event_log 表值函数

适用于:勾选“是” Databricks SQL 勾选“是” Databricks Runtime 13.3 LTS 及更高版本

返回 具体化视图流式处理表DLT 管道的事件日志。

详细了解增量实时表的事件日志

注意

event_log 表值函数只能由流式处理表或具体化视图的所有者调用,而通过 event_log 表值函数创建的视图只能由流式处理表或具体化视图的所有者查询。 无法与其他用户共享视图。

语法

event_log( { TABLE ( table_name ) | pipeline_id } )

参数

  • table_name:具体化视图或流式处理表的名称。 名称不得包含时态规范。 如果名称未限定,则使用当前目录和架构来限定标识符。
  • pipeline_id:增量实时表管道的字符串标识符。

返回

  • id STRING NOT NULL:事件日志记录的唯一标识符。
  • sequence STRING NOT NULL:一个 JSON 对象,其中包含用于标识事件和对事件排序的元数据。
  • origin STRING NOT NULL:一个 JSON 对象,其中包含事件源的元数据,例如云提供程序、区域、user_idpipeline_id
  • timestamp TIMESTAMP NOT NULL:记录事件的时间(采用 UTC 格式)。
  • message STRING NOT NULL:描述事件的用户可读消息。
  • level STRING NOT NULL:日志记录的级别,例如 INFOWARNERRORMETRICS
  • maturity_level STRING NOT NULL:事件架构的稳定性。 可能的值包括:
    • STABLE:架构稳定,不会改变。
    • NULL:架构稳定,不会改变。 如果记录是在添加 maturity_level 字段之前(版本 2022.37)创建的,则该值可能是 NULL
    • EVOLVING:架构不稳定,可能会发生变化。
    • DEPRECATED:架构已弃用,Delta Live Tables 运行时可能随时停止生成此事件。
  • error STRING:如果出现错误,则为描述错误的详细信息。
  • details STRING NOT NULL:一个 JSON 对象,其中包含事件的结构化详细信息。 这是用于分析事件的主要字段。
  • event_type STRING NOT NULL:事件类型。

示例

有关更多示例,请参阅查询事件日志

-- View the events on a materialized view
> SELECT timestamp, message, details
  FROM event_log(table(my_mv))
  WHERE level in ('INFO', 'WARN', 'ERROR')
  ORDER BY timestamp;

timestamp, message, details
---------------------------
2023-08-12 01:03:05.000, 'Flow "my_mv" is STARTING.', '{"flow_progress":{"status":"STARTING"}}'

-- Create a temp view with the latest update to the table/pipeline
> CREATE OR REPLACE TEMP VIEW latest_update AS
  SELECT origin.update_id AS id FROM event_log('<pipeline-ID>')
  WHERE event_type = 'create_update' ORDER BY timestamp DESC LIMIT 1;

-- Query lineage information
> SELECT
  details:flow_definition.output_dataset as output_dataset,
  details:flow_definition.input_datasets as input_dataset
FROM
  event_log('<pipeline-ID>'),
  latest_update
WHERE
  event_type = 'flow_definition' AND origin.update_id = latest_update.id;

output_dataset, input_dataset
-----------------------------
customers, null
sales_orders_raw, null
sales_orders_cleaned, ["customers", "sales_orders_raw"]
sales_order_in_la, ["sales_orders_cleaned"]

-- Query data quality expectation history for a streaming table
> WITH expectations_parsed AS (
    SELECT
      explode(
        from_json(
          details:flow_progress.data_quality.expectations,
          "array<struct<name: string, dataset: string, passed_records: int, failed_records: int>>"
        )
      ) row_expectations
    FROM
      event_log(table(my_st)),
      latest_update
    WHERE
      event_type = 'flow_progress'
      AND origin.update_id = latest_update.id
  )
  SELECT
    row_expectations.dataset as dataset,
    row_expectations.name as expectation,
    SUM(row_expectations.passed_records) as passing_records,
    SUM(row_expectations.failed_records) as failing_records
  FROM expectations_parsed
  GROUP BY
    row_expectations.dataset,
    row_expectations.name;

dataset, expectation, passing_records, failing_records
------------------------------------------------------
sales_orders_cleaned, valid_order_number, 4083, 0