Share via

Dosya meta veri sütunu

  • Makale

Giriş dosyaları için meta veri bilgilerini sütunuyla _metadata alabilirsiniz. Sütun _metadatagizli bir sütundur ve tüm giriş dosyası biçimleri için kullanılabilir. Döndürülen DataFrame'e sütunu eklemek _metadata için sorgunuzda sütunu açıkça başvurmanız gerekir.

Veri kaynağı adlı _metadatabir 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

_metadata sütunu aşağıdaki alanları içeren bir STRUCT sütundur:

Adı Türü Açıklama Örnek En düşük Databricks Runtime sürümü
file_path STRING Giriş dosyasının dosya yolu. file:/tmp/f0.csv 10.5
Dosya_adı STRING Giriş dosyasının uzantısıyla birlikte 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 okuyucusunda 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 içinde 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 _metadatabir sütun içeriyorsa sorgular dosya meta verilerini değil veri kaynağından sütunu döndüreceğinden, bunu hedef _metadata tablodaki meta veri sütununa erişmek 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 \
  .format("delta") \
  .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
  .format("delta")
  .option("checkpointLocation", checkpointLocation)
  .start(targetTable)