使用条件根据分区的镶木地板数据创建表

Question

我正在尝试从databricks cluster中的 Amazon s3的分区数据创建表。 现在我拥有的数据在以下分区

ID ， report和date

所以我已经安装了数据：

%python
ACCESS_KEY = "xxxxxxxxx"
SecretKey = "xxxxxxxxxx"
ENCODED_SECRET_KEY = SecretKey.replace("/", "%2F")
AWS_BUCKET_NAME = "path/parent_directory"
MOUNT_NAME = "parent"
dbutils.fs.mount("s3a://%s:%s@%s" % (ACCESS_KEY, ENCODED_SECRET_KEY, 
AWS_BUCKET_NAME), "/mnt/%s" % MOUNT_NAME)

现在，按照我的数据路径的结构，将如下所示：

/dbfs/parent/id/report/date

现在，我想基于分区创建表。 我想在创建表中指定where条件，并在其中指定report_name。 id文件夹中有5个报告。 我的查询是这样的：

%sql
Create table if not exists abc
(col1 string,
 col2 string,
 col3 bigint)using parquet
OPTIONS (path "/mnt/parent/")
partitioned by (id,report,date) where 
report="report1" ;

我收到语法错误 ：

Error in SQL statement: ParseException:mismatched input 'where' expecting <EOF>

我也试过

Create table if not exists report1
(
col1 string,
col2 string,
col3 bigint  )using parquet
OPTIONS (path "/mnt/parent/")
partitioned by (id,report="report1",date)

谁能帮我这个？ 还是有人可以帮助我通过spark-shell加载？

谢谢

Answer 1

我认为您真正想要的是数据的非托管表和根据该分区条件进行过滤的视图。

create table report
using parquet
options (
  path '/mnt/parent'
);

msck repair table report;

create or replace view report1
as select * from report where report = 'report1';