在数据块中加载增量表特定分区的最佳实践是什么？答案

【问题标题】：What is the best practice to load a delta table specific partition in databricks?在数据块中加载增量表特定分区的最佳实践是什么？
【发布时间】：2021-07-12 08:37:12
【问题描述】：

我想知道加载增量表特定分区的最佳方法是什么？选项 2 是在过滤之前加载所有表吗？

选项 1：

df = spark.read.format("delta").option('basePath','/mnt/raw/mytable/')\
   .load('/mnt/raw/mytable/ingestdate=20210703')

（这里需要 basePath 选项吗？）

选项 2：

df = spark.read.format("delta").load('/mnt/raw/mytable/')
df = df.filter(col('ingestdate')=='20210703')

提前非常感谢！

【问题讨论】：

标签： apache-spark pyspark partitioning azure-databricks delta-lake

【解决方案1】：

在第二个选项中，spark 仅加载已在过滤条件中提及的相关分区，内部 spark 执行partition pruning 并仅从源表加载相关数据。

而在第一个选项中，您直接指示 spark 仅加载定义的各个分区。

因此，在这两种情况下，您最终都只会加载各自的分区数据。

【讨论】：