Azure Databricks 集群合并小文件与删除过多的历史版本

原因是:databricks 集群的数据底层是HDFS虽然是spark做为引擎读写如果没有及时合并也一样会因为小文件问题造成大量的资源消耗,也就会越来越慢。目前采用的主要方式,定时合并,与版本删除

1、python 脚本如下有用到的同学可以参考下

bash 复制代码
# 合并
for database_name in database_list:
    sqlQueryShowTables = "SHOW TABLES FROM {0}".format(database_name)
    tablesDF = spark.sql(sqlQueryShowTables).collect()

    for table in tablesDF:
        sqlOptimizeTable = "OPTIMIZE {0}.{1}".format(database_name, table['tableName'])
        try:
            spark.sql(sqlOptimizeTable)
            print("INFO: Optimize table {0}.{1} completed.".format(database_name, table['tableName']))
        except Exception as e:
            print("ERROR: Optimize table {0}.{1} failed.".format(database_name, table['tableName']))
bash 复制代码
# 删除多的版本
for database_name in database_list:
    sqlQueryShowTables = "SHOW TABLES FROM {0}".format(database_name)
    tablesDF = spark.sql(sqlQueryShowTables).collect()

    for table in tablesDF:
        sqlVACUUMTable = "VACUUM {0}.{1} RETAIN 168 HOURS".format(database_name, table['tableName'])
        try:
            spark.sql(sqlVACUUMTable)
            print("INFO: VACUUM table {0}.{1} completed.".format(database_name, table['tableName']))
        except Exception as e:
            print("ERROR: VACUUM table {0}.{1} failed.".format(database_name, table['tableName']))

2、在workflows 设置好定时器就行了,

相关推荐
liuqs33218 小时前
AWS、Azure接连宕机后,“云存储”的这个软肋被重新摆上台面
云计算·azure·aws
海盗123418 小时前
微软技术周报 · 2026-08-24——本周微软在 AI 模型与 Copilot 体验上加速大一统
人工智能·microsoft·copilot
RisunJan1 天前
Linux命令-xauth(X11 认证授权管理)
linux·服务器·microsoft
何以解忧,唯有..1 天前
Python 中获取目录操作完全指南
windows·python·microsoft
雾沉川2 天前
d3dx9_43.dll 丢失报错原因分析及三种标准修复方法
microsoft·3d
Yoyo Chen1803 天前
DeepSeek发布多模态模型deepseek-v4-flash-vision-exp:视觉能力正式接入Agent工作流
人工智能·深度学习·microsoft
何以解忧,唯有..3 天前
Python logging 模块:从入门到精通
python·microsoft·php
宝桥南山3 天前
Blazor Web Assembly - 体验一下Authentication State从Server共享给Client
microsoft·微软·c#·asp.net·.net·.netcore
上海魁鲸科技有限公司3 天前
APS高级排产系统到底有什么用?一文讲清功能、选型与落地建议
前端·microsoft·excel
日月新著4 天前
微软2万人调查:天天用AI的你,为什么还是原地踏步?
人工智能·microsoft