apache-spark - 在 Databricks 中将云数据源注册为全局表而不进行复制

Question

鉴于我在 Azure 存储中有一个 Delta 表：

wasbs://mycontainer@myawesomestorage.blob.core.windows.net/mydata

这可从我的 Databricks 环境中获得。我现在希望通过全局表获得这些数据，自动加载到所有集群并在“数据”部分中可见。

我可以通过复制轻松做到这一点：

spark.read\
  .load("wasbs://mycontainer@myawesomestorage.blob.core.windows.net/mydata")\
  .write.saveAsTable("my_new_table")

但这很昂贵，我需要偶尔运行它（但是结构化流会有所帮助）。但是是否可以直接将源注册为全局表，而不必复制所有文件？

Answer 1

您可以在 databricks 笔记本单元格中使用CREATE TABLE USING语句：

%sql

CREATE TABLE IF NOT EXISTS default.my_new_table 
  USING DELTA 
  LOCATION "wasbs://mycontainer@myawesomestorage.blob.core.windows.net/mydata"

表my_new_table应该出现在 databricks 数据选项卡中的默认数据库中。