COPY INTO
适用于: Databricks SQL Databricks Runtime
将文件位置中的数据加载到 Delta 表中。 这是可重试的幂等操作 – 会跳过已经加载的源位置中的文件。 即使文件自加载以来已被修改也是如此。 有关示例,请参阅使用 COPY INTO 的常见数据加载模式。
语法
COPY INTO target_table [ BY POSITION | ( col_name [ , <col_name> ... ] ) ]
FROM { source_clause |
( SELECT expression_list FROM source_clause ) }
FILEFORMAT = data_source
[ VALIDATE [ ALL | num_rows ROWS ] ]
[ FILES = ( file_name [, ...] ) | PATTERN = glob_pattern ]
[ FORMAT_OPTIONS ( { data_source_reader_option = value } [, ...] ) ]
[ COPY_OPTIONS ( { copy_option = value } [, ...] ) ]
source_clause
source [ WITH ( [ CREDENTIAL { credential_name |
(temporary_credential_options) } ]
[ ENCRYPTION (encryption_options) ] ) ]
参数
target_table
标识现有的 Delta 表。 target_table 不得包含时态规范。
如果表名称以位置的形式提供(例如
delta.`/path/to/table`
),则 Unity 目录可以控制对写入到的位置的访问。 可以通过以下方式写入到外部位置:- 将位置定义为外部位置并提供对该外部位置的
WRITE FILES
权限。 - 拥有对命名存储凭据的
WRITE FILES
权限,以便提供使用COPY INTO delta.`/some/location` WITH (CREDENTIAL <named-credential>)
写入到某个位置的授权
如需更多详细信息,请参阅使用 Unity Catalog 连接到云对象存储。
- 将位置定义为外部位置并提供对该外部位置的
BY POSITION
| ( col_name [ , <col_name> … ] )按位置顺序将源列与目标表列匹配。 会自动完成匹配列的类型转换。
此参数仅支持无标头 CSV 文件格式。 需要指定
FILEFORMAT = CSV
。 还需要将FORMAT_OPTIONS
设置为("headers" = "false")
(FORMAT_OPTIONS ("headers" = "false")
为默认值)。语法选项 1:
BY POSITION
- 自动按位置顺序将源列与目标表列匹配。
- 该匹配不使用默认名称匹配。
- 匹配源列时,将忽略目标表的
IDENTITY
列和GENERATED
列。 - 如果源列数不等于筛选的目标表列,则
COPY INTO
会引发错误。
语法选项 2:
( col_name [ , <col_name> ... ] )
- 使用括号中的目标表列名称列表(用逗号分隔)按相对位置顺序将源列与指定的目标表列匹配。
- 匹配时不使用原始表列顺序和列名称。
- 列名称列表中不能指定
IDENTITY
列和GENERATED
列,否则COPY INTO
会引发错误。 - 无法复制指定的列。
- 当源列数不等于指定的表列时,
COPY INTO
将引发错误。 - 对于未在列名称列表中指定的列,
COPY INTO
会分配默认值(如果有)或分配NULL
(如果没有)。 如果有任何列不可为 null,COPY INTO
将引发错误。
- 自动按位置顺序将源列与目标表列匹配。
source
要从中加载数据的文件位置。 此位置中的文件必须采用
FILEFORMAT
中指定的格式。 以 URI 的形式提供此位置。可通过以下命令提供对源位置的访问权限:
credential_name
用于访问或写入存储位置的凭据的可选名称。 仅在文件位置未包含在外部位置中时才使用此凭据。 请参阅 credential_name。
内联临时凭据。
将源位置定义为外部位置,并通过 Unity 目录提供对外部位置的
READ FILES
权限。使用带
READ FILES
权限的命名存储凭据,这些权限提供通过 Unity 目录从位置进行读取所需的授权。
如果路径已定义为你有权使用的外部位置,则无需提供内联或命名凭据。 请参阅创建外部位置以将云存储连接到 Azure Databricks 了解详细信息。
注意
如果源文件路径为根路径,请在文件路径末尾添加斜杠 (
/
),例如s3://my-bucket/
。接受的凭据选项如下:
- 适用于 ADLS Gen2 和 Azure Blob 存储的
AZURE_SAS_TOKEN
- 适用于 AWS S3 的
AWS_ACCESS_KEY
、AWS_SECRET_KEY
和AWS_SESSION_TOKEN
接受的加密选项如下:
- 适用于 AWS S3 的
TYPE = 'AWS_SSE_C'
和MASTER_KEY
SELECT expression_list
在复制到 Delta 表之前,从源数据中选择指定的列或表达式。 表达式可以是与
SELECT
语句一起使用的任何内容,包括窗口操作。 你只能将聚合表达式用于全局聚合 - 你不能在使用此语法的列上使用GROUP BY
。FILEFORMAT = data_source
要加载的源文件的格式。
CSV
、JSON
、AVRO
、ORC
、PARQUET
、TEXT
、BINARYFILE
之一。VALIDATE
适用于: Databricks SQL Databricks Runtime 10.4 LTS 及更高版本
要加载到表中的数据会经过验证,但不写入表中。 这些验证包括:
- 是否可以解析数据。
- 架构是否与表匹配,或者架构是否需要演变。
- 是否满足所有可空性和检查约束。
默认是验证所有要加载的数据。 你可以提供要使用
ROWS
关键字验证的行数,例如VALIDATE 15 ROWS
。 当小于 50 的数字与ROWS
关键字一起使用时,COPY INTO
语句返回 50 行或更少的数据的预览)。FILES
要加载的文件名的列表,限制为 1000 个文件。 无法使用
PATTERN
进行指定。PATTERN
glob 模式,用于标识要从源目录加载的文件。 无法使用
FILES
进行指定。模式 说明 ?
匹配任何单一字符 *
与零个或多个字符匹配 [abc]
匹配字符集中的单个字符 {a,b,c}。 [a-z]
匹配字符范围 {a...z} 中的单个字符。 [^a]
匹配不是来自字符集或范围 {a} 的单个字符。 请注意, ^
字符必须立即出现在左括号的右侧。{ab,cd}
匹配字符串集 {ab, cd} 中的字符串。 {ab,c{de, fh}}
匹配字符串集 {ab, cde, cfh} 中的字符串。 FORMAT_OPTIONS
要传递给指定格式的 Apache Spark 数据源读取器的选项。 请参阅格式选项了解每种文件格式。
COPY_OPTIONS
用于控制
COPY INTO
命令的操作的选项。force
:布尔值,默认为false
。 如果设置为true
,则禁用幂等性并加载文件,而不管文件以前是否加载过。mergeSchema
:布尔值,默认为false
。 如果设置为true
,则架构可以根据传入的数据进行演变。
并发调用 COPY INTO
COPY INTO
支持对同一表进行并发调用。 只要对不同的输入文件集并发调用 COPY INTO
,每次调用最终都应成功,否则会出现事务冲突。 COPY INTO
不应并发调用以提高性能;具有多个文件的单个 COPY INTO
命令通常比分别具有单个文件的并发 COPY INTO
命令执行得更好。 COPY INTO
可在以下情况下并发调用:
- 多个数据生成者没有一种简单的协调方式,并且无法进行单个调用。
- 当可以逐子目录引入非常大的目录时。 当引入包含大量文件的目录时,Databricks 建议尽可能使用自动加载程序。
访问文件元数据
若要了解如何访问基于文件的数据源的元数据,请参阅文件元数据列。
格式选项
泛型选项
以下选项适用于所有文件格式。
选项 |
---|
ignoreCorruptFiles 类型: Boolean 是否忽略损坏的文件。 如果为 true,则当遇到损坏的文件时,Spark 作业将继续运行,并且仍会返回已读取的内容。 可观测到,如 numSkippedCorruptFiles 中所示Delta Lake 历史记录的 operationMetrics 列。 在 Databricks Runtime 11.3 LTS 及更高版本中可用。默认值:30 false |
ignoreMissingFiles 类型: Boolean 是否忽略缺少的文件。 如果为 true,则当遇到缺少的文件时,Spark 作业将继续运行,并且仍会返回已读取的内容。 在 Databricks Runtime 11.3 LTS 及更高版本中可用。 默认值: false (COPY INTO 的 true ) |
modifiedAfter 类型: Timestamp String ,例如 2021-01-01 00:00:00.000000 UTC+0 一个可选时间戳,指示引入其修改时间戳晚于所提供的时间戳的文件。 默认值:无 |
modifiedBefore 类型: Timestamp String ,例如 2021-01-01 00:00:00.000000 UTC+0 一个可选时间戳,指示引入其修改时间戳早于所提供的时间戳的文件。 默认值: 无 |
pathGlobFilter 或 fileNamePattern 类型: String 提供用来选择文件的一种潜在 glob 模式。 等效于 COPY INTO 中的 PATTERN 。 fileNamePattern 可在 read_files 中使用。默认值: 无 |
recursiveFileLookup 类型: Boolean 是否在架构推理期间跳过分区推理。 这不会影响加载的文件。 默认值:30 false |
JSON
选项
选项 |
---|
allowBackslashEscapingAnyCharacter 类型: Boolean 是否允许反斜杠对其后面的任何字符进行转义。 如果未启用,则只能对按 JSON 规范显式列出的字符进行转义。 默认值:30 false |
allowComments 类型: Boolean 是否允许在分析的内容中使用 Java、C 和 C++ 样式的注释( '/' 、'*' 和 '//' 变体)。默认值:30 false |
allowNonNumericNumbers 类型: Boolean 是否允许将非数字 ( NaN ) 标记集用作合法浮点数字值。默认值:30 true |
allowNumericLeadingZeros 类型: Boolean 是否允许整数以附加的(可忽略的)零开头(例如 000001 )。默认值:30 false |
allowSingleQuotes 类型: Boolean 是否允许使用单引号(撇号字符 '\' )来引用字符串(名称和字符串值)。默认值:30 true |
allowUnquotedControlChars 类型: Boolean 是否允许 JSON 字符串包含未转义的控制字符(值小于 32 的 ASCII 字符,包括制表符和换行符)。 默认值:30 false |
allowUnquotedFieldNames 类型: Boolean 是否允许使用不带引号的字段名称(JavaScript 允许,但 JSON 规范不允许)。 默认值:30 false |
badRecordsPath 类型: String 用于记录错误 JSON 记录相关信息的存储文件的路径。 默认值: 无 |
columnNameOfCorruptRecord 类型: String 用于存储因格式不正确而无法分析的记录的列。 如果用于分析的 mode 设置为 DROPMALFORMED ,则此列将为空。默认值:30 _corrupt_record |
dateFormat 类型: String 用于分析日期字符串的格式。 默认值:30 yyyy-MM-dd |
dropFieldIfAllNull 类型: Boolean 在进行架构推理期间是否忽略所有 null 值或空数组和结构的列。 默认值:30 false |
encoding 或 charset 类型: String JSON 文件编码的名称。 有关选项列表,请参阅 java.nio.charset.Charset 。 当 multiline 为 true 时,不能使用 UTF-16 和 UTF-32 。默认值:30 UTF-8 |
inferTimestamp 类型: Boolean 是否尝试将时间戳字符串推理为 TimestampType 。 设置为为 true 时,架构推理可能需要明显更长的时间。 必须启用 cloudFiles.inferColumnTypes 才能与自动加载程序一起使用。默认值:30 false |
lineSep 类型: String 两个连续 JSON 记录之间的字符串。 默认值:None,涵盖 \r 、\r\n 和 \n |
locale 类型: String 一个 java.util.Locale 标识符。 影响 JSON 中的默认日期、时间戳和十进制分析。默认值:30 US |
mode 类型: String 围绕处理格式错误的记录提供的分析程序模式。 'PERMISSIVE' 、'DROPMALFORMED' 或 'FAILFAST' 中的一项。默认值:30 PERMISSIVE |
multiLine 类型: Boolean JSON 记录是否跨多行。 默认值:30 false |
prefersDecimal 类型: Boolean 如果可能,尝试将字符串推断为 DecimalType 而不是浮点型或双精度型。 还必须通过启用以下项来使用架构推理inferSchema 或配合使用 cloudFiles.inferColumnTypes 和自动加载程序。默认值:30 false |
primitivesAsString 类型: Boolean 是否将数字和布尔值等基元类型推理为 StringType 。默认值:30 false |
readerCaseSensitive 类型: Boolean 指定启用 rescuedDataColumn 时区分大小写的行为。 如果为 true,则拯救名称因大小写而与架构不同的数据列;否则,请以不区分大小写的方式读取数据。 在 Databricks Runtime13.3 及更高版本中可用。 默认值:30 true |
rescuedDataColumn 类型: String 是否将因数据类型不匹配或架构不匹配(包括列大小写)而无法分析的所有数据收集到单独的列。 使用自动加载程序时,默认包含此列。 有关更多详细信息,请参考什么是补救的数据列?。 默认值: 无 |
singleVariantColumn 类型: String 是否引入整个 JSON 文档,解析为单个 Variant 列,并使用给定的字符串作为列名。 如果禁用,则 JSON 字段将引入到自己的列中。 默认值: 无 |
timestampFormat 类型: String 用于分析时间戳字符串的格式。 默认值:30 yyyy-MM-dd'T'HH:mm:ss[.SSS][XXX] |
timeZone 类型: String 分析时间戳和日期时要使用的 java.time.ZoneId 。默认值: 无 |
CSV
选项
选项 |
---|
badRecordsPath 类型: String 用于记录错误 CSV 记录相关信息的存储文件的路径。 默认值: 无 |
charToEscapeQuoteEscaping 类型: Char 用来对引号的转义字符进行转义的字符。 例如,对于以下记录: [ " a\\", b ] :* 如果未定义用来对 '\' 进行转义的字符,则不会分析记录。 分析程序会将字符读取为 [a],[\],["],[,],[ ],[b] ,并引发错误,因为它找不到右引号。* 如果将用来对 '\' 转义的字符定义为 '\' ,则读取的记录会带有 2 个值:[a\] 和 [b] 。默认值:30 '\0' |
columnNameOfCorruptRecord > [!NOTE] >> 支持自动加载程序。 不支持 COPY INTO 。类型: String 用于存储因格式不正确而无法分析的记录的列。 如果用于分析的 mode 设置为 DROPMALFORMED ,则此列将为空。默认值:30 _corrupt_record |
comment 类型: Char 定义表示行注释的字符(位于文本行的开头时)。 请使用 '\0' 来禁用注释跳过。默认值:30 '\u0000' |
dateFormat 类型: String 用于分析日期字符串的格式。 默认值:30 yyyy-MM-dd |
emptyValue 类型: String 空值的字符串表示形式。 默认值:30 "" |
encoding 或 charset 类型: String CSV 文件编码的名称。 有关选项列表,请参阅 java.nio.charset.Charset 。 当 multiline 为 true 时,不能使用 UTF-16 和 UTF-32 。默认值:30 UTF-8 |
enforceSchema 类型: Boolean 是否将指定的或推理出的架构强制应用于 CSV 文件。 如果启用此选项,则会忽略 CSV 文件的标题。 默认情况下,当使用自动加载程序来补救数据并允许架构演变时,会忽略此选项。 默认值:30 true |
escape 类型: Char 分析数据时要使用的转义字符。 默认值:30 '\' |
header 类型: Boolean CSV 文件是否包含标题。 自动加载程序在推理架构时会假定文件具有标题。 默认值:30 false |
ignoreLeadingWhiteSpace 类型: Boolean 是否忽略每个所分析值的前导空格。 默认值:30 false |
ignoreTrailingWhiteSpace 类型: Boolean 是否忽略每个所分析值的尾随空格。 默认值:30 false |
inferSchema 类型: Boolean 是推理所分析 CSV 记录的数据类型,还是假定所有列都是 StringType 类型的。 如果设置为 true ,则需要对数据进行另一轮操作。 对于自动加载程序,请改用 cloudFiles.inferColumnTypes 。默认值:30 false |
lineSep 类型: String 两个连续 CSV 记录之间的字符串。 默认值:None,涵盖 \r 、\r\n 和 \n |
locale 类型: String 一个 java.util.Locale 标识符。 影响 CSV 中的默认日期、时间戳和十进制分析。默认值:30 US |
maxCharsPerColumn 类型: Int 要分析的值预期包含的最大字符数。 可用于避免内存错误。 默认为 -1 ,表示无限制。默认值:30 -1 |
maxColumns 类型: Int 记录可以包含的列数的硬限制。 默认值:30 20480 |
mergeSchema 类型: Boolean 是否跨多个文件推理架构并合并每个文件的架构。 已默认在推理架构时为自动加载程序启用。 默认值:30 false |
mode 类型: String 围绕处理格式错误的记录提供的分析程序模式。 'PERMISSIVE' 、'DROPMALFORMED' 和 'FAILFAST' 。默认值:30 PERMISSIVE |
multiLine 类型: Boolean CSV 记录是否跨多行。 默认值:30 false |
nanValue 类型: String 分析 FloatType 和 DoubleType 列时非数字值的字符串表示形式。默认值:30 "NaN" |
negativeInf 类型: String 分析 FloatType 或 DoubleType 列时负无穷大的字符串表示形式。默认值:30 "-Inf" |
nullValue 类型: String null 值的字符串表示形式。 默认值:30 "" |
parserCaseSensitive (已弃用)类型: Boolean 读取文件时,将标题中声明的列与架构对齐时是否区分大小写。 对于自动加载程序,此项默认为 true 。 如果启用,则会在 rescuedDataColumn 中补救大小写不同的列。 已不推荐使用此选项,推荐使用 readerCaseSensitive 。默认值:30 false |
positiveInf 类型: String 分析 FloatType 或 DoubleType 列时正无穷大的字符串表示形式。默认值:30 "Inf" |
preferDate 类型: Boolean 如果可能,尝试将字符串推断为日期而不是时间戳。 还必须通过启用 inferSchema 或使用以下项来使用架构推理cloudFiles.inferColumnTypes 与自动加载程序。默认值:30 true |
quote 类型: Char 当字段分隔符是值的一部分时用于对值进行转义的字符。 默认值:30 " |
readerCaseSensitive 类型: Boolean 指定启用 rescuedDataColumn 时区分大小写的行为。 如果为 true,则拯救名称因大小写而与架构不同的数据列;否则,请以不区分大小写的方式读取数据。默认值:30 true |
rescuedDataColumn 类型: String 是否将因数据类型不匹配和架构不匹配(包括列大小写)而无法分析的所有数据收集到单独的列。 使用自动加载程序时,默认包含此列。 有关更多详细信息,请参考什么是补救的数据列?。 默认值:无 |
sep 或 delimiter 类型: String 列之间的分隔符字符串。 默认值:30 "," |
skipRows 类型: Int CSV 文件开头应忽略的行数(包括注释行和空行)。 如果 header 为 true,则标头将是第一个未跳过和未注释的行。默认值:30 0 |
timestampFormat 类型: String 用于分析时间戳字符串的格式。 默认值:30 yyyy-MM-dd'T'HH:mm:ss[.SSS][XXX] |
timeZone 类型: String 分析时间戳和日期时要使用的 java.time.ZoneId 。默认值: 无 |
unescapedQuoteHandling 类型: String 用于处理未转义的引号的策略。 允许的选项: * STOP_AT_CLOSING_QUOTE :如果在输入中发现了未转义的引号,则会累积引号字符并继续将值解析为带引号的值,直至找到右引号。* BACK_TO_DELIMITER :如果在输入中发现了未转义的引号,则会将该值视为无引号的值。 这会让分析程序累积当前所分析值的所有字符,直至找到 sep 定义的分隔符。 如果在值中找不到分隔符,则分析程序会继续从输入中累积字符,直到找到分隔符或行尾。* STOP_AT_DELIMITER :如果在输入中发现了未转义的引号,则会将该值视为无引号的值。 这会让分析程序累积所有字符,直至在输入中找到 sep 定义的分隔符或找到行尾。* SKIP_VALUE :如果在输入中发现了未转义的引号,则将跳过针对给定值所解析的内容(直至找到下一个分隔符),并将改为生成 nullValue 中设置的值。* RAISE_ERROR :如果在输入中发现了未转义的引号,则会引发 TextParsingException 。默认值:30 STOP_AT_DELIMITER |
XML
选项
选项 | 说明 | 范围 |
---|---|---|
rowTag |
要作为行处理的 XML 文件的行标记。 在示例 XML <books> <book><book>...<books> 中,相应的值为 book 。 这是必需选项。 |
读取 |
samplingRatio |
定义用于架构推理的行的一部分。 XML 内置函数会忽略此选项。 默认:1.0 。 |
读取 |
excludeAttribute |
是否排除元素中的属性。 默认:false 。 |
读取 |
mode |
在分析期间处理损坏记录的模式。PERMISSIVE :对于损坏的记录,将格式错误的字符串放入由 columnNameOfCorruptRecord 配置的字段中,并将格式错误的字段设置为 null 。 若要保留损坏的记录,可以在用户定义的架构中设置名为 columnNameOfCorruptRecord 的 string 类型字段。 如果架构没有该字段,则会在分析期间删除损坏的记录。 推理架构时,分析程序会在输出架构中隐式添加 columnNameOfCorruptRecord 字段。DROPMALFORMED :忽略损坏的记录。 XML 内置函数不支持此模式。FAILFAST :分析程序遇到损坏的记录时引发异常。 |
读取 |
inferSchema |
如果为 true ,则尝试推断每个生成的 DataFrame 列的相应类型。 如果为 false ,则生成的所有列均为 string 类型。 默认值:true 。 XML 内置函数会忽略此选项。 |
读取 |
columnNameOfCorruptRecord |
允许重命名包含由 PERMISSIVE 模式创建的格式错误的字符串的新字段。 默认:spark.sql.columnNameOfCorruptRecord 。 |
读取 |
attributePrefix |
属性的前缀,用于区分属性和元素。 这将是字段名称的前缀。 默认值为 _ 。 读取 XML 时可以为空,但写入时不能为空。 |
读取、写入 |
valueTag |
该标记用于同时具有属性元素或子元素的元素中的字符数据。 用户可以在架构中指定 valueTag 字段,或者当字符数据存在于具有其他元素或属性的元素中时,该字段将在架构推断期间自动添加。 默认值:_VALUE |
读取、写入 |
encoding |
若要读取,请根据给定的编码类型解码 XML 文件。 对于写入,请指定已保存的 XML 文件的编码(字符集)。 XML 内置函数会忽略此选项。 默认:UTF-8 。 |
读取、写入 |
ignoreSurroundingSpaces |
定义是否应跳过正在读取的值周围的空格。 默认:true 。 将忽略只有空格的字符数据。 |
读取 |
rowValidationXSDPath |
可选 XSD 文件的路径,用于单独验证每行的 XML。 未能通过验证的行视为上述解析错误。 XSD 不会以其他方式影响提供或推理的架构。 | 读取 |
ignoreNamespace |
如果为 true ,则忽略 XML 元素和属性上的命名空间前缀。 例如,标记 <abc:author> 和 <def:author> 会被视为只是 <author> 。 不能忽略 rowTag 元素上的命名空间,只忽略其读取子元素。 XML 分析不识别命名空间,即使 false 。 默认:false 。 |
读取 |
timestampFormat |
遵循日期/时间模式格式的自定义时间戳格式字符串。 它适用于 timestamp 类型。 默认:yyyy-MM-dd'T'HH:mm:ss[.SSS][XXX] 。 |
读取、写入 |
timestampNTZFormat |
遵循日期/时间模式格式的不带时区的自定义时间戳格式字符串。 这适用于 TimestampNTZType 类型。 默认值:yyyy-MM-dd'T'HH:mm:ss[.SSS] |
读取、写入 |
dateFormat |
遵循日期/时间模式格式的自定义日期格式字符串。 这适用于日期类型。 默认:yyyy-MM-dd 。 |
读取、写入 |
locale |
将区域设置设置为 IETF BCP 47 格式的语言标记。 例如,在分析日期和时间戳时使用 locale 。 默认:en-US 。 |
读取 |
rootTag |
XML 文件的根标记。 例如,在 <books> <book><book>...</books> 中,相应的值为 books 。 可以通过指定类似于 books foo="bar" 的值来包含基本属性。 默认:ROWS 。 |
写入 |
declaration |
要在每个输出 XML 文件的开头(在 rootTag 之前)写入的 XML 声明的内容。 例如,值 foo 会导致写入 <?xml foo?> 。 设置为空字符串以禁用。 默认值:version="1.0" encoding="UTF-8" standalone="yes" 。 |
写入 |
arrayElementName |
写入时将数组值列的每个元素括起来的 XML 元素的名称。 默认:item 。 |
写入 |
nullValue |
设置 null 值的字符串表示形式。 默认值:字符串 null 。 当为 null 时,分析程序不会为字段写入属性和元素。 |
读取、写入 |
compression |
保存到文件时使用的压缩代码。 这可以是已知不区分大小写的缩短名称之一(none 、bzip2 、gzip 、lz4 、snappy 和deflate ). XML 内置函数会忽略此选项。 默认:none 。 |
写入 |
validateName |
如果为 true,则当 XML 元素名称验证失败时引发错误。 例如,SQL 字段名称可以有空格,但 XML 元素名称不能为空。 默认值:true 。 |
写入 |
readerCaseSensitive |
指定启用 rescuedDataColumn 时区分大小写的行为。 如果为 true,则拯救名称因大小写而与架构不同的数据列;否则,请以不区分大小写的方式读取数据。 默认:true 。 |
读取 |
rescuedDataColumn |
是否将因数据类型不匹配和架构不匹配(包括列大小写)而无法分析的所有数据收集到单独的列中。 使用自动加载程序时,默认包含此列。 有关详细信息,请参阅什么是补救的数据列?。 默认值:无。 | 读取 |
PARQUET
选项
选项 |
---|
datetimeRebaseMode 类型: String 控制 DATE 和 TIMESTAMP 值在儒略历与外推格里历之间的基本值重定。 允许的值: EXCEPTION 、LEGACY 和CORRECTED 。默认值:30 LEGACY |
int96RebaseMode 类型: String 控制 INT96 时间戳值在儒略历与外推格里历之间的基本值重定。 允许的值: EXCEPTION 、LEGACY 和CORRECTED 。默认值:30 LEGACY |
mergeSchema 类型: Boolean 是否跨多个文件推理架构并合并每个文件的架构。 默认值:30 false |
readerCaseSensitive 类型: Boolean 指定启用 rescuedDataColumn 时区分大小写的行为。 如果为 true,则拯救名称因大小写而与架构不同的数据列;否则,请以不区分大小写的方式读取数据。默认值:30 true |
rescuedDataColumn 类型: String 是否将因数据类型不匹配和架构不匹配(包括列大小写)而无法分析的所有数据收集到单独的列。 使用自动加载程序时,默认包含此列。 有关更多详细信息,请参考什么是补救的数据列?。 默认值: 无 |
AVRO
选项
选项 |
---|
avroSchema 类型: String 用户以 Avro 格式提供的可选架构。 读取 Avro 时,可以将此选项设置为一个演变的架构,该架构与实际 Avro 架构兼容但不同。 反序列化架构会与演变的架构保持一致。 例如,如果你设置的演变架构包含一个具有默认值的附加列,则读取结果也会包含该新列。 默认值: 无 |
datetimeRebaseMode 类型: String 控制 DATE 和 TIMESTAMP 值在儒略历与外推格里历之间的基本值重定。 允许的值: EXCEPTION 、LEGACY 和CORRECTED 。默认值:30 LEGACY |
mergeSchema 类型: Boolean 是否跨多个文件推理架构并合并每个文件的架构。 Avro 的 mergeSchema 不放宽数据类型。默认值:30 false |
readerCaseSensitive 类型: Boolean 指定启用 rescuedDataColumn 时区分大小写的行为。 如果为 true,则拯救名称因大小写而与架构不同的数据列;否则,请以不区分大小写的方式读取数据。默认值:30 true |
rescuedDataColumn 类型: String 是否将因数据类型不匹配和架构不匹配(包括列大小写)而无法分析的所有数据收集到单独的列。 使用自动加载程序时,默认包含此列。 有关更多详细信息,请参考什么是补救的数据列?。 默认值: 无 |
BINARYFILE
选项
二进制文件没有任何额外的配置选项。
TEXT
选项
选项 |
---|
encoding 类型: String TEXT 文件编码的名称。 有关选项列表,请参阅 java.nio.charset.Charset 。默认值:30 UTF-8 |
lineSep 类型: String 两个连续 TEXT 记录之间的字符串。 默认值:None,涵盖 \r 、\r\n 和 \n |
wholeText 类型: Boolean 是否将文件读取为单个记录。 默认值:30 false |
ORC
选项
选项 |
---|
mergeSchema 类型: Boolean 是否跨多个文件推理架构并合并每个文件的架构。 默认值:30 false |