자동 로더 옵션

cloudFiles 원본과 관련된 구성 옵션은 다른 구조적 스트리밍 원본 옵션과 별도의 네임스페이스에 있도록 cloudFiles 접두사가 붙습니다.

• 일반적인 자동 로더 옵션
• 디렉터리 나열 옵션
• 파일 알림 옵션
• 파일 형식 옵션
  • 일반 옵션
  • JSON 옵션
  • CSV 옵션
  • XML 옵션
  • PARQUET 옵션
  • AVRO 옵션
  • BINARYFILE 옵션
  • TEXT 옵션
  • ORC 옵션
• 클라우드 관련 옵션
  • AWS 관련 옵션
  • Azure 관련 옵션
  • Google 관련 옵션

일반적인 자동 로더 옵션

디렉터리 목록 또는 파일 알림 모드에 대해 다음 옵션을 구성할 수 있습니다.

옵션
cloudFiles.allowOverwrites 유형: Boolean 입력 디렉터리 파일 변경에서 기존 데이터를 덮어쓰도록 허용할지 여부입니다. 이 구성을 활성화하는 것과 관련하여 몇 가지 주의 사항이 있습니다. 자세한 내용은 파일을 추가하거나 덮어쓸 때 자동 로더가 파일을 다시 처리하나요?를 참조하세요. 기본값: false
cloudFiles.backfillInterval 유형: Interval String 자동 로더는 지정된 간격으로 비동기 백필을 트리거할 수 있습니다. 예를 들어 1 day는 하루에 한 번 백필, 1 week는 일주일에 한 번 백필입니다. 파일 이벤트 알림 시스템은 업로드된 모든 파일의 100% 전송을 보장하지 않으므로 모든 파일이 결국 처리되도록 백필을 사용할 수 있습니다. 이 기능은 Databricks Runtime 8.4 (EoS) 이상에서 사용 가능합니다. 기본값: 없음
cloudFiles.format 유형: String 원본 경로의 데이터 파일 형식입니다. 허용되는 값은 다음과 같습니다. - avro: Avro 파일 - binaryFile: 이진 파일 - csv: CSV 파일 읽기 - json: JSON 파일 - orc: ORC 파일 - parquet: Azure Databricks로 Parquet 파일 읽기 - text: 텍스트 파일 기본값: 없음(필수 옵션)
cloudFiles.includeExistingFiles 유형: Boolean 스트림 처리 입력 경로에 기존 파일을 포함할지 아니면 초기 설정 후에 도착하는 새 파일만 처리할지 여부입니다. 이 옵션은 스트림을 처음 시작할 때만 평가됩니다. 스트림을 다시 시작한 후 이 옵션을 변경해도 효과가 없습니다. 기본값: true
cloudFiles.inferColumnTypes 유형: Boolean 스키마 유추를 활용할 때 정확한 열 형식을 유추할지 여부입니다. 기본적으로 열은 JSON 및 CSV 데이터 세트를 유추할 때 문자열로 유추됩니다. 자세한 내용은 스키마 유추를 참조하세요. 기본값: false
cloudFiles.maxBytesPerTrigger 유형: Byte String 모든 트리거에서 처리할 새 바이트의 최대 수입니다. 10g와 같은 바이트 문자열을 지정하여 각 마이크로 일괄 처리를 10GB의 데이터로 제한할 수 있습니다. 이는 소프트 최댓값입니다. 각각 3GB인 파일이 있는 경우 Azure Databricks는 마이크로 일괄 처리에서 12GB를 처리합니다. cloudFiles.maxFilesPerTrigger와 함께 사용하면 Azure Databricks는 cloudFiles.maxFilesPerTrigger 또는 cloudFiles.maxBytesPerTrigger 중 먼저 도달하는 하한까지 소비합니다. 이 옵션은 Trigger.Once()와 함께 사용하면 효과가 없습니다(Trigger.Once()는 사용되지 않음). 기본값: 없음
cloudFiles.maxFileAge 유형: Interval String 중복 제거를 위해 파일 이벤트를 추적하는 기간입니다. Databricks는 시간당 수백만 개의 파일로 데이터를 수집하지 않는 한 이 매개 변수를 튜닝하지 않는 것이 좋습니다. 자세한 내용은 이벤트 보존 섹션을 참조하세요. cloudFiles.maxFileAge를 지나치게 과감하게 튜닝하면 중복 수집이나 파일 누락과 같은 데이터 품질 문제가 발생할 수 있습니다. 따라서 Databricks는 다른 데이터 수집 솔루션의 권장 사항과 유사하게 cloudFiles.maxFileAge를 90일과 같은 보수적인 값으로 설정할 것을 권장합니다. 기본값: 없음
cloudFiles.maxFilesPerTrigger 유형: Integer 모든 트리거에서 처리할 새 파일의 최대 수입니다. cloudFiles.maxBytesPerTrigger와 함께 사용하면 Azure Databricks는 cloudFiles.maxFilesPerTrigger 또는 cloudFiles.maxBytesPerTrigger 중 먼저 도달하는 하한까지 소비합니다. 이 옵션은 Trigger.Once()와 함께 사용하면 효과가 없습니다(사용되지 않음). 기본값: 1000
cloudFiles.partitionColumns 유형: String 파일의 디렉터리 구조에서 유추하려는 Hive 스타일 파티션 열의 쉼표로 구분된 목록입니다. Hive 스타일 파티션 열은 다음과 같은 등호로 결합된 키 값 쌍입니다. <base-path>/a=x/b=1/c=y/file.format; 이 예에서 파티션 열은 a, b 및 c입니다. 기본적으로 이러한 열은 스키마 유추를 사용하고 데이터를 로드할 <base-path>를 제공하는 경우 스키마에 자동으로 추가됩니다. 스키마를 제공하면 자동 로더는 이러한 열이 스키마에 포함될 것으로 예상합니다. 이러한 열을 스키마의 일부로 사용하지 않으려면 ""를 지정하여 이러한 열을 무시할 수 있습니다. 또한 아래 예와 같이 복잡한 디렉터리 구조에서 열이 파일 경로로 유추되기를 원할 때 이 옵션을 사용할 수 있습니다. <base-path>/year=2022/week=1/file1.csv <base-path>/year=2022/month=2/day=3/file2.csv <base-path>/year=2022/month=2/day=4/file3.csv cloudFiles.partitionColumns를 year,month,day로 지정하면 반환됩니다. file1.csv는 year=2022이지만 month 및 day 열은 null입니다. month 및 day는 file2.csv 및 file3.csv에 대해 올바르게 구문 분석됩니다. 기본값: 없음
cloudFiles.schemaEvolutionMode 유형: String 데이터에서 새 열이 발견될 때 스키마를 발전시키는 모드입니다. 기본적으로 열은 JSON 데이터 세트를 유추할 때 문자열로 유추됩니다. 자세한 내용은 스키마 진화를 참조하세요. 기본값: 스키마가 제공되지 않은 경우 "addNewColumns" 그렇지 않으면 "none"입니다.
cloudFiles.schemaHints 유형: String 스키마 유추 중에 자동 로더에 제공하는 스키마 정보입니다. 자세한 내용은 스키마 힌트를 참조하세요. 기본값: 없음
cloudFiles.schemaLocation 유형: String 유추된 스키마 및 후속 변경 내용을 저장할 위치입니다. 자세한 내용은 스키마 유추를 참조하세요. 기본값: 없음(스키마 유추 시 필요)
cloudFiles.useStrictGlobber 유형: Boolean Apache Spark에서 다른 파일 원본의 기본 와일드카드 사용 동작과 일치하는 엄격한 globber(글로버)를 사용할지 여부입니다. 자세한 내용은 일반적인 데이터 로드 패턴을 참조하세요. Databricks Runtime 12.2 LTS 이상에서 지원됩니다. 기본값: false
cloudFiles.validateOptions 유형: Boolean 자동 로더 옵션의 유효성을 검사하고 알 수 없거나 일치하지 않는 옵션에 대해 오류를 반환할지 여부입니다. 기본값: true

디렉터리 나열 옵션

다음 옵션은 디렉터리 목록 모드와 관련이 있습니다.

옵션

cloudFiles.useIncrementalListing(더 이상 사용되지 않음) 유형: String 이 기능은 더 이상 사용되지 않습니다. Databricks는 파일 알림 모드를 cloudFiles.useIncrementalListing; 디렉터리 목록 모드에서 전체 목록 대신 증분 목록을 사용할지 여부입니다. 기본적으로 자동 로더는 주어진 디렉터리가 증분 목록에 적용 가능한지 자동으로 검색하기 위해 최선을 다합니다. 증분 목록을 명시적으로 사용하거나 각각 true 또는 false로 설정하여 전체 디렉터리 목록을 사용할 수 있습니다. 어휘 순서가 지정되지 않은 디렉터리에서 증분 목록을 잘못 활성화하면 자동 로더가 새 파일을 발견하지 못하게 됩니다. Azure Data Lake Storage Gen2(abfss://), S3(s3://) 및 GCS(gs://)와 함께 작동합니다. Databricks Runtime 9.1 LTS 이상에서 지원됩니다. 기본값: auto 사용 가능한 값: auto, true, false

파일 알림 옵션

파일 알림 모드와 관련이 있는 옵션은 다음과 같습니다.

옵션
cloudFiles.fetchParallelism 유형: Integer 큐 서비스에서 메시지를 가져올 때 사용할 스레드 수입니다. 기본값: 1
cloudFiles.pathRewrites 형식: JSON 문자열 여러 S3 버킷에서 파일 알림을 받는 queueUrl을 지정하고 이러한 컨테이너의 데이터에 액세스하도록 구성된 탑재 지점을 활용하려는 경우에만 필요합니다. 탑재 지점으로 bucket/key 경로의 접두사를 다시 쓰려면 이 옵션을 사용합니다. 접두사만 다시 쓸 수 있습니다. 예를 들어 {"<databricks-mounted-bucket>/path": "dbfs:/mnt/data-warehouse"} 구성의 경우 s3://<databricks-mounted-bucket>/path/2017/08/fileA.json 경로를 dbfs:/mnt/data-warehouse/2017/08/fileA.json으로 다시 씁니다. 기본값: 없음
cloudFiles.resourceTag 유형: Map(String, String) 관련 리소스를 연결하고 식별할 수 있도록 하는 일련의 키-값 태그 쌍입니다. 예를 들면 다음과 같습니다. cloudFiles.option("cloudFiles.resourceTag.myFirstKey", "myFirstValue") .option("cloudFiles.resourceTag.mySecondKey", "mySecondValue") AWS에 대한 자세한 내용은 Amazon SQS 비용 할당 태그 및 Amazon SNS 항목에 대한 태그 구성을 참조하세요. (1) Azure에 대한 자세한 내용은 네이밍 큐 및 메타데이터 및 이벤트 구독의 properties.labels 적용 범위를 참조하세요. 자동 로더는 이러한 키-값 태그 쌍을 JSON에 레이블로 저장합니다. (1) GCP에 대한 자세한 내용은 레이블로 사용량 보고를 참조하세요. (1) 기본값: 없음
cloudFiles.useNotifications 유형: Boolean 파일 알림 모드를 사용하여 새 파일이 있는지 확인할지 여부입니다. false인 경우 디렉터리 나열 모드를 사용합니다. 자동 로더 파일 검색 모드 비교를 참조하세요. 기본값: false

(1) 자동 로더는 기본적으로 최상의 노력으로 다음 키-값 태그 쌍을 추가합니다.

• vendor: Databricks
• path: 데이터가 로드되는 위치입니다. 레이블 지정 제한으로 인해 GCP에서 사용할 수 없습니다.
• checkpointLocation: 스트림의 검사점 위치입니다. 레이블 지정 제한으로 인해 GCP에서 사용할 수 없습니다.
• streamId: 스트림에 대한 GUID(Globally Unique Identifier)입니다.

이러한 키 이름은 예약되어 있으며 해당 값을 덮어쓸 수 없습니다.

파일 형식 옵션

자동 로더를 사용하면 JSON, CSV, PARQUET, AVRO, TEXT, BINARYFILE 및 ORC 파일을 수집할 수 있습니다.

• 일반 옵션
• JSON 옵션
• CSV 옵션
• XML 옵션
• PARQUET 옵션
• AVRO 옵션
• BINARYFILE 옵션
• TEXT 옵션
• ORC 옵션

일반 옵션

다음 옵션은 모든 파일 형식에 적용됩니다.

옵션
ignoreCorruptFiles 유형: Boolean 손상된 파일을 무시할지 여부를 나타냅니다. true인 경우 손상된 파일이 발견될 때 Spark 작업이 계속 실행되고 읽은 내용이 계속 반환됩니다. numSkippedCorruptFiles로 관찰 가능 Delta Lake 기록의 operationMetrics 열. Databricks Runtime 11.3 LTS 이상에서 지원됩니다. 기본값: false
ignoreMissingFiles 유형: Boolean 누락된 파일을 무시할지 여부를 나타냅니다. true인 경우 누락된 파일이 있는 경우 Spark 작업이 계속 실행되고 읽은 내용이 계속 반환됩니다. Databricks Runtime 11.3 LTS 이상에서 지원됩니다. 기본값: false(COPY INTO의 경우 true)
modifiedAfter 형식: Timestamp String(예: 2021-01-01 00:00:00.000000 UTC+0) 제공된 타임스탬프 다음에 수정 타임스탬프가 있는 파일을 수집하는 선택적 타임스탬프입니다. 기본값: 없음
modifiedBefore 형식: Timestamp String(예: 2021-01-01 00:00:00.000000 UTC+0) 제공된 타임스탬프 이전의 수정 타임스탬프가 있는 파일을 수집하기 위한 선택적 타임스탬프입니다. 기본값: 없음
pathGlobFilter 또는 fileNamePattern 유형: String 파일 선택을 위해 제공할 잠재적인 glob 패턴입니다. 다음과 동일합니다: COPY INTO의 PATTERN. fileNamePattern은 read_files에서 사용할 수 있습니다. 기본값: 없음
recursiveFileLookup 유형: Boolean 스키마 유추 중에 파티션 유추를 건너뛸지 여부입니다. 로드되는 파일에는 영향을 주지 않습니다. 기본값: false

JSON 옵션

옵션
allowBackslashEscapingAnyCharacter 유형: Boolean 백래시가 성공하는 모든 문자를 이스케이프할 수 있도록 허용할지 여부입니다. 사용하도록 설정하지 않으면 JSON 사양에 의해 명시적으로 나열된 문자만 이스케이프할 수 있습니다. 기본값: false
allowComments 유형: Boolean 구문 분석된 콘텐츠 내에서 Java, C, C++ 스타일 주석('/', '*' 및 '//' 변형)을 사용하도록 허용할지 여부입니다. 기본값: false
allowNonNumericNumbers 유형: Boolean 숫자가 아닌(NaN) 토큰 집합을 유효한 부동 숫자 값으로 허용할지 여부입니다. 기본값: true
allowNumericLeadingZeros 유형: Boolean 정수를 추가(무시할 수 있는) 0으로 시작할 수 있는지 여부(예: 000001)입니다. 기본값: false
allowSingleQuotes 유형: Boolean 작은따옴표(아포스트로피, 문자 '\')를 따옴표 문자열(이름 및 문자열 값)에 사용하도록 허용할지 여부입니다. 기본값: true
allowUnquotedControlChars 유형: Boolean JSON 문자열에 캡슐화되지 않은 컨트롤 문자(탭 및 줄 바꿈 문자를 포함하여 값이 32보다 작은 ASCII 문자)를 포함하도록 허용할지 여부입니다. 기본값: false
allowUnquotedFieldNames 유형: Boolean 따옴표가 지정되지 않은 필드 이름(JavaScript에서 허용되지만 JSON 사양에서는 허용되지 않음)의 사용을 허용할지 여부입니다. 기본값: false
badRecordsPath 유형: String 잘못된 JSON 레코드에 대한 정보를 기록하기 위한 파일을 저장하는 경로입니다. 기본값: 없음
columnNameOfCorruptRecord 유형: String 형식이 잘못되어 구문을 분석할 수 없는 레코드를 저장하기 위한 열입니다. 구문 분석에 대한 mode가 DROPMALFORMED로 설정되면 이 열은 비어 있습니다. 기본값: _corrupt_record
dateFormat 유형: String 날짜 문자열을 구문 분석하기 위한 형식입니다. 기본값: yyyy-MM-dd
dropFieldIfAllNull 유형: Boolean 스키마 유추 중에 모든 Null 값 또는 빈 배열 및 구조체의 열을 무시할지 여부입니다. 기본값: false
encoding 또는 charset 유형: String JSON 파일 인코딩의 이름입니다. 옵션 목록은 java.nio.charset.Charset을 참조하세요. multiline이 true이면 UTF-16 및 UTF-32를 사용할 수 없습니다. 기본값: UTF-8
inferTimestamp 유형: Boolean 타임스탬프 문자열을 TimestampType으로 유추할지 여부입니다. 다음으로 설정된 경우 - true: 스키마 추론이 눈에 띄게 오래 걸릴 수 있습니다. 자동 로더와 함께 사용하려면 cloudFiles.inferColumnTypes를 설정해야 합니다. 기본값: false
lineSep 유형: String 연속된 두 JSON 레코드 사이의 문자열입니다. 기본값: 없음(\r, \r\n, \n 포함)
locale 유형: String java.util.Locale 식별자입니다. JSON 내의 기본 날짜, 타임스탬프, 10진수 구문 분석에 영향을 줍니다. 기본값: US
mode 유형: String 잘못된 형식의 레코드를 처리하는 파서 모드입니다. 다음 중 하나입니다. 'PERMISSIVE' 'DROPMALFORMED' 또는 'FAILFAST'입니다. 기본값: PERMISSIVE
multiLine 유형: Boolean JSON 레코드가 여러 줄에 걸쳐 있는지 여부입니다. 기본값: false
prefersDecimal 유형: Boolean 가능하면 문자열 DecimalType 을 float 또는 double 형식 대신 유추하려고 시도합니다. 또한 다음을 활성화해서 스키마 유추를 사용해야 합니다: inferSchema를 활성화하거나 자동 로더에서 cloudFiles.inferColumnTypes 사용. 기본값: false
primitivesAsString 유형: Boolean 숫자 및 부울과 같은 기본 형식을 StringType으로 유추할지 여부입니다. 기본값: false
readerCaseSensitive 유형: Boolean rescuedDataColumn이 활성화된 경우 대/소문자 구분 동작을 지정합니다. true이면 스키마와 대/소문자를 구분하여 이름이 다른 데이터 열을 구합니다. 그렇지 않으면 대/소문자를 구분하지 않는 방식으로 데이터를 읽습니다. Databricks Runtime에서 사용 가능합니다. 13.3 이상. 기본값: true
rescuedDataColumn 유형: String 데이터 형식 불일치 또는 스키마 불일치(열 대/소문자 포함)로 인해 구문 분석할 수 없는 모든 데이터를 별도의 열에 수집할지 여부입니다. 이 열은 자동 로더를 사용할 때 기본적으로 포함됩니다. 자세한 내용은 복구된 데이터 열이란?을 참조하세요. 기본값: 없음
singleVariantColumn 유형: String 주어진 문자열을 열 이름으로 하여 전체 JSON 문서를 단일 Variant 열로 파싱하여 수집할지 여부입니다. 비활성화된 경우 JSON 필드가 각각의 열로 수집됩니다. 기본값: 없음
timestampFormat 유형: String 타임스탬프 문자열 구문 분석 형식입니다. 기본값: yyyy-MM-dd'T'HH:mm:ss[.SSS][XXX]
timeZone 유형: String 타임스탬프와 날짜를 구문 분석할 때 사용할 java.time.ZoneId입니다. 기본값: 없음

CSV 옵션

옵션
badRecordsPath 유형: String 잘못된 CSV 레코드에 대한 정보를 기록하기 위한 파일을 저장하는 경로입니다. 기본값: 없음
charToEscapeQuoteEscaping 유형: Char 따옴표를 이스케이프하는 데 사용되는 문자를 이스케이프하는 데 사용되는 문자입니다. 예를 들어 [ " a\\", b ] 레코드의 경우 다음과 같습니다. - '\'를 이스케이프할 문자가 정의되지 않으면 레코드가 구문 분석되지 않습니다. 파서에서 [a],[\],["],[,],[ ],[b] 문자를 읽고 닫는 따옴표를 찾을 수 없으므로 오류를 throw합니다. - '\'를 이스케이프할 문자가 '\'로 정의되면 레코드가 [a\] 및 [b]의 2개의 값으로 읽힙니다. 기본값: '\0'
columnNameOfCorruptRecord > [!참고] >> 자동 로더에서 지원됩니다. COPY INTO에서 지원되지 않습니다. 유형: String 형식이 잘못되어 구문을 분석할 수 없는 레코드를 저장하기 위한 열입니다. 구문 분석에 대한 mode가 DROPMALFORMED로 설정되면 이 열은 비어 있습니다. 기본값: _corrupt_record
comment 유형: Char 텍스트 줄의 시작 부분에 있는 줄 주석을 나타내는 문자를 정의합니다. 주석 건너뛰기를 사용하지 않도록 설정하려면 '\0'을 사용합니다. 기본값: '\u0000'
dateFormat 유형: String 날짜 문자열을 구문 분석하기 위한 형식입니다. 기본값: yyyy-MM-dd
emptyValue 유형: String 빈 값의 문자열 표현입니다. 기본값: ""
encoding 또는 charset 유형: String CSV 파일 인코딩 이름입니다. 옵션 목록은 java.nio.charset.Charset을 참조하세요. multiline이 true이면 UTF-16 및 UTF-32를 사용할 수 없습니다. 기본값: UTF-8
enforceSchema 유형: Boolean 지정된 스키마 또는 유추된 스키마를 CSV 파일에 강제로 적용할지 여부입니다. 옵션을 사용하도록 설정하면 CSV 파일의 머리글이 무시됩니다. 이 옵션은 자동 로더를 사용하여 데이터를 복구하고 스키마 개선을 허용하는 경우 기본값으로 무시됩니다. 기본값: true
escape 유형: Char 데이터를 구문 분석할 때 사용할 이스케이프 문자입니다. 기본값: '\'
header 유형: Boolean CSV 파일에 머리글이 포함되어 있는지 여부입니다. 자동 로더는 스키마를 유추할 때 파일에 머리글이 있다고 가정합니다. 기본값: false
ignoreLeadingWhiteSpace 유형: Boolean 구문 분석된 각 값의 선행 공백을 무시할지 여부입니다. 기본값: false
ignoreTrailingWhiteSpace 유형: Boolean 구문 분석된 각 값의 후행 공백을 무시할지 여부입니다. 기본값: false
inferSchema 유형: Boolean 구문 분석된 CSV 레코드의 데이터 형식을 유추할지 아니면 모든 열이 StringType이라고 가정할지 여부입니다. true로 설정되면 데이터를 추가로 전달해야 합니다. 자동 로더의 경우 cloudFiles.inferColumnTypes를 대신 사용합니다. 기본값: false
lineSep 유형: String 연속된 두 CSV 레코드 사이의 문자열입니다. 기본값: 없음(\r, \r\n, \n 포함)
locale 유형: String java.util.Locale 식별자입니다. CSV 내에서 기본 날짜, 타임스탬프, 10진수 구문 분석에 영향을 미칩니다. 기본값: US
maxCharsPerColumn 유형: Int 값에서 구문 분석할 최대 문자 수입니다. 메모리 오류를 방지하는 데 사용할 수 있습니다. 기본값은 -1이며 무제한을 의미합니다. 기본값: -1
maxColumns 유형: Int 레코드에 사용할 수 있는 열 수에 대한 하드 한도입니다. 기본값: 20480
mergeSchema 유형: Boolean 여러 파일에서 스키마를 유추하고 각 파일의 스키마를 병합할지 여부입니다. 스키마를 유추할 때 자동 로더에 대해 기본적으로 사용하도록 설정됩니다. 기본값: false
mode 유형: String 잘못된 형식의 레코드를 처리하는 파서 모드입니다. 다음 중 하나입니다. 'PERMISSIVE' 'DROPMALFORMED' 및 'FAILFAST'. 기본값: PERMISSIVE
multiLine 유형: Boolean CSV 레코드가 여러 줄에 걸쳐 있는지 여부입니다. 기본값: false
nanValue 유형: String FloatType 및 DoubleType 열을 구문 분석할 때 숫자가 아닌 값에 대한 문자열 표현입니다. 기본값: "NaN"
negativeInf 유형: String FloatType 또는 DoubleType 열을 구문 분석할 때 음의 무한대에 대한 문자열 표현입니다. 기본값: "-Inf"
nullValue 유형: String Null 값의 문자열 표현입니다. 기본값: ""
parserCaseSensitive(더 이상 사용되지 않음) 유형: Boolean 파일을 읽는 동안 머리글에 선언된 열을 스키마 대/소문자를 구분하여 정렬할지 여부를 결정합니다. 자동 로더의 경우 기본적으로 true입니다. 사용하도록 설정되면 대/소문자가 다른 열이 rescuedDataColumn에서 복구됩니다. readerCaseSensitive를 위하여 이 옵션은 더 이상 사용되지 않습니다. 기본값: false
positiveInf 유형: String FloatType 또는 DoubleType 열을 구문 분석할 때 양의 무한대에 대한 문자열 표현입니다. 기본값: "Inf"
preferDate 유형: Boolean 가능한 경우 문자열을 타임스탬프 대신 날짜로 유추하려고 시도합니다. 또한 스키마 추론을 사용해야 하며, inferSchema를 활성화하거나 자동 로더에서 cloudFiles.inferColumnTypes를 사용해야 합니다. 기본값: true
quote 유형: Char 필드 구분 기호가 값의 일부인 값을 이스케이프하는 데 사용되는 문자입니다. 기본값: "
readerCaseSensitive 유형: Boolean rescuedDataColumn이 활성화된 경우 대/소문자 구분 동작을 지정합니다. true이면 스키마와 대/소문자를 구분하여 이름이 다른 데이터 열을 구합니다. 그렇지 않으면 대/소문자를 구분하지 않는 방식으로 데이터를 읽습니다. 기본값: true
rescuedDataColumn 유형: String 데이터 형식 불일치 및 스키마 불일치(열 대/소문자 포함)로 인해 구문 분석할 수 없는 모든 데이터를 별도의 열에 수집할지 여부입니다. 이 열은 자동 로더를 사용할 때 기본적으로 포함됩니다. 자세한 내용은 복구된 데이터 열이란?을 참조하세요. 기본값: 없음
sep 또는 delimiter 유형: String 열 간 구분 기호 문자열입니다. 기본값: ","
skipRows 유형: Int 무시해야 하는 CSV 파일 시작 부분의 행 수입니다(주석이 추가된 행과 빈 행 포함). header가 true이면 헤더는 건너뛰지 않고 주석 처리되지 않은 첫 번째 행이 됩니다. 기본값: 0
timestampFormat 유형: String 타임스탬프 문자열 구문 분석 형식입니다. 기본값: yyyy-MM-dd'T'HH:mm:ss[.SSS][XXX]
timeZone 유형: String 타임스탬프와 날짜를 구문 분석할 때 사용할 java.time.ZoneId입니다. 기본값: 없음
unescapedQuoteHandling 유형: String 이스케이프되지 않은 따옴표를 처리하기 위한 전략입니다. 허용되는 옵션은 다음과 같습니다. - STOP_AT_CLOSING_QUOTE: 이스케이프되지 않은 따옴표가 입력에 있는 경우 닫는 따옴표를 찾을 때까지 따옴표 문자를 누적하고 값을 따옴표로 묶은 값으로 구문 분석합니다. - BACK_TO_DELIMITER: 이스케이프되지 않은 따옴표가 입력에 있는 경우 값을 따옴표가 없는 값으로 간주합니다. 이렇게 하면 sep에 정의된 구분 기호를 찾을 때까지 파서에서 현재 구문 분석된 값의 모든 문자를 누적합니다. 값에 구분 기호가 없으면 구분 기호 또는 줄 끝을 찾을 때까지 파서에서 입력으로부터 문자를 계속 누적합니다. - STOP_AT_DELIMITER: 이스케이프되지 않은 따옴표가 입력에 있는 경우 값을 따옴표가 없는 값으로 간주합니다. 이렇게 하면 입력에서 sep에 정의된 구분 기호 또는 줄 끝을 찾을 때까지 파서에서 모든 문자를 누적합니다. - SKIP_VALUE: 이스케이프되지 않은 따옴표가 입력에 있는 경우 지정된 값에 대해 구문 분석된 내용을 건너뛰고(다음 구분 기호를 찾을 때까지) nullValue에 설정된 값이 대신 생성됩니다. - RAISE_ERROR: 이스케이프되지 않은 따옴표가 입력에 있는 경우 TextParsingException이 throw됩니다. 기본값: STOP_AT_DELIMITER

XML 옵션

옵션	설명	범위
rowTag	행으로 처리할 XML 파일의 행 태그입니다. 예를 들어, XML이 <books> <book><book>...<books> 형태라면, 적절한 값은 book입니다. 필수 옵션입니다.	read
samplingRatio	스키마 유추에 사용되는 행의 비율을 정의합니다. XML 기본 제공 함수는 이 옵션을 무시합니다. 기본값: 1.0.	read
excludeAttribute	요소의 특성을 제외할지 여부입니다. 기본값: false.	read
mode	구문 분석 중 손상된 레코드를 처리하는 모드. PERMISSIVE: 손상된 레코드의 경우 잘못된 문자열을 columnNameOfCorruptRecord로 설정된 필드에 넣고 잘못된 필드들을 null로 설정합니다. 손상된 레코드를 유지하려면 사용자 정의 스키마에서 string 타입의 columnNameOfCorruptRecord라는 필드를 설정할 수 있습니다. 스키마에 필드가 없으면 구문 분석 중에 손상된 레코드를 삭제합니다. 스키마를 유추할 때 파서가 출력 스키마에 columnNameOfCorruptRecord 필드를 암시적으로 추가합니다. DROPMALFORMED: 손상된 레코드를 무시합니다. 이 모드는 XML 기본 제공 함수에 대해 지원되지 않습니다. FAILFAST: 파서가 손상된 레코드를 만나면 예외를 발생시킵니다.	read
inferSchema	true인 경우 각 결과 DataFrame 열에 대해 적절한 유형을 유추하려고 시도합니다. false인 경우 모든 결과 열은 string 유형입니다. 기본값: true; XML 기본 제공 함수는 이 옵션을 무시합니다.	read
columnNameOfCorruptRecord	다음 모드에서 생성된 잘못된 문자열을 포함하는 새로운 필드의 이름을 변경할 수 있습니다: PERMISSIVE 모드. 기본값: spark.sql.columnNameOfCorruptRecord.	read
attributePrefix	특성과 요소를 구별하기 위한 특성의 접두사. 이는 필드 이름의 접두사입니다. 기본값은 _입니다. XML을 읽는 경우 비워 둘 수 있지만 쓰기에는 비워 둘 수 없습니다.	읽기, 쓰기
valueTag	특성 또는 자식 요소도 있는 요소 내의 문자 데이터에 사용되는 태그입니다. 사용자는 스키마에서 valueTag 필드를 지정할 수 있습니다. 또는 문자 데이터가 다른 요소 또는 특성이 있는 요소에 있을 때 스키마 유추 중에 자동으로 추가됩니다. 기본값: _VALUE	읽기, 쓰기
encoding	읽기를 위해 지정된 인코딩 형식으로 XML 파일을 디코드합니다. 쓰기의 경우 저장된 XML 파일의 인코딩(charset)을 지정합니다. XML 기본 제공 함수는 이 옵션을 무시합니다. 기본값: UTF-8.	읽기, 쓰기
ignoreSurroundingSpaces	읽는 값의 주변 공백을 건너뛸지 여부를 정의합니다. 기본값: true. 공백 전용 문자 데이터는 무시됩니다.	read
rowValidationXSDPath	각 행을 개별적으로 검증하기 위해 사용되는 선택적 XSD 파일의 경로입니다. 유효성 검사에 실패한 행은 위와 같이 구문 분석 오류로 처리됩니다. XSD는 제공되거나 유추된 스키마에 달리 영향을 미치지 않습니다.	read
ignoreNamespace	true인 경우 XML 요소 및 특성에 대한 네임스페이스의 접두사는 무시됩니다. 예를 들어 <abc:author> 태그와 <def:author> 태그는 둘 다 <author>로 처리됩니다. 네임스페이스는 rowTag 요소에서 무시할 수 없으며 해당 읽기 자식만 무시할 수 있습니다. XML 파싱은 false여도 네임스페이스를 인식하지 않습니다. 기본값: false.	read
timestampFormat	날짜/시간 형식 패턴을 따르는 사용자 지정 타임스탬프 형식 문자열입니다. 이는 timestamp 형식에 적용됩니다. 기본값: yyyy-MM-dd'T'HH:mm:ss[.SSS][XXX].	읽기, 쓰기
timestampNTZFormat	시간대 없이 타임스탬프를 나타내는 사용자 지정 형식 문자열로 날짜/시간 형식 패턴을 따릅니다. 이는 TimestampNTZType 유형에 적용됩니다. 기본값: yyyy-MM-dd'T'HH:mm:ss[.SSS]	읽기, 쓰기
dateFormat	날짜/시간 형식 패턴을 따르는 사용자 지정 날짜 형식 문자열입니다. 이는 날짜 형식에 적용됩니다. 기본값: yyyy-MM-dd.	읽기, 쓰기
locale	로캘을 IETF BCP 47 형식의 언어 태그로 설정합니다. 예를 들어 날짜 및 타임스탬프를 피싱할 때 locale을 사용합니다. 기본값: en-US.	read
rootTag	XML 파일의 루트 태그입니다. 예를 들어 <books> <book><book>...</books>에서 적절한 값은 books입니다. books foo="bar"와 같은 값을 지정하여 기본 특성을 포함할 수 있습니다. 기본값: ROWS.	쓰기
declaration	모든 출력 XML 파일에서 rootTag 앞에 쓸 XML 선언의 내용입니다. 예를 들어 foo 값을 설정하면 <?xml foo?>가 작성됩니다. 비어 있는 문자열로 설정하여 억제할 수 있습니다. 기본값: version="1.0" encoding="UTF-8" standalone="yes";	쓰기
arrayElementName	배열 값을 가진 열의 각 요소를 쓸 때 둘러싸는 XML 요소의 이름입니다. 기본값: item.	쓰기
nullValue	Null 값의 문자열 표현을 설정합니다. 기본값: String null. 이 값이 null인 경우 필드의 특성 및 요소를 쓰지 않습니다.	읽기, 쓰기
compression	파일에 저장할 때 사용할 압축 코드입니다. 이는 대소문자를 구분하지 않는 none, bzip2, gzip, lz4, snappy, deflate:\ XML 기본 제공 함수는 이 옵션을 무시합니다. 기본값: none.	쓰기
validateName	true인 경우 XML 요소 이름 유효성 검사 실패에 대한 오류가 발생합니다. 예를 들어 SQL 필드 이름에는 공백이 있을 수 있지만 XML 요소 이름에는 공백이 있을 수 없습니다. 기본값: true;	쓰기
readerCaseSensitive	rescuedDataColumn이 활성화된 경우 대소문자 구분 동작을 지정합니다. true이면 스키마와 대/소문자를 구분하여 이름이 다른 데이터 열을 구합니다. 그렇지 않으면 대/소문자를 구분하지 않는 방식으로 데이터를 읽습니다. 기본값: true.	read
rescuedDataColumn	데이터 유형 불일치 및 스키마 불일치(열 대소문자 포함)로 인해 파싱할 수 없는 모든 데이터를 별도의 열로 수집할지 여부입니다. 이 열은 자동 로더를 사용할 때 기본적으로 포함됩니다. 자세한 내용은 복구된 데이터 열(Rescued Data Column)이란?을 참조하세요. 기본값: None.	read

PARQUET 옵션

옵션
datetimeRebaseMode 유형: String 율리우스력과 그레고리력 사이의 날짜 및 타임스탬프 값 기준 다시 지정을 제어합니다. 허용되는 값: EXCEPTION, LEGACY 및 CORRECTED; 기본값: LEGACY
int96RebaseMode 유형: String 율리우스력과 그레고리력 사이의 INT96 타임스탬프 값 기준 다시 지정을 제어합니다. 허용되는 값: EXCEPTION, LEGACY 및 CORRECTED; 기본값: LEGACY
mergeSchema 유형: Boolean 여러 파일에서 스키마를 유추하고 각 파일의 스키마를 병합할지 여부입니다. 기본값: false
readerCaseSensitive 유형: Boolean rescuedDataColumn이 활성화된 경우 대/소문자 구분 동작을 지정합니다. true이면 스키마와 대/소문자를 구분하여 이름이 다른 데이터 열을 구합니다. 그렇지 않으면 대/소문자를 구분하지 않는 방식으로 데이터를 읽습니다. 기본값: true
rescuedDataColumn 유형: String 데이터 형식 불일치 및 스키마 불일치(열 대/소문자 포함)로 인해 구문 분석할 수 없는 모든 데이터를 별도의 열에 수집할지 여부입니다. 이 열은 자동 로더를 사용할 때 기본적으로 포함됩니다. 자세한 내용은 복구된 데이터 열이란?을 참조하세요. 기본값: 없음

AVRO 옵션

옵션
avroSchema 유형: String 사용자가 Avro 형식으로 제공하는 선택적 스키마입니다. Avro를 읽을 때 이 옵션은 실제 Avro 스키마와 호환되지만 다른 개선된 스키마로 설정할 수 있습니다. 역직렬화 스키마는 개선된 스키마와 일치합니다. 예를 들어 기본값이 있는 하나의 추가 열을 포함하는 개선된 스키마를 설정하는 경우 읽기 결과에도 새 열이 포함됩니다. 기본값: 없음
datetimeRebaseMode 유형: String 율리우스력과 그레고리력 사이의 날짜 및 타임스탬프 값 기준 다시 지정을 제어합니다. 허용되는 값: EXCEPTION, LEGACY 및 CORRECTED; 기본값: LEGACY
mergeSchema 유형: Boolean 여러 파일에서 스키마를 유추하고 각 파일의 스키마를 병합할지 여부입니다. Avro에 대한 mergeSchema는 데이터 형식을 완화하지 않습니다. 기본값: false
readerCaseSensitive 유형: Boolean rescuedDataColumn이 활성화된 경우 대/소문자 구분 동작을 지정합니다. true이면 스키마와 대/소문자를 구분하여 이름이 다른 데이터 열을 구합니다. 그렇지 않으면 대/소문자를 구분하지 않는 방식으로 데이터를 읽습니다. 기본값: true
rescuedDataColumn 유형: String 데이터 형식 불일치 및 스키마 불일치(열 대/소문자 포함)로 인해 구문 분석할 수 없는 모든 데이터를 별도의 열에 수집할지 여부입니다. 이 열은 자동 로더를 사용할 때 기본적으로 포함됩니다. 자세한 내용은 복구된 데이터 열이란?을 참조하세요. 기본값: 없음

BINARYFILE 옵션

이진 파일에는 추가 구성 옵션이 없습니다.

TEXT 옵션

옵션
encoding 유형: String 텍스트 파일의 인코딩 이름입니다. 옵션 목록은 java.nio.charset.Charset을 참조하세요. 기본값: UTF-8
lineSep 유형: String 연속된 두 텍스트 레코드 사이의 문자열입니다. 기본값: 없음(\r, \r\n, \n 포함)
wholeText 유형: Boolean 파일을 단일 레코드로 읽을지 여부입니다. 기본값: false

ORC 옵션

옵션
mergeSchema 유형: Boolean 여러 파일에서 스키마를 유추하고 각 파일의 스키마를 병합할지 여부입니다. 기본값: false

클라우드 관련 옵션

자동 로더는 클라우드 인프라를 구성하기 위한 다양한 옵션을 제공합니다.

• AWS 관련 옵션
• Azure 관련 옵션
• Google 관련 옵션

AWS 관련 옵션

cloudFiles.useNotifications = true를 선택하고 자동 로더에서 Notification Services를 설정하도록 하려는 경우에만 다음 옵션을 제공합니다.

옵션
cloudFiles.region 유형: String 원본 S3 버킷이 상주하고 AWS SNS 및 SQS 서비스가 만들어질 지역입니다. 기본값: EC2 인스턴스의 리전입니다.

cloudFiles.useNotifications = true를 선택하고 자동 로더가 이미 설정한 큐를 사용하도록 하려는 경우에만 다음 옵션을 제공합니다.

옵션
cloudFiles.queueUrl 유형: String SQS 큐의 URL입니다. 제공되는 경우 자동 로더는 자체 AWS SNS 및 SQS 서비스를 설정하는 대신 이 큐의 이벤트를 직접 사용합니다. 기본값: 없음

IAM 역할을 사용할 수 없거나 다른 클라우드에서 데이터를 수집할 때 다음 옵션을 사용하여 자격 증명을 제공하여 AWS SNS 및 SQS에 액세스할 수 있습니다.

옵션
cloudFiles.awsAccessKey 유형: String 사용자의 AWS 액세스 키 ID입니다. 와 함께 cloudFiles.awsSecretKey; 기본값: 없음
cloudFiles.awsSecretKey 유형: String 사용자의 AWS 비밀 액세스 키입니다. 와 함께 cloudFiles.awsAccessKey; 기본값: 없음
cloudFiles.roleArn 유형: String 가정할 IAM 역할의 ARN입니다. 역할은 클러스터의 인스턴스 프로필에서 또는 자격 증명을 제공하여 가정할 수 있습니다. cloudFiles.awsAccessKey 및 cloudFiles.awsSecretKey. 기본값: 없음
cloudFiles.roleExternalId 유형: String cloudFiles.roleArn을 사용하여 역할을 가정하는 동안 제공할 식별자입니다. 기본값: 없음
cloudFiles.roleSessionName 유형: String 을 사용하여 역할을 가정하는 동안 사용할 cloudFiles.roleArn; 기본값: 없음
cloudFiles.stsEndpoint 유형: String cloudFiles.roleArn을 사용하여 역할을 가정할 때 AWS STS에 액세스하기 위해 제공하는 선택적 엔드포인트입니다. 기본값: 없음

Azure 관련 옵션

cloudFiles.useNotifications = true를 지정하고 자동 로더를 통해 알림 서비스를 설정하려는 경우 다음과 같은 모든 옵션의 값을 제공해야 합니다.

옵션
cloudFiles.clientId 유형: String 서비스 주체의 클라이언트 ID 또는 애플리케이션 ID입니다. 기본값: 없음
cloudFiles.clientSecret 유형: String 서비스 주체의 클라이언트 비밀입니다. 기본값: 없음
cloudFiles.connectionString 유형: String 계정 액세스 키 또는 SAS(공유 액세스 서명)를 기반으로 하는 스토리지 계정의 연결 문자열입니다. 기본값: 없음
cloudFiles.resourceGroup 유형: String 스토리지 계정이 만들어지는 Azure 리소스 그룹입니다. 기본값: 없음
cloudFiles.subscriptionId 유형: String 리소스 그룹이 만들어지는 Azure 구독 ID입니다. 기본값: 없음
cloudFiles.tenantId 유형: String 서비스 주체가 만들어지는 Azure 테넌트 ID입니다. 기본값: 없음

Important

자동화된 알림 설정은 Databricks Runtime 9.1 이상이 설치된 Azure 중국 및 정부 지역에서 사용할 수 있습니다. 이전 DBR 버전에 대해 이러한 지역에서 파일 알림과 함께 자동 로더를 사용하려면 queueName을 제공해야 합니다.

cloudFiles.useNotifications = true를 선택하고 자동 로더가 이미 설정한 큐를 사용하도록 하려는 경우에만 다음 옵션을 제공합니다.

옵션
cloudFiles.queueName 유형: String Azure 큐의 이름입니다. 제공된 경우 클라우드 파일 원본은 고유한 Azure Event Grid 및 Queue Storage 서비스를 설정하는 대신 이 큐의 이벤트를 직접 사용합니다. 이 경우 cloudFiles.connectionString에는 큐에 대한 읽기 권한만 있으면 됩니다. 기본값: 없음

Google 관련 옵션

자동 로더는 Google 서비스 계정을 활용하여 Notification Services를 자동으로 설정할 수 있습니다. Google 서비스 설정에 따라 서비스 계정을 가정하도록 클러스터를 구성할 수 있습니다. 서비스 계정에 필요한 사용 권한은 자동 로더 파일 알림 모드란?에 지정됩니다. 그렇지 않으면 자동 로더가 Notification Services를 설정하도록 하려면 다음 인증 옵션을 제공할 수 있습니다.

옵션
cloudFiles.client 유형: String Google 서비스 계정의 클라이언트 ID입니다. 기본값: 없음
cloudFiles.clientEmail 유형: String Google 서비스 계정의 이메일입니다. 기본값: 없음
cloudFiles.privateKey 유형: String Google 서비스 계정에 대해 생성된 프라이빗 키입니다. 기본값: 없음
cloudFiles.privateKeyId 유형: String Google 서비스 계정에 대해 생성된 프라이빗 키의 ID입니다. 기본값: 없음
cloudFiles.projectId 유형: String GCS 버킷이 있는 프로젝트의 ID입니다. Google Cloud Pub/Sub 구독도 이 프로젝트 내에서 만들어집니다. 기본값: 없음

cloudFiles.useNotifications = true를 선택하고 자동 로더가 이미 설정한 큐를 사용하도록 하려는 경우에만 다음 옵션을 제공합니다.

옵션
cloudFiles.subscription 유형: String Google Cloud Pub/Sub 구독의 이름입니다. 제공되는 경우 클라우드 파일 원본은 자체 GCS 알림 및 Google Cloud Pub/Sub 서비스를 설정하는 대신 이 큐의 이벤트를 사용합니다. 기본값: 없음