create_streaming_table

create_streaming_table() 関数を使用して、apply_changes()、apply_changes_from_snapshot()、@append_flow 出力レコードなど、ストリーミング操作によって出力されるレコードのターゲットテーブルを作成します。

注記

create_target_table()関数とcreate_streaming_live_table()関数は非推奨です。Databricksでは、create_streaming_table()関数を使用するように既存のコードを更新することをお勧めします。

構文

Python
import dlt

dlt.create_streaming_table(
  name = "<table-name>",
  comment = "<comment>",
  spark_conf={"<key>" : "<value", "<key" : "<value>"},
  table_properties={"<key>" : "<value>", "<key>" : "<value>"},
  path="<storage-location-path>",
  partition_cols=["<partition-column>", "<partition-column>"],
  cluster_by = ["<clustering-column>", "<clustering-column>"],
  schema="schema-definition",
  expect_all = {"<key>" : "<value", "<key" : "<value>"},
  expect_all_or_drop = {"<key>" : "<value", "<key" : "<value>"},
  expect_all_or_fail = {"<key>" : "<value", "<key" : "<value>"},
  row_filter = "row-filter-clause"
)

パラメーター

パラメーター	タイプ	説明
`name`	`str`	必須。テーブル名。
`comment`	`str`	テーブルの説明。
`spark_conf`	`dict`	このクエリを実行するための Spark 構成の一覧
`table_properties`	`dict`	テーブルのテーブルプロパティの`dict`。
`path`	`str`	テーブル・データのストレージ・ロケーション。設定されていない場合は、テーブルを含むスキーマの管理ストレージの場所を使用します。
`partition_cols`	`list`	テーブルのパーティション分割に使用する 1 つ以上のカラムのリスト。
`cluster_by`	`list`	テーブルでリキッドクラスタリングを有効にし、クラスタリングキーとして使用する列を定義します。「Deltaテーブルにリキッドクラスタリングを使用する」を参照してください。
`schema`	`str` または `StructType`	テーブルのスキーマ定義。スキーマは、SQL DDL 文字列として、または Python `StructType`で定義できます。
`expect_all`、`expect_all_or_drop`、 `expect_all_or_fail`	`dict`	テーブルのデータ品質制約。期待値デコレーター関数と同じ動作を提供し、同じ構文を使用しますが、パラメーターとして実装されます。エクスペクテーションを参照してください。
`row_filter`	`str`	(パブリックプレビュー)テーブルの行フィルタ句。行フィルターと列マスクを使用したテーブルのパブリッシュを参照してください。

構文​

パラメーター​

構文

パラメーター