fluxo_de_acréscimo
O decorador @dp.append_flow
cria fluxos de acréscimo ou preenchimentos para suas tabelas de pipeline declarativas LakeFlow . A função deve retornar um DataFrame de streaming Apache Spark streaming . Consulte Carregar e processar dados incrementalmente com fluxos de pipeline declarativos LakeFlow.
Os fluxos de acréscimo podem ter como alvo tabelas ou coletores de transmissão.
Sintaxe
from pyspark import pipelines as dp
dp.create_streaming_table("<target-table-name>") # Required only if the target table doesn't exist.
@dp.append_flow(
target = "<target-table-name>",
name = "<flow-name>", # optional, defaults to function name
once = <boolean>, # optional, defaults to false
spark_conf = {"<key>" : "<value", "<key" : "<value>"}, # optional
comment = "<comment>") # optional
def <function-name>():
return (<streaming-query>) #
Parâmetros
Parâmetro | Tipo | Descrição |
---|---|---|
função |
| Obrigatório. Uma função que retorna um DataFrame de streaming Apache Spark streaming de uma consulta definida pelo usuário. |
|
| Obrigatório. O nome da tabela ou do coletor que é o destino do fluxo de acréscimo. |
|
| O nome do fluxo. Se não for fornecido, o padrão será o nome da função. |
|
| Opcionalmente, defina o fluxo como um fluxo único, como um aterro. Usar
|
|
| Uma descrição para o fluxo. |
|
| Uma lista de configurações do Spark para a execução desta consulta |
Exemplos
from pyspark import pipelines as dp
# Create a sink for an external Delta table
dp.create_sink("my_sink", "delta", {"path": "/tmp/delta_sink"})
# Add an append flow to an external Delta table
@dp.append_flow(name = "flow", target = "my_sink")
def flowFunc():
return <streaming-query>
# Add a backfill
@dp.append_flow(name = "backfill", target = "my_sink", once = True)
def backfillFlowFunc():
return (
spark.read
.format("json")
.load("/path/to/backfill/")
)
# Create a Kafka sink
dp.create_sink(
"my_kafka_sink",
"kafka",
{
"kafka.bootstrap.servers": "host:port",
"topic": "my_topic"
}
)
# Add an append flow to a Kafka sink
@dp.append_flow(name = "flow", target = "my_kafka_sink")
def myFlow():
return read_stream("xxx").select(F.to_json(F.struct("*")).alias("value"))