다음을 통해 공유

파일 메타데이터 column

  • 아티클

_metadata column사용하여 입력 파일에 대한 메타데이터 정보를 get 수 있습니다. 은숨겨져 있으며, 모든 입력 파일 형식에서 사용할 수 있습니다. 반환된 DataFrame에 _metadatacolumn 포함하려면 쿼리에서 명시적으로 참조해야 합니다.

데이터 원본에 _metadata명명된 column 포함된 경우 쿼리는 파일 메타데이터가 아닌 데이터 원본에서 column 반환합니다.

Warning

앞으로 출시될 버전에서는 _metadatacolumn에 새 필드가 추가될 수 있습니다. Databricks는 _metadatacolumn가 업데이트될 때, 쿼리에서 column의 특정 필드를 선택함으로써 schema 진화 오류를 방지하는 것을 권장합니다. 예를 참조하세요.

지원되는 메타데이터

_metadata column은 다음 필드가 포함된 STRUCT입니다.

속성 형식 Description 예시 최소 Databricks 런타임 릴리스
file_path STRING 입력 파일의 파일 경로입니다. file:/tmp/f0.csv 10.5
file_name STRING 해당 확장이 포함된 입력 파일의 이름입니다. f0.csv 10.5
file_size LONG 입력 파일의 길이(바이트)입니다. 628 10.5
file_modification_time TIMESTAMP 입력 파일의 마지막 수정 타임스탬프입니다. 2021-12-20 20:05:21 10.5
file_block_start LONG 읽는 블록의 offset 바이트 단위로 시작합니다. 0 13.0
file_block_length LONG 읽는 블록의 길이(바이트)입니다. 628 13.0

예

기본 파일 기반 데이터 원본 판독기에서 사용

Python

df = spark.read \
  .format("csv") \
  .schema(schema) \
  .load("dbfs:/tmp/*") \
  .select("*", "_metadata")

display(df)

'''
Result:
+---------+-----+----------------------------------------------------+
|   name  | age |                 _metadata                          |
+=========+=====+====================================================+
|         |     | {                                                  |
|         |     |    "file_path": "dbfs:/tmp/f0.csv",                |
| Debbie  | 18  |    "file_name": "f0.csv",                          |
|         |     |    "file_size": 12,                                |
|         |     |    "file_block_start": 0,                          |
|         |     |    "file_block_length": 12,                        |
|         |     |    "file_modification_time": "2021-07-02 01:05:21" |
|         |     | }                                                  |
+---------+-----+----------------------------------------------------+
|         |     | {                                                  |
|         |     |    "file_path": "dbfs:/tmp/f1.csv",                |
| Frank   | 24  |    "file_name": "f1.csv",                          |
|         |     |    "file_size": 12,                                |
|         |     |    "file_block_start": 0,                          |
|         |     |    "file_block_length": 12,                        |
|         |     |    "file_modification_time": "2021-12-20 02:06:21" |
|         |     | }                                                  |
+---------+-----+----------------------------------------------------+
'''

Scala

val df = spark.read
  .format("csv")
  .schema(schema)
  .load("dbfs:/tmp/*")
  .select("*", "_metadata")

display(df_population)

/* Result:
+---------+-----+----------------------------------------------------+
|   name  | age |                 _metadata                          |
+=========+=====+====================================================+
|         |     | {                                                  |
|         |     |    "file_path": "dbfs:/tmp/f0.csv",                |
| Debbie  | 18  |    "file_name": "f0.csv",                          |
|         |     |    "file_size": 12,                                |
|         |     |    "file_block_start": 0,                          |
|         |     |    "file_block_length": 12,                        |
|         |     |    "file_modification_time": "2021-07-02 01:05:21" |
|         |     | }                                                  |
+---------+-----+----------------------------------------------------+
|         |     | {                                                  |
|         |     |    "file_path": "dbfs:/tmp/f1.csv",                |
| Frank   | 24  |    "file_name": "f1.csv",                          |
|         |     |    "file_size": 10,                                |
|         |     |    "file_block_start": 0,                          |
|         |     |    "file_block_length": 12,                        |
|         |     |    "file_modification_time": "2021-12-20 02:06:21" |
|         |     | }                                                  |
+---------+-----+----------------------------------------------------+
*/

특정 필드 Select

Python

spark.read \
  .format("csv") \
  .schema(schema) \
  .load("dbfs:/tmp/*") \
  .select("_metadata.file_name", "_metadata.file_size")

Scala

spark.read
  .format("csv")
  .schema(schema)
  .load("dbfs:/tmp/*")
  .select("_metadata.file_name", "_metadata.file_size")

필터에서 사용

Python

spark.read \
  .format("csv") \
  .schema(schema) \
  .load("dbfs:/tmp/*") \
  .select("*") \
  .filter(col("_metadata.file_name") == lit("test.csv"))

Scala

spark.read
  .format("csv")
  .schema(schema)
  .load("dbfs:/tmp/*")
  .select("*")
  .filter(col("_metadata.file_name") === lit("test.csv"))

COPY INTO 사용

COPY INTO my_delta_table
FROM (
  SELECT *, _metadata FROM 'abfss://my-container-name@storage-account-name.dfs.core.windows.net/csvData'
)
FILEFORMAT = CSV

자동 로더에서 사용

참고 항목

_metadata column을 작성할 때, 그것의 이름을 source_metadata로 변경합니다. _metadata으로 작성하면 데이터 원본에 _metadata이라는 column이 포함되어 있을 경우, 쿼리가 파일의 메타데이터가 아니라 데이터 원본의 column을 반환하므로, 대상 table에서 메타데이터 column에 액세스할 수 없게 됩니다.

Python

spark.readStream \
  .format("cloudFiles") \
  .option("cloudFiles.format", "csv") \
  .schema(schema) \
  .load("abfss://my-container-name@storage-account-name.dfs.core.windows.net/csvData") \
  .selectExpr("*", "_metadata as source_metadata") \
  .writeStream \
  .option("checkpointLocation", checkpointLocation) \
  .start(targetTable)

Scala

spark.readStream
  .format("cloudFiles")
  .option("cloudFiles.format", "csv")
  .schema(schema)
  .load("abfss://my-container-name@storage-account-name.dfs.core.windows.net/csvData")
  .selectExpr("*", "_metadata as source_metadata")
  .writeStream
  .option("checkpointLocation", checkpointLocation)
  .start(targetTable)