Eventos
Obtenha a certificação no Microsoft Fabric gratuitamente!
19 de nov., 23 - 10 de dez., 23
Por tempo limitado, a equipe da Comunidade do Microsoft Fabric está oferecendo vouchers de exame DP-600 gratuitos.
Prepare-se agoraNão há mais suporte para esse navegador.
Atualize o Microsoft Edge para aproveitar os recursos, o suporte técnico e as atualizações de segurança mais recentes.
Você pode obter informações de metadados para arquivos de entrada com a coluna _metadata
. A coluna _metadata
é uma coluna oculta e está disponível para todos os formatos de arquivo de entrada. Para incluir a coluna _metadata
no DataFrame retornado, você deve referenciá-la explicitamente na consulta.
Se a fonte de dados contiver uma coluna nomeada _metadata
, as consultas retornarão a coluna da fonte de dados e não os metadados do arquivo.
Aviso
Novos campos poderão ser adicionados à coluna _metadata
em versões futuras. Para evitar erros de evolução do esquema se a coluna _metadata
for atualizada, o Databricks recomenda selecionar campos específicos da coluna em suas consultas. Consulte os exemplos.
A coluna _metadata
é um STRUCT
que contém os seguintes campos:
Nome | Tipo | Descrição | Exemplo | Versão Mínima do Databricks Runtime |
---|---|---|---|---|
file_path | STRING |
O caminho do arquivo do arquivo de entrada. | file:/tmp/f0.csv |
10.5 |
file_name | STRING |
Nome do arquivo de entrada junto com sua extensão. | f0.csv |
10.5 |
file_size | LONG |
Tamanho do arquivo de entrada em bytes. | 628 | 10.5 |
file_modification_time | TIMESTAMP |
Carimbo de data/hora da última modificação do arquivo de entrada. | 2021-12-20 20:05:21 |
10.5 |
file_block_start | LONG |
Deslocamento inicial do bloco que está sendo lido, em bytes. | 0 | 13.0 |
file_block_length | LONG |
Comprimento do bloco que está sendo lido, em bytes. | 628 | 13.0 |
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" |
| | | } |
+---------+-----+----------------------------------------------------+
'''
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" |
| | | } |
+---------+-----+----------------------------------------------------+
*/
spark.read \
.format("csv") \
.schema(schema) \
.load("dbfs:/tmp/*") \
.select("_metadata.file_name", "_metadata.file_size")
spark.read
.format("csv")
.schema(schema)
.load("dbfs:/tmp/*")
.select("_metadata.file_name", "_metadata.file_size")
spark.read \
.format("csv") \
.schema(schema) \
.load("dbfs:/tmp/*") \
.select("*") \
.filter(col("_metadata.file_name") == lit("test.csv"))
spark.read
.format("csv")
.schema(schema)
.load("dbfs:/tmp/*")
.select("*")
.filter(col("_metadata.file_name") === lit("test.csv"))
COPY INTO my_delta_table
FROM (
SELECT *, _metadata FROM 'abfss://my-container-name@storage-account-name.dfs.core.windows.net/csvData'
)
FILEFORMAT = CSV
Observação
Ao gravar a coluna _metadata
, renomeamos para source_metadata
. Escrevê-la como _metadata
impossibilitaria o acesso à coluna de metadados na tabela de destino, porque se a fonte de dados contiver uma coluna nomeada _metadata
, as consultas retornarão a coluna da fonte de dados e não os metadados do arquivo.
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)
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)
Eventos
Obtenha a certificação no Microsoft Fabric gratuitamente!
19 de nov., 23 - 10 de dez., 23
Por tempo limitado, a equipe da Comunidade do Microsoft Fabric está oferecendo vouchers de exame DP-600 gratuitos.
Prepare-se agora