我正在查询表,但使用两种方式得到不同的结果,我想了解原因。
我使用 Delta 位置创建了一个表。我想查询我存储在该位置的数据。我正在使用亚马逊 S3。
我创建了这样的表:
spark.sql("CREATE TABLE bronze_client_trackingcampaigns.TRACKING_BOUNCES (ClientID INT, SendID INT, SubscriberKey STRING) USING DELTA LOCATION 's3://example/bronze/client/trackingcampaigns/TRACKING_BOUNCES/delta'")
我想使用下一行查询数据:
spark.sql("SELECT count(*) FROM bronze_client_trackingcampaigns.TRACKING_BOUNCES")
但是结果不太好,应该是41832,但是却返回了1。
当我以其他方式执行相同的查询时:
spark.read.option("header", True).option("inferSchema", True).format("delta").table("bronze_client_trackingcampaigns.TRACKING_BOUNCES").count()
我得到的结果是41832。
我目前的结果是:
我希望两种方式都能得到相同的结果。
最佳答案
您返回的 1 实际上是行数 - 而不是实际结果。将sql语句修改为:
df = spark.sql("SELECT COUNT(*) FROM bronze_client_trackingcampaigns.TRACKING_BOUNCES")
df.show()
您现在应该得到相同的结果。
关于python - 使用 Pyspark-SQL 与 Pyspark 使用 Delta 格式查询表有什么区别?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56496821/