Dosya meta veri sütunu
Giriş dosyaları için meta veri bilgilerini sütunuyla _metadata
alabilirsiniz. Sütun _metadata
gizli bir sütundur ve tüm giriş dosyası biçimleri için kullanılabilir. Sütunu döndürülen DataFrame'e eklemek _metadata
için sorgunuzda sütununa açıkça başvurmanız gerekir.
Veri kaynağı adlı _metadata
bir sütun içeriyorsa, sorgular sütunu dosya meta verilerinden değil veri kaynağından döndürür.
Uyarı
Gelecek sürümlerde sütuna _metadata
yeni alanlar eklenebilir. Sütun güncelleştirilirse _metadata
şema evrimi hatalarını önlemek için Databricks sorgularınızdaki sütundan belirli alanların seçilmesini önerir. Örneklere bakın.
Desteklenen meta veriler
Sütun _metadata
aşağıdaki alanları içeren bir STRUCT
sütundur:
Adı | Tür | Açıklama | Örnek | En Düşük Databricks Runtime sürümü |
---|---|---|---|---|
file_path | STRING |
Giriş dosyasının dosya yolu. | file:/tmp/f0.csv |
10.5 |
file_name | STRING |
Uzantıyla birlikte giriş dosyasının adı. | f0.csv |
10.5 |
file_size | LONG |
Giriş dosyasının bayt cinsinden uzunluğu. | 628 | 10.5 |
file_modification_time | TIMESTAMP |
Giriş dosyasının son değişiklik zaman damgası. | 2021-12-20 20:05:21 |
10.5 |
file_block_start | LONG |
Okunan bloğun bayt cinsinden uzaklığını başlatın. | 0 | 13.0 |
file_block_length | LONG |
Okunan bloğun bayt cinsinden uzunluğu. | 628 | 13.0 |
Örnekler
Temel dosya tabanlı veri kaynağı okuyucuda kullanma
Python
df = spark.read \
.format("csv") \
.schema(schema) \
.load("dbfs:/tmp/*") \
.select("*", "_metadata")
display(df)
'''
Result:
+---------+-----+----------------------------------------------------+
| name | age | _metadata |
+=========+=====+====================================================+
| | | { |
| | | "file_path": "dbfs:/tmp/f0.csv", |
| Debbie | 18 | "file_name": "f0.csv", |
| | | "file_size": 12, |
| | | "file_block_start": 0, |
| | | "file_block_length": 12, |
| | | "file_modification_time": "2021-07-02 01:05:21" |
| | | } |
+---------+-----+----------------------------------------------------+
| | | { |
| | | "file_path": "dbfs:/tmp/f1.csv", |
| Frank | 24 | "file_name": "f1.csv", |
| | | "file_size": 12, |
| | | "file_block_start": 0, |
| | | "file_block_length": 12, |
| | | "file_modification_time": "2021-12-20 02:06:21" |
| | | } |
+---------+-----+----------------------------------------------------+
'''
Scala
val df = spark.read
.format("csv")
.schema(schema)
.load("dbfs:/tmp/*")
.select("*", "_metadata")
display(df_population)
/* Result:
+---------+-----+----------------------------------------------------+
| name | age | _metadata |
+=========+=====+====================================================+
| | | { |
| | | "file_path": "dbfs:/tmp/f0.csv", |
| Debbie | 18 | "file_name": "f0.csv", |
| | | "file_size": 12, |
| | | "file_block_start": 0, |
| | | "file_block_length": 12, |
| | | "file_modification_time": "2021-07-02 01:05:21" |
| | | } |
+---------+-----+----------------------------------------------------+
| | | { |
| | | "file_path": "dbfs:/tmp/f1.csv", |
| Frank | 24 | "file_name": "f1.csv", |
| | | "file_size": 10, |
| | | "file_block_start": 0, |
| | | "file_block_length": 12, |
| | | "file_modification_time": "2021-12-20 02:06:21" |
| | | } |
+---------+-----+----------------------------------------------------+
*/
Belirli alanları seçme
Python
spark.read \
.format("csv") \
.schema(schema) \
.load("dbfs:/tmp/*") \
.select("_metadata.file_name", "_metadata.file_size")
Scala
spark.read
.format("csv")
.schema(schema)
.load("dbfs:/tmp/*")
.select("_metadata.file_name", "_metadata.file_size")
Filtrelerde kullanma
Python
spark.read \
.format("csv") \
.schema(schema) \
.load("dbfs:/tmp/*") \
.select("*") \
.filter(col("_metadata.file_name") == lit("test.csv"))
Scala
spark.read
.format("csv")
.schema(schema)
.load("dbfs:/tmp/*")
.select("*")
.filter(col("_metadata.file_name") === lit("test.csv"))
COPY INTO'da kullanma
COPY INTO my_delta_table
FROM (
SELECT *, _metadata FROM 'abfss://my-container-name@storage-account-name.dfs.core.windows.net/csvData'
)
FILEFORMAT = CSV
Otomatik Yükleyici'de kullanma
Not
Sütunu yazarken _metadata
olarak yeniden adlandırıyoruz source_metadata
. Veri kaynağı adlı _metadata
bir sütun içeriyorsa sorgular, dosya meta verilerini değil veri kaynağından sütunu döndüreceğinden, bunu olduğu gibi _metadata
yazmak hedef tablodaki meta veri sütununa erişmeyi imkansız hale getirir.
Python
spark.readStream \
.format("cloudFiles") \
.option("cloudFiles.format", "csv") \
.schema(schema) \
.load("abfss://my-container-name@storage-account-name.dfs.core.windows.net/csvData") \
.selectExpr("*", "_metadata as source_metadata") \
.writeStream \
.option("checkpointLocation", checkpointLocation) \
.start(targetTable)
Scala
spark.readStream
.format("cloudFiles")
.option("cloudFiles.format", "csv")
.schema(schema)
.load("abfss://my-container-name@storage-account-name.dfs.core.windows.net/csvData")
.selectExpr("*", "_metadata as source_metadata")
.writeStream
.option("checkpointLocation", checkpointLocation)
.start(targetTable)