我想知道加载增量表特定分区的最佳方法是什么? 选项 2 是否在过滤之前加载所有表?
df = spark.read.format("delta").option('basePath','/mnt/raw/mytable/')\
.load('/mnt/raw/mytable/ingestdate=20210703')
(这里需要 basePath 选项吗?)
df = spark.read.format("delta").load('/mnt/raw/mytable/')
df = df.filter(col('ingestdate')=='20210703')
非常感谢!
答案 0 :(得分:1)
在第二个选项中,spark 仅加载过滤条件中提到的相关分区,spark 内部执行 partition pruning
并仅加载源表中的相关数据。
而在第一个选项中,您直接指示 spark 仅加载定义的相应分区。
因此在这两种情况下,您最终只会加载各自的分区数据。