仅更新已更改的行 pyspark 增量表 databricks

Question

与创建的数据帧相比，需要仅更新现有表中发生更改的行。所以现在，我确实减去并获取更改的行，但不确定如何合并到现有表中。

old_df = spark.sql("select * from existing table")
diff = new_df.subtract(old_df)

现在必须插入 diff 数据框（如果是新行）或更新现有记录

(deltaTable.alias("full_df").merge(
    merge_df.alias("append_df"),
    "full_df.col1 = append_df.col1 OR full_df.col2 =append_df.col2") 
  .whenNotMatchedInsertAll() 
  .execute()
)

这不是更新现有记录（情况：col2 值已更改；col1 未更改）

Answer 1

.whenMatchedUpdateAll()接受可用于保留未更改行的条件：

(
  deltaTable
  .alias("full_df")
  .merge(
    merge_df.alias("append_df"),
    "full_df.col1 = append_df.col1 OR full_df.col2 = append_df.col2") 
  .whenNotMatchedInsertAll()
  .whenMatchedUpdateAll("full_df.col1 != append_df.col1 OR full_df.col2 != append_df.col2")
  .execute()
)