如何向 Delta Lake table 添加新列？

Question

我正在尝试向在 Azure Blob 存储中存储为增量 Table 的数据添加一个新列。大多数对数据执行的操作都是更新插入，有很多更新和很少的新插入。我目前写入数据的代码如下所示：

DeltaTable.forPath(spark, deltaPath)
      .as("dest_table")
      .merge(myDF.as("source_table"),
             "dest_table.id = source_table.id")
      .whenNotMatched()
      .insertAll()
      .whenMatched(upsertCond)
      .updateExpr(upsertStat)
      .execute()

从 these docs 开始，Delta Lake 似乎仅支持在 insertAll() 和 updateAll() 调用中添加新列。但是，我仅在满足某些条件时才进行更新，并希望将新列添加到所有现有数据中（默认值为 null）。

我想出了一个看起来非常笨拙的解决方案，想知道是否有更优雅的方法。这是我目前提出的解决方案：

// Read in existing data
val myData = spark.read.format("delta").load(deltaPath)
// Register table with Hive metastore
myData.write.format("delta").saveAsTable("input_data")

// Add new column
spark.sql("ALTER TABLE input_data ADD COLUMNS (new_col string)")

// Save as DataFrame and overwrite data on disk
val sqlDF = spark.sql("SELECT * FROM input_data")
sqlDF.write.format("delta").option("mergeSchema", "true").mode("overwrite").save(deltaPath)

Answer 1

您尝试过使用合并语句吗？

https://docs.databricks.com/spark/latest/spark-sql/language-manual/merge-into.html

Answer 2

先更改增量 table，然后再进行合并操作：

from pyspark.sql.functions import lit

spark.read.format("delta").load('/mnt/delta/cov')\
  .withColumn("Recovered", lit(''))\
  .write\
  .format("delta")\
  .mode("overwrite")\
  .option("overwriteSchema", "true")\
  .save('/mnt/delta/cov')

如何向 Delta Lake table 添加新列？

How to add a new column to a Delta Lake table?

apache-spark

databricks

azure-databricks

delta-lake