kullanarak yaygın veri yükleme desenleri COPY INTO
Dosya kaynaklarından Delta Lake'e veri yüklemek için kullanmaya COPY INTO
yönelik yaygın desenleri öğrenin.
kullanmak COPY INTO
için birçok seçenek vardır. Bu desenlerle birlikte COPY INTO ile geçici kimlik bilgilerini de kullanabilirsiniz.
Tüm seçeneklerin tam başvurusu için bkz . COPY INTO .
için hedef tablolar oluşturma COPY INTO
COPY INTO
mevcut bir Delta tablosunu hedeflemelidir.
CREATE TABLE IF NOT EXISTS my_table
[(col_1 col_1_type, col_2 col_2_type, ...)]
[COMMENT <table-description>]
[TBLPROPERTIES (<table-properties>)];
Databricks Runtime 11.3 LTS ve üzerinde, bu tabloların şemasını ayarlamak, şema evrimini destekleyen biçimler için isteğe bağlıdır. Ayrıntılar için bkz . COPY INTO kullanarak şema çıkarımı ve evrimi.
kullanarak JSON verilerini yükleme COPY INTO
Aşağıdaki örnek, Azure Data Lake Storage 2. Nesil(ADLS 2. Nesil) içindeki beş dosyadan JSON verilerini adlı my_json_data
Delta tablosuna yükler. Bu tablonun yürütülebilmesi için önce COPY INTO
oluşturulması gerekir. Herhangi bir veri dosyalardan birinden zaten yüklenmişse, bu dosya için veriler yeniden yüklenmez.
COPY INTO my_json_data
FROM 'abfss://container@storageAccount.dfs.core.windows.net/base/path'
FILEFORMAT = JSON
FILES = ('f1.json', 'f2.json', 'f3.json', 'f4.json', 'f5.json')
-- The second execution will not copy any data since the first command already loaded the data
COPY INTO my_json_data
FROM 'abfss://container@storageAccount.dfs.core.windows.net/base/path'
FILEFORMAT = JSON
FILES = ('f1.json', 'f2.json', 'f3.json', 'f4.json', 'f5.json')
Kullanarak Avro verilerini yükleme COPY INTO
Aşağıdaki örnek, deyiminin bir parçası olarak ek SQL ifadeleri kullanarak ADLS 2. Nesil'de SELECT
Avro verilerini yükler.
COPY INTO my_delta_table
FROM (SELECT to_date(dt) dt, event as measurement, quantity::double
FROM 'abfss://container@storageAccount.dfs.core.windows.net/base/path')
FILEFORMAT = AVRO
KULLANARAK CSV dosyalarını yükleme COPY INTO
Aşağıdaki örnek, altındaki abfss://container@storageAccount.dfs.core.windows.net/base/path/folder1
Azure Data Lake Storage 2. Nesil CSV dosyalarını bir Delta tablosuna yükler.
COPY INTO target_table
FROM (SELECT key, index, textData, 'constant_value'
FROM 'abfss://container@storageAccount.dfs.core.windows.net/base/path')
FILEFORMAT = CSV
PATTERN = 'folder1/file_[a-g].csv'
FORMAT_OPTIONS('header' = 'true')
-- The example below loads CSV files without headers in ADLS Gen2 using COPY INTO.
-- By casting the data and renaming the columns, you can put the data in the schema you want
COPY INTO target_table
FROM (SELECT _c0::bigint key, _c1::int index, _c2 textData
FROM 'abfss://container@storageAccount.dfs.core.windows.net/base/path')
FILEFORMAT = CSV
PATTERN = 'folder1/file_[a-g].csv'
Kullanarak şema çıkarımı ve evrimi COPY INTO
Bu bölümde, kullanarak COPY INTO
yaygın şema çıkarımı ve evrim yapılandırmaları için örnekler sağlanır.
Sözdizimi
COPY INTO my_table
FROM '/path/to/files'
FILEFORMAT = <format>
FORMAT_OPTIONS ('inferSchema' = 'true', `mergeSchema` = `true`)
COPY_OPTIONS ('mergeSchema' = 'true');
Giriş şemasını ile COPY INTO
otomatik olarak çıkarsamak için aşağıdakiler FORMAT_OPTIONS
kullanılabilir:
inferSchema
: Ayrıştırılan kayıtların veri türlerinin çıkarılıp çıkarılmayacağı veya tüm sütunların içindeStringType
olduğu varsayılıp varsayılmayacağı.mergeSchema
: Şemanın birden çok kaynak dosya arasında çıkarılıp çıkarılmayacağı ve her kaynak dosyanın şemasının birleştirilip birleştirmeyeceği.Kaynak dosyalar aynı şemaya sahipse, Databricks için varsayılan ayarın
mergeSchema
FORMAT_OPTIONS
(false
) kullanılmasını önerir.
COPY_OPTIONS
Aşağıdakiler ile COPY INTO
hedef şemayı geliştirmek için kullanılabilir:
mergeSchema
: Giriş şemasına göre hedef Delta tablosunun şemasının geliştirilip geliştirilmeyeceği.Giriş şeması ve hedef şema aynıysa,
mergeSchema
içindeCOPY_OPTIONS
olabilirfalse
.
CSV şemasını çıkarsama ve geliştirme
Aşağıdaki örnek adlı my_pipe_data
şemasız bir Delta tablosu oluşturur ve bir üst bilgiyle kanalla ayrılmış CSV'yi yükler.
mergeSchema
giriş dosyalarında FORMAT_OPTIONS
üst bilgi veya sınırlayıcı farklılıkları olabileceğinden içindedirtrue
.
CREATE TABLE IF NOT EXISTS my_pipe_data;
COPY INTO my_pipe_data
FROM 'abfss://container@storageAccount.dfs.core.windows.net/base/path'
FILEFORMAT = CSV
FORMAT_OPTIONS ('mergeSchema' = 'true',
'delimiter' = '|',
'header' = 'true')
COPY_OPTIONS ('mergeSchema' = 'true');
Verileri yüklerken bozuk dosyaları yoksayma
Yüklediğiniz veriler bir bozulma sorunu nedeniyle okunamıyorsa, içinde olarak ayarlanarak ignoreCorruptFiles
true
FORMAT_OPTIONS
bu dosyalar atlanabilir.
Komutun sonucu, sütundaki COPY INTO
num_skipped_corrupt_files
bozulma nedeniyle kaç dosyanın atlandığını döndürür. Bu ölçüm, Delta tablosunda çalıştırıldıktan DESCRIBE HISTORY
sonra altındaki numSkippedCorruptFiles
sütunda da gösteriliroperationMetrics
.
Bozuk dosyalar tarafından COPY INTO
izlenmez, bu nedenle bozulma düzeltilirse sonraki bir çalıştırmada yeniden yüklenebilirler. Modda çalıştırarak COPY INTO
VALIDATE
hangi dosyaların bozuk olduğunu görebilirsiniz.
COPY INTO my_table
FROM '/path/to/files'
FILEFORMAT = <format>
[VALIDATE ALL]
FORMAT_OPTIONS ('ignoreCorruptFiles' = 'true')
Not
ignoreCorruptFiles
Databricks Runtime 11.3 LTS ve üzerinde kullanılabilir.