总结

在 Databricks 中使用 Spark SQL 进行数据转换

Disha Mukherjee

Lead Data Engineer

第 1 章

Databricks 工作区概览

  • 加载与检查 DataFrame
  • 用 PySpark 和 Spark SQL 整形数据
在 Databricks 中使用 Spark SQL 进行数据转换

第 2 章

total_rows = df_enriched.count()
distinct_rows = df_enriched.distinct().count()

null_rate = ( df_enriched.filter(F.col("Customer_ID").isNull()) .count() / total_rows * 100 )
print(f"Total rows: {total_rows}") print(f"Duplicates: {total_rows - distinct_rows}") print(f"Null rate: {null_rate:.2f}%")
Total rows:   33,223
Duplicates:   0
Null rate:    0.00%
  • 清洗空值、重复与无效记录
  • 聚合与连接(含广播优化)
在 Databricks 中使用 Spark SQL 进行数据转换

第 3 章

Lakeflow 管道 DAG

  • 窗口函数与流式查询
  • 使用 Databricks Jobs 与 Lakeflow 的生产管道
在 Databricks 中使用 Spark SQL 进行数据转换

在实时 Databricks 工作区中练习

带排序与搜索的交互表格

$$

$$

$$

  • 事务型与在线零售数据集
  • 在实时 Databricks 工作区中互动练习
在 Databricks 中使用 Spark SQL 进行数据转换

恭喜您!

在 Databricks 中使用 Spark SQL 进行数据转换

Preparing Video For Download...