Partilhar via

Poda dinâmica de arquivos

  • Artigo

A remoção dinâmica de arquivos pode melhorar significativamente o desempenho de muitas consultas em tabelas Delta Lake. Gatilhos dinâmicos de remoção de arquivos para consultas que contêm instruções de filtro ou cláusulas WHERE. Você deve usar a computação com Fóton ativado para realizar o aparo dinâmico de arquivos nas instruções MERGE, UPDATEe DELETE. Apenas SELECT declarações aproveitam a poda dinâmica de ficheiros quando o Photon não é utilizado.

A remoção dinâmica de arquivos é especialmente eficiente para tabelas não particionadas ou para junções em colunas não particionadas. O impacto no desempenho da remoção dinâmica de arquivos geralmente está correlacionado ao agrupamento de dados, portanto, considere o uso do Z-Ordering para maximizar o benefício.

Para contextos e casos de uso de poda dinâmica de arquivos, consulte consultas SQL mais rápidas no Delta Lake com poda dinâmica de arquivos.

Configuração

A remoção dinâmica de arquivos é controlada pelas seguintes opções de configuração do Apache Spark:

  • spark.databricks.optimizer.dynamicFilePruning (padrão é true): O indicador principal que direciona o otimizador para aplicar filtros. Quando definido como false, a remoção dinâmica de arquivos não estará em vigor.
  • spark.databricks.optimizer.deltaTableSizeThreshold (o padrão é 10,000,000,000 bytes (10 GB)): Representa o tamanho mínimo (em bytes) da tabela Delta no lado da sonda da junção necessária para acionar a remoção dinâmica de arquivos. Se o lado da sonda não for muito grande, provavelmente não vale a pena empurrar os filtros para baixo e podemos simplesmente digitalizar toda a mesa. Você pode encontrar o tamanho de uma tabela Delta executando o comando DESCRIBE DETAIL table_name e, em seguida, examinando a coluna sizeInBytes.
  • spark.databricks.optimizer.deltaTableFilesThreshold (o padrão é 10): Representa o número de arquivos da tabela Delta no lado da sonda da junção necessária para acionar a remoção dinâmica de arquivos. Quando a tabela lateral da sonda contém menos arquivos do que o valor limite, a remoção dinâmica de arquivos não é acionada. Se uma tabela tiver apenas alguns arquivos, provavelmente não vale a pena habilitar a remoção dinâmica de arquivos. Você pode encontrar o tamanho de uma tabela Delta executando o comando DESCRIBE DETAIL table_name e, em seguida, examinando a coluna numFiles.