if self.config.load_type == "INC": # adhoc hist job do not need to join landing merge table try: landing_merge_df = self.spark.read.format(self.config.destination_file_type). \ load(self.config.destination_data_path) # dataframe for updated records df = df.drop("audit_batch_id", "audit_job_id", "audit_src_sys_name", "audit_created_usr", "audit_updated_usr", "audit_created_tmstmp", "audit_updated_tmstmp") # dataframe for newly inserted records new_insert_df = df.join(landing_merge_df, primary_keys_list, "left_anti") self.logger.info(f"new_insert_df count: {new_insert_df.count()}") new_insert_df = DataSink_with_audit(self.spark).add_audit_columns(new_insert_df, param_dict) update_df = df.alias('l').join(landing_merge_df.alias('lm'), on=primary_keys_list, how="inner") update_df = update_df.select("l.*", "lm.audit_batch_id", "lm.audit_job_id", "lm.audit_src_sys_name", "lm.audit_created_usr", "lm.audit_updated_usr", "lm.audit_created_tmstmp", "lm.audit_updated_tmstmp") self.logger.info(f"update_df count : {update_df.count()}") update_df = DataSink_with_audit(self.spark).update_audit_columns(update_df, param_dict) # dataframe for unchanged records unchanged_df = landing_merge_df.join(df, on=primary_keys_list, how="left_anti") self.logger.info(f"unchanged_records_df count : {unchanged_df.count()}") final_df = new_insert_df.union(update_df).union(unchanged_df) print("final_df count : ", final_df.count()) except AnalysisException as e: if e.desc.startswith('Path does not exist'): self.logger.info('landing merge table not exists. will skip join landing merge') final_df = DataSink_with_audit(self.spark).add_audit_columns(df, param_dict) else: self.logger.error(f'unknown error: {e.desc}') raise e else: final_df = DataSink_with_audit(self.spark).add_audit_columns(df, param_dict) return final_df
时间: 2024-02-14 07:20:59 浏览: 25
这是一段Python代码,其中包含一个类方法的实现。该方法根据配置参数的不同,从一个特定的数据路径中将数据加载到一个Spark DataFrame中,并对该数据进行一些操作,最终返回一个具有审计列的DataFrame。如果配置参数是"INC",则会执行一些数据合并的操作,包括添加、更新和未更改的记录,并对这些记录添加审计列。如果配置参数是其他值,则只会添加审计列。
相关问题
解析https://demo01.sail-cloud.com:31754/service/adhoc_query/basic_activity?page=0&size=50&filters=%7B%7D
这是一个HTTP请求,请求的URL为 https://demo01.sail-cloud.com:31754/service/adhoc_query/basic_activity,其中:
- demo01.sail-cloud.com:31754 是请求的服务器地址,端口号为 31754
- /service/adhoc_query/basic_activity 是请求的API路径,表示查询 basic_activity 数据表中的数据
请求的方法为 GET,表示查询数据。请求中有三个参数:
- page=0 表示请求第0页的数据
- size=50 表示每页请求50条数据
- filters=%7B%7D 表示查询条件为空,即查询所有数据
其中,filters参数中的%7B%7D是经过URL编码后的{}符号,表示查询条件为空的JSON对象。服务器会根据这些参数,查询 basic_activity 数据表中的数据,并将查询结果以JSON格式返回。
https://demo01.sail-cloud.com:31754/service/adhoc_query/basic_activity?page=0&size=50&filters=%7B%7D
这是一个基于RESTful API的数据查询请求,查询的是basic_activity表中的数据。其中,page参数表示查询的页码,size参数表示每页查询的数据条数,filters参数表示查询的过滤条件。由于filters参数为空,所以查询的结果没有过滤条件限制,会返回basic_activity表中的所有数据。