spark-streaming - Databricks Delta 表更改十进制(10,0)到十进制(38,18)转换的列不起作用
问题描述
在 Databricks 中,表是使用模式 json 定义创建的。
用于创建表的模式 json
{
"fields": [
{
"metadata": {},
"name": "username",
"nullable": true,
"type": "string"
},
{
"metadata": {},
"name": "department",
"nullable": true,
"type": "string"
},
{
"metadata": {},
"name": "income",
"nullable": true,
"type": "decimal(38,18)"
}
],
"type" :"struct"
}
下面的代码创建表
...
# the schema json file is placed in a location and using it to create table
with open('/dbfs/FileStore/my-schema/{0}.json'.format(tbl_name), 'r') as f:
# data files
tbl_schema = T.StructType.fromJson(json.loads(f.read()))
tbl_df = spark.createDataFrame([], tbl_schema)
tbl_df.write.format("delta").save(tbl_path)
# create table.
spark.sql("CREATE TABLE {0} USING DELTA LOCATION '{1}'".format(tbl_name, tbl_path))
...
当我describe
在表中时,我看到 DecimalType(10,0) 用于收入字段。
我正在使用 readstreams 从 ORC 文件中读取数据,其中使用了 Decimal(38,18),能够在数据帧中 printScehma()。
我正在使用使用 UPSERT(合并到)的 Spark 结构化流写入流,使用 foreachBatch()。
类似于此链接中的 python 示例https://docs.azuredatabricks.net/_static/notebooks/merge-in-streaming.html
问题:
每当我运行表时,都不会插入数据。也没有调试日志消息。
我想这个问题可能是由于表中的字段收入为 DecimalType(10,0),而数据框为 DecimalType(38,18)。
所以我试图改变这个领域,但无法做到。我正在使用以下命令。
%sql ALTER TABLE mytable ALTER income TYPE decimal(38,18);
com.databricks.backend.common.rpc.DatabricksExceptions$SQLExecutionException: org.apache.spark.sql.AnalysisException: ALTER TABLE CHANGE COLUMN is not supported for changing column 'income' with type 'DecimalType(10,0) (nullable = true)' to 'income' with type 'DecimalType(38,18) (nullable = true)'
at com.databricks.sql.transaction.tahoe.DeltaErrors$.alterTableChangeColumnException(DeltaErrors.scala:478)
at com.databricks.sql.transaction.tahoe.commands.AlterTableChangeColumnDeltaCommand.verifyColumnChange(alterDeltaTableCommands.scala:412)
at com.databricks.sql.transaction.tahoe.commands.AlterTableChangeColumnDeltaCommand.$anonfun$run$15(alterDeltaTableCommands.scala:295)
at com.databricks.sql.transaction.tahoe.schema.SchemaUtils$.transform$1(SchemaUtils.scala:762)
at com.databricks.sql.transaction.tahoe.schema.SchemaUtils$.transformColumnsStructs(SchemaUtils.scala:781)
at com.databricks.sql.transaction.tahoe.commands.AlterTableChangeColumnDeltaCommand.$anonfun$run$14(alterDeltaTableCommands.scala:292)
at com.databricks.spark.util.FrameProfiler$.record(FrameProfiler.scala:80)
at com.databricks.sql.transaction.tahoe.metering.DeltaLogging.$anonfun$recordDeltaOperation$5(DeltaLogging.scala:122
如果我删除 TYPE ,我会得到以下异常
com.databricks.backend.common.rpc.DatabricksExceptions$SQLExecutionException: org.apache.spark.sql.catalyst.parser.ParseException:
mismatched input 'decimal' expecting {<EOF>, ';'}(line 1, pos 46)
== SQL ==
ALTER TABLE ahm_db.message_raw ALTER income decimal(38,18)
----------------------------------------------^^^
at org.apache.spark.sql.catalyst.parser.ParseException.withCommand(ParseDriver.scala:265)
at org.apache.spark.sql.catalyst.parser.AbstractSqlParser.parse(ParseDriver.scala:134)
at org.apache.spark.sql.execution.SparkSqlParser.parse(SparkSqlParser.scala:64)
at org.apache.spark.sql.catalyst.parser.AbstractSqlParser.parsePlan(ParseDriver.scala:85)
at com.databricks.sql.parser.DatabricksSqlParser.$anonfun$parsePlan$1(DatabricksSqlParser.scala:67)
at com.databricks.sql.parser.DatabricksSqlParser.parse(DatabricksSqlParser.scala:87)
解决方案
由于在我的情况下是三角洲湖商店,因此options('checkpoint','/_checkpoint')
启用了选项。数据参考仍然可用。
在开发过程中,在删除表并优化使用 vaccum 之后。
%sql delete from <my-table-name>
spark.conf.set('spark.databricks.delta.retentionDurationCheck.enabled','false')
# use spark.conf.get('property') to check default or current value
# Per documentation setting retention duration less than 7 days is not a recommended practice, but depends on requirements
%sql
VACUUM <my-table-name> RETAIN 0 HOURS
%sql
drop table <my-table-name>
- 从 ADLS Gen2 存储帐户容器中删除了 _checkpoint 文件夹。
完成上述步骤后,重新运行 json 特定模式并应用它。
推荐阅读
- node.js - nodejs中的Socket.io P2P连接(同一服务器上的多个端口)
- python - 如何通过输入更改自动化单行代码?
- javascript - 无法使用 JavaScript 附加模式
- android - 尝试在低于 26 的 Android API 级别上接收 OneSignal 通知时出现异常
- java - 如何在 Java 中制作泛型二维数组
- php - 添加两个值时不支持的操作数类型
- python - 选择“ON”子句,python SQL Alchemy
- python - 给定一个字符串,返回一个新字符串,其中第一个和最后一个字符已交换
- java - Spring Data Rest:限制更新方法上的发送值
- github - 通过 API 在 Heroku 上部署分支