event_log funkcja wartości tabeli

Dotyczy: Databricks SQL Databricks Runtime 13.3 LTS i nowsze

Zwraca dziennik zdarzeń dla zmaterializowanych widoków, tabel strumieniowych i potoków przetwarzania DLT.

Dowiedz się więcej o Delta Live Tables w dzienniku zdarzeń.

Uwaga

Funkcja wartości tabeli event_log może być wywoływana tylko przez właściciela tabeli przesyłania strumieniowego lub zmaterializowanego widoku, a widok utworzony na funkcji zwracającej wartości tabeli event_log może być odpytywany tylko przez właściciela tabeli przesyłania strumieniowego lub zmaterializowanego widoku. Nie można udostępnić widoku innym użytkownikom.

Składnia

event_log( { TABLE ( table_name ) | pipeline_id } )

Argumenty

• table_name: nazwa zmaterializowanego widoku lub tabeli strumieniowej. Nazwa nie może zawierać specyfikacji czasowej. Jeśli nazwa nie jest kwalifikowana, bieżący wykaz i schemat są używane do kwalifikowania identyfikatora.
• pipeline_id: identyfikator ciągu znaków dla potoku Delta Live Tables.

Zwraca

• id STRING NOT NULL: unikatowy identyfikator rekordu dziennika zdarzeń.
• sequence STRING NOT NULL: obiekt JSON zawierający metadane służące do identyfikowania i zamawiania zdarzeń.
• origin STRING NOT NULL: obiekt JSON zawierający metadane dla źródła zdarzenia, na przykład dostawca usług w chmurze, region, user_idlub pipeline_id.
• timestamp TIMESTAMP NOT NULL: godzina zarejestrowania zdarzenia w formacie UTC.
• message STRING NOT NULL: Czytelny dla człowieka komunikat opisujący zdarzenie.
• level STRING NOT NULL: poziom rejestrowania, na przykład INFO, , WARNERRORlub METRICS.
• maturity_level STRING NOT NULL: stabilność schematu zdarzeń. Możliwe wartości to:
  • STABLE: schemat jest stabilny i nie zmieni się.
  • NULL: schemat jest stabilny i nie zmieni się. Wartość może być NULL widoczna, jeśli rekord został utworzony przed maturity_level dodaniu pola (wersja 2022.37).
  • EVOLVING: schemat nie jest stabilny i może ulec zmianie.
  • DEPRECATED: schemat jest przestarzały, a środowisko uruchomieniowe delta Live Tables może w dowolnym momencie przestać produkować to zdarzenie.
• error STRING: Jeśli wystąpił błąd, szczegóły opisujące błąd.
• details STRING NOT NULL: obiekt JSON zawierający ustrukturyzowane szczegóły zdarzenia. Jest to pole podstawowe używane do analizowania zdarzeń.
• event_type STRING NOT NULL: typ zdarzenia.

Przykłady

Aby uzyskać więcej przykładów, zobacz Wykonywanie zapytań dotyczących dziennika zdarzeń.

-- View the events on a materialized view
> SELECT timestamp, message, details
  FROM event_log(table(my_mv))
  WHERE level in ('INFO', 'WARN', 'ERROR')
  ORDER BY timestamp;

timestamp, message, details
---------------------------
2023-08-12 01:03:05.000, 'Flow "my_mv" is STARTING.', '{"flow_progress":{"status":"STARTING"}}'

-- Create a temp view with the latest update to the table/pipeline
> CREATE OR REPLACE TEMP VIEW latest_update AS
  SELECT origin.update_id AS id FROM event_log('<pipeline-ID>')
  WHERE event_type = 'create_update' ORDER BY timestamp DESC LIMIT 1;

-- Query lineage information
> SELECT
  details:flow_definition.output_dataset as output_dataset,
  details:flow_definition.input_datasets as input_dataset
FROM
  event_log('<pipeline-ID>'),
  latest_update
WHERE
  event_type = 'flow_definition' AND origin.update_id = latest_update.id;

output_dataset, input_dataset
-----------------------------
customers, null
sales_orders_raw, null
sales_orders_cleaned, ["customers", "sales_orders_raw"]
sales_order_in_la, ["sales_orders_cleaned"]

-- Query data quality expectation history for a streaming table
> WITH expectations_parsed AS (
    SELECT
      explode(
        from_json(
          details:flow_progress.data_quality.expectations,
          "array<struct<name: string, dataset: string, passed_records: int, failed_records: int>>"
        )
      ) row_expectations
    FROM
      event_log(table(my_st)),
      latest_update
    WHERE
      event_type = 'flow_progress'
      AND origin.update_id = latest_update.id
  )
  SELECT
    row_expectations.dataset as dataset,
    row_expectations.name as expectation,
    SUM(row_expectations.passed_records) as passing_records,
    SUM(row_expectations.failed_records) as failing_records
  FROM expectations_parsed
  GROUP BY
    row_expectations.dataset,
    row_expectations.name;

dataset, expectation, passing_records, failing_records
------------------------------------------------------
sales_orders_cleaned, valid_order_number, 4083, 0

Powiązane artykuły

• Wykonywanie zapytań dotyczących dziennika zdarzeń
• Co to jest delta live tables?
• CREATE STREAMING TABLE