Aggiornamenti e Cancellazioni di Dati di Base

Nella sezione precedente, l'attenzione era rivolta alla lettura e alla sintesi dei dati. Tuttavia, i dati sono raramente statici: potresti scoprire che un lotto di record di diamanti presenta prezzi errati, oppure che un determinato tipo di "cut" deve essere rimosso dai report.

Poiché la tabella diamonds è una tabella Delta, può essere modificata come un database tradizionale.

1. Aggiornamento dei record

Il comando UPDATE consente di modificare i valori nelle righe specifiche che soddisfano una condizione. Ad esempio, se tutti i diamanti con taglio "Fair" ricevono un aumento di prezzo del 10%:

UPDATE workspace.workshop.diamonds
SET price = price * 1.1
WHERE cut = 'Fair'

• SET — Definisce il nuovo valore per la colonna
• WHERE — Fondamentale. Senza una clausola WHERE, il prezzo verrebbe aggiornato per ogni diamante dell'intera tabella

2. Eliminazione dei record

Il comando DELETE rimuove definitivamente le righe dalla tabella. Utilizzare questa operazione quando i dati non sono più rilevanti o sono stati inseriti per errore.

DELETE FROM workspace.workshop.diamonds
WHERE carat > 5.0

Questo comando identifica tutti i diamanti con peso superiore a 5 carati e li rimuove dalla versione attiva della tabella.

3. Verifica dopo la modifica

Dopo aver eseguito un aggiornamento o una cancellazione, è sempre consigliabile verificare la modifica con un semplice SELECT count per assicurarsi che l'operazione sia stata eseguita correttamente.

-- Verify how many 'Fair' diamonds are left (count should be the same, but prices changed)
SELECT count(*) FROM workspace.workshop.diamonds WHERE cut = 'Fair'

4. Sicurezza degli aggiornamenti Delta

Quando si esegue un comando DELETE o UPDATE, Delta Lake non elimina direttamente i dati dai vecchi file. Invece, segue un processo in tre fasi:

1. Segna i vecchi file come "non validi"
2. Scrive nuovi file contenenti i dati aggiornati
3. Registra la modifica nel Transaction Log

Per questo motivo la Time Travel continua a funzionare anche dopo una cancellazione: i vecchi dati esistono ancora nelle versioni precedenti dei file della tabella finché la cronologia non viene eliminata manualmente.

5. Best practice: test con SELECT

Prima di eseguire un DELETE o un UPDATE, testare sempre il filtro con un SELECT.

• Invece di: DELETE FROM diamonds WHERE color = 'J'
• Provare prima: SELECT * FROM diamonds WHERE color = 'J'

Se i risultati del SELECT mostrano esattamente ciò che si intende rimuovere, è possibile procedere in sicurezza con il comando DELETE.