfCorruptRecord in een door de gebruiker gedefinieerd schema. Als een schema het veld niet heeft, worden beschadigde records verwijderd tijdens het parseren. Bij het uitstellen van een schema voegt de parser impliciet een columnNameOfCorruptRecord veld toe aan een uitvoerschema.

DROPMALFORMED: Hiermee worden beschadigde records genegeerd. Deze modus wordt niet ondersteund voor ingebouwde XML-functies.

FAILFAST: Genereert een uitzondering wanneer de parser voldoet aan beschadigde records.		 lezen
inferSchema Als true, wordt geprobeerd een geschikt type voor elke resulterende DataFrame-kolom af te leiden. Als falsealle resulterende kolommen van het string type zijn. Standaardinstelling:
true. Ingebouwde XML-functies negeren deze optie.		 lezen
columnNameOfCorruptRecord Hiermee kunt u de naam van het nieuwe veld wijzigen dat een ongeldige tekenreeks bevat die is gemaakt door
PERMISSIVE Modus. Standaard: spark.sql.columnNameOfCorruptRecord.		 lezen
attributePrefix Het voorvoegsel voor kenmerken om kenmerken te onderscheiden van elementen. Dit is het voorvoegsel voor veldnamen. Standaard is _. Kan leeg zijn voor het lezen van XML, maar niet voor schrijven. lezen, schrijven
valueTag De tag die wordt gebruikt voor de tekengegevens in elementen die ook kenmerk(en) of onderliggende elementen bevatten. Gebruiker kan het valueTag veld in het schema opgeven of het wordt automatisch toegevoegd tijdens schemadeductie wanneer tekengegevens aanwezig zijn in elementen met andere elementen of kenmerken. Standaardwaarde: _VALUE lezen, schrijven
encoding Voor het lezen decodeert u de XML-bestanden op basis van het opgegeven coderingstype. Voor schrijven geeft u codering (charset) van opgeslagen XML-bestanden op. Ingebouwde XML-functies negeren deze optie. Standaard: UTF-8. lezen, schrijven
ignoreSurroundingSpaces Hiermee bepaalt u of de omringende spaties van waarden die worden gelezen, moeten worden overgeslagen. Standaard: true. Alleen-witruimtegegevens worden genegeerd. lezen
rowValidationXSDPath Pad naar een optioneel XSD-bestand dat wordt gebruikt om de XML voor elke rij afzonderlijk te valideren. Rijen die niet kunnen worden gevalideerd, worden behandeld als parseringsfouten zoals hierboven. De XSD is anders niet van invloed op het opgegeven schema of afgeleid. lezen
ignoreNamespace Als truede voorvoegsels van naamruimten op XML-elementen en -kenmerken worden genegeerd. Tags <abc:author> en <def:author>, bijvoorbeeld, worden behandeld alsof ze alleen <author>zijn. Naamruimten kunnen niet worden genegeerd op het rowTag element, alleen de leesliggende onderliggende elementen. XML-parsering is niet naamruimtebewust, zelfs niet als false. Standaard: false. lezen
timestampFormat Aangepaste tekenreeks voor tijdstempelnotatie die de datum/tijd-patroonnotatie volgt. Dit is van toepassing op timestamp het type. Standaard: yyyy-MM-dd'T'HH:mm:ss[.SSS][XXX]. lezen, schrijven
timestampNTZFormat Aangepaste notatietekenreeks voor tijdstempel zonder tijdzone die de notatie datum/tijd volgt. Dit is van toepassing op het type TimestampNTZType. Standaardinstelling:
yyyy-MM-dd'T'HH:mm:ss[.SSS]		 lezen, schrijven
dateFormat Tekenreeks voor aangepaste datumnotatie die de datum/tijd-patroonnotatie volgt. Dit is van toepassing op het datumtype. Standaard: yyyy-MM-dd. lezen, schrijven
locale Hiermee stelt u een landinstelling in als taaltag in IETF BCP 47-indeling. Wordt bijvoorbeeld locale gebruikt tijdens het parseren van datums en tijdstempels. Standaard: en-US. lezen
rootTag Hoofdtag van de XML-bestanden. De juiste waarde is booksbijvoorbeeld <books> <book><book>...</books>in . U kunt basiskenmerken opnemen door een waarde op te geven zoals books foo="bar". Standaard: ROWS. schrijven
declaration Inhoud van XML-declaratie die moet worden geschreven aan het begin van elk XML-uitvoerbestand, vóór de rootTag. Bijvoorbeeld een waarde van foo oorzaken <?xml foo?> die worden geschreven. Ingesteld op een lege tekenreeks die moet worden onderdrukt. Standaardwaarde: version="1.0"
encoding="UTF-8" standalone="yes".		 schrijven
arrayElementName De naam van het XML-element dat elk element van een kolom met matrixwaarden omsluit bij het schrijven. Standaard: item. schrijven
nullValue Hiermee stelt u de tekenreeksweergave van een null-waarde in. Standaard: tekenreeks null. Als dit het geval is null, schrijft de parser geen kenmerken en elementen voor velden. lezen, schrijven
compression Compressiecode die moet worden gebruikt bij het opslaan in een bestand. Dit kan een van de bekende niet-hoofdlettergevoelige verkorte namen zijn (nonebzip2, , gzip,lz4, snappy', and<br>deflate'). Ingebouwde XML-functies negeren deze optie. Standaard: none. schrijven
validateName Als waar is, treedt er een fout op bij validatiefout voor XML-elementnamen. SQL-veldnamen kunnen bijvoorbeeld spaties bevatten, maar namen van XML-elementen kunnen niet worden gebruikt. Standaardinstelling:
true.		 schrijven
readerCaseSensitive Hiermee geeft u het hoofdlettergevoeligheidsgedrag op wanneer rescuedDataColumn is ingeschakeld. Indien waar, redt u de gegevenskolommen waarvan de namen verschillen per geval van het schema; lees anders de gegevens op een niet-hoofdlettergevoelige manier. Standaard: true. lezen
rescuedDataColumn Of u alle gegevens wilt verzamelen die niet kunnen worden geparseerd vanwege een niet-overeenkomend gegevenstype en niet-overeenkomende schema's (inclusief kolombehuizing) naar een afzonderlijke kolom. Deze kolom wordt standaard opgenomen bij het gebruik van automatisch laden. Zie Wat is de kolom met geredde gegevens voor meer informatie. Standaard: Geen. lezen

PARQUET Opties

Optie
datetimeRebaseMode

Type: String

Hiermee bepaalt u de rebasing van de DATUM- en TIJDSTEMPEL-waarden tussen Julian- en Proleptische Gregoriaanse kalenders. Toegestane waarden: EXCEPTION, LEGACYen
CORRECTED.

Standaardwaarde: LEGACY
int96RebaseMode

Type: String

Hiermee bepaalt u de rebasing van de INT96-tijdstempelwaarden tussen Julian- en Proleptische Gregoriaanse kalenders. Toegestane waarden: EXCEPTION, LEGACYen
CORRECTED.

Standaardwaarde: LEGACY
mergeSchema

Type: Boolean

Of u het schema wilt afleiden over meerdere bestanden en het schema van elk bestand wilt samenvoegen.

Standaardwaarde: false
readerCaseSensitive

Type: Boolean

Hiermee geeft u het hoofdlettergevoeligheidsgedrag op wanneer rescuedDataColumn deze is ingeschakeld. Indien waar, redt u de gegevenskolommen waarvan de namen verschillen per geval van het schema; lees anders de gegevens op een niet-hoofdlettergevoelige manier.

Standaardwaarde: true
rescuedDataColumn

Type: String

Of u alle gegevens wilt verzamelen die niet kunnen worden geparseerd vanwege: een gegevenstype komt niet overeen en het schema komt niet overeen (inclusief kolombehuizing) in een afzonderlijke kolom. Deze kolom wordt standaard opgenomen bij het gebruik van automatisch laden. Raadpleeg wat is de kolom met geredde gegevens voor meer informatie.

Standaardwaarde: Geen

AVRO Opties

Optie
avroSchema

Type: String

Optioneel schema dat wordt geleverd door een gebruiker in Avro-indeling. Bij het lezen van Avro kan deze optie worden ingesteld op een ontwikkeld schema, dat compatibel is maar anders is met het werkelijke Avro-schema. Het deserialisatieschema is consistent met het ontwikkelde schema. Als u bijvoorbeeld een ontwikkeld schema instelt dat één extra kolom met een standaardwaarde bevat, bevat het leesresultaat ook de nieuwe kolom.

Standaardwaarde: Geen
datetimeRebaseMode

Type: String

Hiermee bepaalt u de rebasing van de DATUM- en TIJDSTEMPEL-waarden tussen Julian- en Proleptische Gregoriaanse kalenders. Toegestane waarden: EXCEPTION, LEGACYen
CORRECTED.

Standaardwaarde: LEGACY
mergeSchema

Type: Boolean

Of u het schema wilt afleiden over meerdere bestanden en het schema van elk bestand wilt samenvoegen.
mergeSchema Voor Avro worden gegevenstypen niet versoepelingd.

Standaardwaarde: false
readerCaseSensitive

Type: Boolean

Hiermee geeft u het hoofdlettergevoeligheidsgedrag op wanneer rescuedDataColumn deze is ingeschakeld. Indien waar, redt u de gegevenskolommen waarvan de namen verschillen per geval van het schema; lees anders de gegevens op een niet-hoofdlettergevoelige manier.

Standaardwaarde: true
rescuedDataColumn

Type: String

Of u alle gegevens wilt verzamelen die niet kunnen worden geparseerd vanwege: een gegevenstype komt niet overeen en het schema komt niet overeen (inclusief kolombehuizing) in een afzonderlijke kolom. Deze kolom wordt standaard opgenomen bij het gebruik van automatisch laden. Raadpleeg wat is de kolom met geredde gegevens voor meer informatie.

Standaardwaarde: Geen

BINARYFILE Opties

Binaire bestanden hebben geen extra configuratieopties.

TEXT Opties

Optie
encoding

Type: String

De naam van de codering van de TEKSTBESTANDen. Zie java.nio.charset.Charset voor een lijst met opties.

Standaardwaarde: UTF-8
lineSep

Type: String

Een tekenreeks tussen twee opeenvolgende TEKST-records.

Standaardwaarde: Geen, die betrekking heeft op \ren \r\n\n
wholeText

Type: Boolean

Of u een bestand als één record wilt lezen.

Standaardwaarde: false

ORC Opties

Optie
mergeSchema

Type: Boolean

Of u het schema wilt afleiden over meerdere bestanden en het schema van elk bestand wilt samenvoegen.

Standaardwaarde: false