python - 使用 Pyspark-SQL 与 Pyspark 使用 Delta 格式查询表有什么区别？

Question

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。

Answer 1

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。