仅更新已更改的行pyspark增量表数据砖

如何解决仅更新已更改的行pyspark增量表数据砖

与创建的数据框相比，仅需要更新现有表中已更改的行。因此，NowNow，我会减去并获取更改后的行，但不确定如何合并到现有表中。

old_df = spark.sql("select * from existing table")
diff = new_df.subtract(old_df)

现在必须插入

diff数据框（如果有新行）或更新现有记录

(deltaTable.alias("full_df").merge(
    merge_df.alias("append_df"),"full_df.col1 = append_df.col1 OR full_df.col2 =append_df.col2") 
  .whenNotMatchedInsertAll() 
  .execute()
)

这不会更新现有记录（案例：col2值已更改； col1未更改）

解决方法

.whenMatchedUpdateAll()接受一个条件，可以用来保留不变的行：

(deltaTable.alias("full_df").merge(
    merge_df.alias("append_df"),"full_df.col1 = append_df.col1 OR full_df.col2 = append_df.col2") 
  .whenNotMatchedInsertAll()
  .whenMatchedUpdateAll("full_df.col1 != append_df.col1 OR full_df.col2 != append_df.col2")
  .execute()
)