ਡੈਲਟਾ ਲੇਕ ਡਾਇਵ: ਇਨਫੋਰਸਮੈਂਟ ਐਂਡ ਸਕੀਮ ਈਵੇਲੂਸ਼ਨ

ਹੇ ਹਬਰ! ਮੈਂ ਲੇਖ ਦਾ ਅਨੁਵਾਦ ਤੁਹਾਡੇ ਧਿਆਨ ਵਿੱਚ ਪੇਸ਼ ਕਰਦਾ ਹਾਂ "ਡੈਲਟਾ ਝੀਲ ਵਿੱਚ ਗੋਤਾਖੋਰੀ: ਸਕੀਮਾ ਇਨਫੋਰਸਮੈਂਟ ਅਤੇ ਵਿਕਾਸ" ਬੁਰਾਕ ਯਾਵੁਜ਼, ਬ੍ਰੇਨਰ ਹੇਂਟਜ਼ ਅਤੇ ਡੈਨੀ ਲੀ ਦੁਆਰਾ, ਜੋ ਕਿ ਕੋਰਸ ਲਾਂਚ ਦੀ ਉਮੀਦ ਵਿੱਚ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਸੀ ਡਾਟਾ ਇੰਜੀਨੀਅਰ OTUS ਤੋਂ।

ਡੇਟਾ, ਸਾਡੇ ਅਨੁਭਵ ਵਾਂਗ, ਲਗਾਤਾਰ ਇਕੱਠਾ ਹੁੰਦਾ ਅਤੇ ਵਿਕਸਤ ਹੁੰਦਾ ਰਹਿੰਦਾ ਹੈ। ਇਸ ਨੂੰ ਜਾਰੀ ਰੱਖਣ ਲਈ, ਦੁਨੀਆ ਦੇ ਸਾਡੇ ਮਾਨਸਿਕ ਮਾਡਲਾਂ ਨੂੰ ਨਵੇਂ ਡੇਟਾ ਦੇ ਅਨੁਕੂਲ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ, ਜਿਨ੍ਹਾਂ ਵਿੱਚੋਂ ਕੁਝ ਵਿੱਚ ਨਵੇਂ ਮਾਪ ਹੁੰਦੇ ਹਨ - ਉਹਨਾਂ ਚੀਜ਼ਾਂ ਨੂੰ ਦੇਖਣ ਦੇ ਨਵੇਂ ਤਰੀਕੇ ਜਿਨ੍ਹਾਂ ਬਾਰੇ ਸਾਨੂੰ ਪਹਿਲਾਂ ਕੋਈ ਜਾਣਕਾਰੀ ਨਹੀਂ ਸੀ। ਇਹ ਮਾਨਸਿਕ ਮਾਡਲ ਸਪ੍ਰੈਡਸ਼ੀਟਾਂ ਵਿੱਚ ਸਕੀਮਾਂ ਤੋਂ ਉਲਟ ਨਹੀਂ ਹਨ ਜੋ ਇਹ ਨਿਰਧਾਰਤ ਕਰਦੇ ਹਨ ਕਿ ਅਸੀਂ ਨਵੀਂ ਜਾਣਕਾਰੀ ਨੂੰ ਕਿਵੇਂ ਵਰਗੀਕ੍ਰਿਤ ਅਤੇ ਪ੍ਰਕਿਰਿਆ ਕਰਦੇ ਹਾਂ।

ਇਹ ਸਾਨੂੰ ਸਕੀਮਾ ਪ੍ਰਬੰਧਨ ਦੇ ਮੁੱਦੇ 'ਤੇ ਲਿਆਉਂਦਾ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ ਕਾਰੋਬਾਰੀ ਟੀਚੇ ਅਤੇ ਜ਼ਰੂਰਤਾਂ ਸਮੇਂ ਦੇ ਨਾਲ ਵਿਕਸਤ ਹੁੰਦੀਆਂ ਹਨ, ਤੁਹਾਡੇ ਡੇਟਾ ਦੀ ਬਣਤਰ ਵੀ ਬਦਲਦੀ ਹੈ। ਡੈਲਟਾ ਲੇਕ ਡੇਟਾ ਬਦਲਣ ਦੇ ਨਾਲ-ਨਾਲ ਨਵੇਂ ਆਯਾਮਾਂ ਨੂੰ ਪੇਸ਼ ਕਰਨਾ ਆਸਾਨ ਬਣਾਉਂਦਾ ਹੈ। ਉਪਭੋਗਤਾਵਾਂ ਕੋਲ ਆਪਣੇ ਟੇਬਲ ਸਕੀਮਾਂ ਦੇ ਪ੍ਰਬੰਧਨ ਲਈ ਸਧਾਰਨ ਅਰਥ ਸ਼ਾਸਤਰ ਤੱਕ ਪਹੁੰਚ ਹੁੰਦੀ ਹੈ। ਇਹਨਾਂ ਸਾਧਨਾਂ ਵਿੱਚ ਸਕੀਮਾ ਇਨਫੋਰਸਮੈਂਟ ਸ਼ਾਮਲ ਹੈ, ਜੋ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਅਣਜਾਣੇ ਵਿੱਚ ਉਹਨਾਂ ਦੀਆਂ ਟੇਬਲਾਂ ਨੂੰ ਗਲਤੀਆਂ ਜਾਂ ਬੇਲੋੜੇ ਡੇਟਾ ਨਾਲ ਬੇਤਰਤੀਬ ਕਰਨ ਤੋਂ ਬਚਾਉਂਦਾ ਹੈ, ਅਤੇ ਸਕੀਮਾ ਈਵੇਲੂਸ਼ਨ, ਜੋ ਆਪਣੇ ਆਪ ਹੀ ਢੁਕਵੇਂ ਸਥਾਨਾਂ 'ਤੇ ਕੀਮਤੀ ਡੇਟਾ ਵਾਲੇ ਨਵੇਂ ਕਾਲਮ ਜੋੜਦਾ ਹੈ। ਇਸ ਲੇਖ ਵਿੱਚ, ਅਸੀਂ ਇਹਨਾਂ ਸਾਧਨਾਂ ਦੀ ਵਰਤੋਂ ਵਿੱਚ ਡੂੰਘਾਈ ਨਾਲ ਡੁੱਬਾਂਗੇ।

ਟੇਬਲ ਸਕੀਮਾਂ ਨੂੰ ਸਮਝਣਾ

ਅਪਾਚੇ ਸਪਾਰਕ ਵਿੱਚ ਹਰੇਕ ਡੇਟਾਫ੍ਰੇਮ ਵਿੱਚ ਇੱਕ ਸਕੀਮਾ ਹੁੰਦਾ ਹੈ ਜੋ ਡੇਟਾ ਦੇ ਰੂਪ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਡੇਟਾ ਕਿਸਮਾਂ, ਕਾਲਮ ਅਤੇ ਮੈਟਾਡੇਟਾ। ਡੈਲਟਾ ਲੇਕ ਦੇ ਨਾਲ, ਟੇਬਲ ਸਕੀਮਾ ਨੂੰ ਟ੍ਰਾਂਜੈਕਸ਼ਨ ਲੌਗ ਦੇ ਅੰਦਰ JSON ਫਾਰਮੈਟ ਵਿੱਚ ਸਟੋਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।

ਸਕੀਮ ਲਾਗੂ ਕਰਨਾ ਕੀ ਹੈ?

ਸਕੀਮਾ ਇਨਫੋਰਸਮੈਂਟ, ਜਿਸਨੂੰ ਸਕੀਮਾ ਵੈਲੀਡੇਸ਼ਨ ਵੀ ਕਿਹਾ ਜਾਂਦਾ ਹੈ, ਡੈਲਟਾ ਲੇਕ ਵਿੱਚ ਇੱਕ ਸੁਰੱਖਿਆ ਵਿਧੀ ਹੈ ਜੋ ਉਹਨਾਂ ਰਿਕਾਰਡਾਂ ਨੂੰ ਰੱਦ ਕਰਕੇ ਡੇਟਾ ਗੁਣਵੱਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਂਦੀ ਹੈ ਜੋ ਟੇਬਲ ਦੇ ਸਕੀਮਾ ਦੇ ਅਨੁਕੂਲ ਨਹੀਂ ਹਨ। ਇੱਕ ਪ੍ਰਸਿੱਧ ਰੈਸਟੋਰੈਂਟ ਵਿੱਚ ਇੱਕ ਹੋਸਟੇਸ ਵਾਂਗ ਜੋ ਸਿਰਫ ਰਿਜ਼ਰਵੇਸ਼ਨ ਸਵੀਕਾਰ ਕਰਦੀ ਹੈ, ਸਕੀਮਾ ਇਨਫੋਰਸਮੈਂਟ ਜਾਂਚ ਕਰਦੀ ਹੈ ਕਿ ਕੀ ਟੇਬਲ ਵਿੱਚ ਦਾਖਲ ਕੀਤੇ ਗਏ ਡੇਟਾ ਦੇ ਹਰੇਕ ਕਾਲਮ ਦੀ ਉਮੀਦ ਕੀਤੇ ਕਾਲਮਾਂ ਦੀ ਅਨੁਸਾਰੀ ਸੂਚੀ ਵਿੱਚ ਹੈ (ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਕੀ ਹਰੇਕ ਲਈ "ਰਿਜ਼ਰਵੇਸ਼ਨ" ਹੈ) ਅਤੇ ਉਹਨਾਂ ਕਾਲਮਾਂ ਵਾਲੇ ਕਿਸੇ ਵੀ ਰਿਕਾਰਡ ਨੂੰ ਰੱਦ ਕਰਦੀ ਹੈ ਜੋ ਸੂਚੀ ਵਿੱਚ ਨਹੀਂ ਹਨ।

ਸਕੀਮਾ ਲਾਗੂ ਕਰਨਾ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ?

ਡੈਲਟਾ ਲੇਕ ਸਕੀਮਾ-ਆਨ-ਰਾਈਟ ਚੈਕਿੰਗ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ, ਭਾਵ ਟੇਬਲ 'ਤੇ ਸਾਰੀਆਂ ਨਵੀਆਂ ਲਿਖਤਾਂ ਨੂੰ ਲਿਖਣ ਦੇ ਸਮੇਂ ਟਾਰਗੇਟ ਟੇਬਲ ਦੇ ਸਕੀਮਾ ਨਾਲ ਅਨੁਕੂਲਤਾ ਲਈ ਜਾਂਚਿਆ ਜਾਂਦਾ ਹੈ। ਜੇਕਰ ਸਕੀਮਾ ਅਸੰਗਤ ਹੈ, ਤਾਂ ਡੈਲਟਾ ਲੇਕ ਟ੍ਰਾਂਜੈਕਸ਼ਨ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਰੱਦ ਕਰ ਦਿੰਦਾ ਹੈ (ਕੋਈ ਡੇਟਾ ਨਹੀਂ ਲਿਖਿਆ ਜਾਂਦਾ) ਅਤੇ ਉਪਭੋਗਤਾ ਨੂੰ ਅਸੰਗਤਤਾ ਬਾਰੇ ਸੂਚਿਤ ਕਰਨ ਲਈ ਇੱਕ ਅਪਵਾਦ ਉਠਾਉਂਦਾ ਹੈ।
ਡੈਲਟਾ ਲੇਕ ਇਹ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਹੇਠਾਂ ਦਿੱਤੇ ਨਿਯਮਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਕਿ ਕੀ ਕੋਈ ਰਿਕਾਰਡ ਟੇਬਲ ਦੇ ਅਨੁਕੂਲ ਹੈ। ਡੇਟਾਫ੍ਰੇਮ ਲਿਖਿਆ ਜਾ ਰਿਹਾ ਹੈ:

• ਇਸ ਵਿੱਚ ਵਾਧੂ ਕਾਲਮ ਨਹੀਂ ਹੋ ਸਕਦੇ ਜੋ ਟਾਰਗੇਟ ਟੇਬਲ ਦੇ ਸਕੀਮਾ ਵਿੱਚ ਮੌਜੂਦ ਨਹੀਂ ਹਨ। ਇਸਦੇ ਉਲਟ, ਇਹ ਠੀਕ ਹੈ ਜੇਕਰ ਆਉਣ ਵਾਲੇ ਡੇਟਾ ਵਿੱਚ ਟੇਬਲ ਤੋਂ ਹਰੇਕ ਕਾਲਮ ਸ਼ਾਮਲ ਨਹੀਂ ਹੈ—ਉਹਨਾਂ ਕਾਲਮਾਂ ਨੂੰ ਸਿਰਫ਼ ਖਾਲੀ ਮੁੱਲ ਦਿੱਤੇ ਜਾਣਗੇ।
• ਕਾਲਮ ਡੇਟਾ ਕਿਸਮਾਂ ਨਹੀਂ ਹੋ ਸਕਦੀਆਂ ਜੋ ਟਾਰਗੇਟ ਟੇਬਲ ਵਿੱਚ ਕਾਲਮ ਡੇਟਾ ਕਿਸਮਾਂ ਤੋਂ ਵੱਖਰੀਆਂ ਹੋਣ। ਜੇਕਰ ਟਾਰਗੇਟ ਟੇਬਲ ਵਿੱਚ ਇੱਕ ਕਾਲਮ ਵਿੱਚ StringType ਡੇਟਾ ਹੈ, ਪਰ DataFrame ਵਿੱਚ ਸੰਬੰਧਿਤ ਕਾਲਮ ਵਿੱਚ IntegerType ਡੇਟਾ ਹੈ, ਤਾਂ ਸਕੀਮਾ ਇਨਫੋਰਸਮੈਂਟ ਇੱਕ ਅਪਵਾਦ ਸੁੱਟੇਗਾ ਅਤੇ ਲਿਖਣ ਦੀ ਕਾਰਵਾਈ ਨੂੰ ਹੋਣ ਤੋਂ ਰੋਕੇਗਾ।
• ਕਾਲਮ ਨਾਮ ਨਹੀਂ ਹੋ ਸਕਦੇ ਜੋ ਸਿਰਫ਼ ਕੇਸ ਵਿੱਚ ਵੱਖਰੇ ਹੁੰਦੇ ਹਨ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਤੁਸੀਂ ਇੱਕੋ ਟੇਬਲ ਵਿੱਚ 'Foo' ਅਤੇ 'foo' ਨਾਮ ਦੇ ਕਾਲਮ ਪਰਿਭਾਸ਼ਿਤ ਨਹੀਂ ਕਰ ਸਕਦੇ। ਜਦੋਂ ਕਿ ਸਪਾਰਕ ਨੂੰ ਕੇਸ-ਸੰਵੇਦਨਸ਼ੀਲ ਜਾਂ ਕੇਸ-ਅਸੰਵੇਦਨਸ਼ੀਲ (ਡਿਫੌਲਟ ਰੂਪ ਵਿੱਚ) ਵਿੱਚ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਡੈਲਟਾ ਲੇਕ ਕੇਸ ਨੂੰ ਸੁਰੱਖਿਅਤ ਰੱਖਦਾ ਹੈ ਪਰ ਸਕੀਮਾ ਨੂੰ ਸਟੋਰ ਕਰਦੇ ਸਮੇਂ ਕੇਸ-ਅਸੰਵੇਦਨਸ਼ੀਲ ਹੁੰਦਾ ਹੈ। ਕਾਲਮ ਜਾਣਕਾਰੀ ਨੂੰ ਸਟੋਰ ਕਰਨ ਅਤੇ ਪ੍ਰਾਪਤ ਕਰਨ ਵੇਲੇ ਪਾਰਕੇਟ ਕੇਸ-ਸੰਵੇਦਨਸ਼ੀਲ ਹੁੰਦਾ ਹੈ। ਸੰਭਾਵੀ ਗਲਤੀਆਂ, ਡੇਟਾ ਭ੍ਰਿਸ਼ਟਾਚਾਰ, ਜਾਂ ਡੇਟਾ ਨੁਕਸਾਨ (ਜੋ ਅਸੀਂ ਨਿੱਜੀ ਤੌਰ 'ਤੇ ਡੇਟਾਬ੍ਰਿਕਸ 'ਤੇ ਅਨੁਭਵ ਕੀਤਾ ਹੈ) ਤੋਂ ਬਚਣ ਲਈ, ਅਸੀਂ ਇਸ ਪਾਬੰਦੀ ਨੂੰ ਜੋੜਨ ਦਾ ਫੈਸਲਾ ਕੀਤਾ ਹੈ।

ਇਸਨੂੰ ਦਰਸਾਉਣ ਲਈ, ਆਓ ਦੇਖੀਏ ਕਿ ਹੇਠਾਂ ਦਿੱਤੇ ਕੋਡ ਵਿੱਚ ਕੀ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਅਸੀਂ ਕੁਝ ਨਵੇਂ ਤਿਆਰ ਕੀਤੇ ਕਾਲਮਾਂ ਨੂੰ ਡੈਲਟਾ ਲੇਕ ਟੇਬਲ ਵਿੱਚ ਜੋੜਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਾਂ ਜੋ ਅਜੇ ਤੱਕ ਉਹਨਾਂ ਨੂੰ ਸਵੀਕਾਰ ਕਰਨ ਲਈ ਕੌਂਫਿਗਰ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਹੈ।

# Сгенерируем DataFrame ссуд, который мы добавим в нашу таблицу Delta Lake
loans = sql("""
            SELECT addr_state, CAST(rand(10)*count as bigint) AS count,
            CAST(rand(10) * 10000 * count AS double) AS amount
            FROM loan_by_state_delta
            """)

# Вывести исходную схему DataFrame
original_loans.printSchema()

root
  |-- addr_state: string (nullable = true)
  |-- count: integer (nullable = true)
 
# Вывести новую схему DataFrame
loans.printSchema()
 
root
  |-- addr_state: string (nullable = true)
  |-- count: integer (nullable = true)
  |-- amount: double (nullable = true) # new column
 
# Попытка добавить новый DataFrame (с новым столбцом) в существующую таблицу
loans.write.format("delta") 
           .mode("append") 
           .save(DELTALAKE_PATH)

Returns:

A schema mismatch detected when writing to the Delta table.
 
To enable schema migration, please set:
'.option("mergeSchema", "true")'
 
Table schema:
root
-- addr_state: string (nullable = true)
-- count: long (nullable = true)
 
Data schema:
root
-- addr_state: string (nullable = true)
-- count: long (nullable = true)
-- amount: double (nullable = true)
 
If Table ACLs are enabled, these options will be ignored. Please use the ALTER TABLE command for changing the schema.

ਨਵੇਂ ਕਾਲਮ ਆਪਣੇ ਆਪ ਜੋੜਨ ਦੀ ਬਜਾਏ, ਡੈਲਟਾ ਲੇਕ ਇੱਕ ਸਕੀਮਾ ਲਾਗੂ ਕਰਦਾ ਹੈ ਅਤੇ ਲਿਖਣਾ ਬੰਦ ਕਰ ਦਿੰਦਾ ਹੈ। ਇਹ ਨਿਰਧਾਰਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਨ ਲਈ ਕਿ ਕਿਹੜਾ ਕਾਲਮ (ਜਾਂ ਕਾਲਮਾਂ ਦੇ ਸੈੱਟ) ਅੰਤਰ ਦਾ ਕਾਰਨ ਬਣ ਰਿਹਾ ਹੈ, ਸਪਾਰਕ ਤੁਲਨਾ ਲਈ ਸਟੈਕ ਟਰੇਸ ਤੋਂ ਦੋਵੇਂ ਸਕੀਮਾ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਦਾ ਹੈ।

ਸਕੀਮ ਲਾਗੂ ਕਰਨ ਦਾ ਕੀ ਫਾਇਦਾ ਹੈ?

ਕਿਉਂਕਿ ਸਕੀਮਾ ਲਾਗੂ ਕਰਨਾ ਇੱਕ ਕਾਫ਼ੀ ਸਖ਼ਤ ਜਾਂਚ ਹੈ, ਇਹ ਉਤਪਾਦਨ ਜਾਂ ਖਪਤ ਲਈ ਤਿਆਰ ਇੱਕ ਸਾਫ਼, ਪੂਰੀ ਤਰ੍ਹਾਂ ਬਦਲੇ ਹੋਏ ਡੇਟਾਸੈਟ ਦੇ ਗੇਟਕੀਪਰ ਵਜੋਂ ਵਰਤਣ ਲਈ ਇੱਕ ਵਧੀਆ ਸਾਧਨ ਹੈ। ਇਹ ਆਮ ਤੌਰ 'ਤੇ ਉਹਨਾਂ ਟੇਬਲਾਂ 'ਤੇ ਲਾਗੂ ਹੁੰਦਾ ਹੈ ਜੋ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਡੇਟਾ ਫੀਡ ਕਰਦੇ ਹਨ:

• ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਐਲਗੋਰਿਦਮ
• BI ਡੈਸ਼ਬੋਰਡ
• ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ ਟੂਲ
• ਕੋਈ ਵੀ ਉਤਪਾਦਨ ਪ੍ਰਣਾਲੀ ਜਿਸ ਲਈ ਸਖ਼ਤੀ ਨਾਲ ਸੰਰਚਿਤ, ਸਖ਼ਤੀ ਨਾਲ ਟਾਈਪ ਕੀਤੇ ਅਰਥ-ਸ਼ਾਸਤਰ ਸਕੀਮਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।

ਇਸ ਅੰਤਿਮ ਰੁਕਾਵਟ ਲਈ ਆਪਣਾ ਡੇਟਾ ਤਿਆਰ ਕਰਨ ਲਈ, ਬਹੁਤ ਸਾਰੇ ਉਪਭੋਗਤਾ ਇੱਕ ਸਧਾਰਨ "ਮਲਟੀ-ਹੌਪ" ਆਰਕੀਟੈਕਚਰ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ ਜੋ ਹੌਲੀ-ਹੌਲੀ ਉਹਨਾਂ ਦੇ ਟੇਬਲਾਂ ਵਿੱਚ ਢਾਂਚਾ ਪੇਸ਼ ਕਰਦਾ ਹੈ। ਵਧੇਰੇ ਜਾਣਕਾਰੀ ਲਈ, ਤੁਸੀਂ ਲੇਖ ਪੜ੍ਹ ਸਕਦੇ ਹੋ। ਡੈਲਟਾ ਲੇਕ ਨਾਲ ਪ੍ਰੋਡਕਸ਼ਨ-ਗ੍ਰੇਡ ਮਸ਼ੀਨ ਲਰਨਿੰਗ।

ਬੇਸ਼ੱਕ, ਤੁਸੀਂ ਆਪਣੀ ਪਾਈਪਲਾਈਨ ਵਿੱਚ ਕਿਤੇ ਵੀ ਸਕੀਮਾ ਇਨਫੋਰਸਮੈਂਟ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹੋ, ਪਰ ਯਾਦ ਰੱਖੋ ਕਿ ਇਸ ਮਾਮਲੇ ਵਿੱਚ ਟੇਬਲ ਤੇ ਲਿਖਣਾ ਨਿਰਾਸ਼ਾਜਨਕ ਹੋ ਸਕਦਾ ਹੈ, ਉਦਾਹਰਣ ਵਜੋਂ, ਕਿਉਂਕਿ ਤੁਸੀਂ ਭੁੱਲ ਗਏ ਹੋ ਕਿ ਤੁਸੀਂ ਆਉਣ ਵਾਲੇ ਡੇਟਾ ਵਿੱਚ ਇੱਕ ਹੋਰ ਕਾਲਮ ਜੋੜਿਆ ਹੈ।

ਡਾਟਾ ਤਰਲੀਕਰਨ ਨੂੰ ਰੋਕਣਾ

ਇਸ ਮੌਕੇ 'ਤੇ, ਤੁਸੀਂ ਸੋਚ ਰਹੇ ਹੋਵੋਗੇ ਕਿ ਇਹ ਸਾਰਾ ਹੰਗਾਮਾ ਕਿਸ ਬਾਰੇ ਹੈ? ਆਖ਼ਰਕਾਰ, ਕਈ ਵਾਰ ਇੱਕ ਅਚਾਨਕ "ਸਕੀਮਾ ਮਿਸਮੈਚ" ਗਲਤੀ ਤੁਹਾਡੇ ਵਰਕਫਲੋ ਵਿੱਚ ਤੁਹਾਨੂੰ ਪਰੇਸ਼ਾਨ ਕਰ ਸਕਦੀ ਹੈ, ਖਾਸ ਕਰਕੇ ਜੇ ਤੁਸੀਂ ਡੈਲਟਾ ਲੇਕ ਲਈ ਨਵੇਂ ਹੋ। ਕਿਉਂ ਨਾ ਲੋੜ ਅਨੁਸਾਰ ਸਕੀਮਾ ਨੂੰ ਬਦਲਣ ਦਿੱਤਾ ਜਾਵੇ ਤਾਂ ਜੋ ਮੈਂ ਆਪਣਾ ਡੇਟਾਫ੍ਰੇਮ ਲਿਖ ਸਕਾਂ ਭਾਵੇਂ ਕੁਝ ਵੀ ਹੋਵੇ?

ਜਿਵੇਂ ਕਿ ਪੁਰਾਣੀ ਕਹਾਵਤ ਹੈ, "ਰੋਕਥਾਮ ਦਾ ਇੱਕ ਔਂਸ ਇਲਾਜ ਦੇ ਬਰਾਬਰ ਹੈ।" ਕਿਸੇ ਸਮੇਂ, ਜੇਕਰ ਤੁਸੀਂ ਆਪਣੀ ਸਕੀਮਾ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦਾ ਧਿਆਨ ਨਹੀਂ ਰੱਖਦੇ, ਤਾਂ ਡੇਟਾ ਕਿਸਮ ਅਨੁਕੂਲਤਾ ਦੇ ਮੁੱਦੇ ਆਪਣੇ ਬਦਸੂਰਤ ਸਿਰਾਂ ਨੂੰ ਉਭਾਰਨਗੇ - ਪ੍ਰਤੀਤ ਹੁੰਦਾ ਹੈ ਕਿ ਇੱਕਸਾਰ ਕੱਚੇ ਡੇਟਾ ਸਰੋਤਾਂ ਵਿੱਚ ਕਿਨਾਰੇ ਦੇ ਕੇਸ, ਖਰਾਬ ਕਾਲਮ, ਖਰਾਬ ਮੈਪਿੰਗ, ਜਾਂ ਹੋਰ ਬੁਰੇ ਸੁਪਨੇ ਹੋ ਸਕਦੇ ਹਨ। ਸਭ ਤੋਂ ਵਧੀਆ ਤਰੀਕਾ ਇਹ ਹੈ ਕਿ ਇਹਨਾਂ ਦੁਸ਼ਮਣਾਂ ਨੂੰ ਗੇਟ 'ਤੇ ਰੋਕਿਆ ਜਾਵੇ - ਸਕੀਮਾ ਲਾਗੂ ਕਰਨ ਦੇ ਨਾਲ - ਅਤੇ ਉਹਨਾਂ ਨਾਲ ਖੁੱਲ੍ਹੇ ਵਿੱਚ ਨਜਿੱਠਣਾ, ਨਾ ਕਿ ਬਾਅਦ ਵਿੱਚ, ਜਦੋਂ ਉਹ ਤੁਹਾਡੇ ਉਤਪਾਦਨ ਕੋਡ ਦੀਆਂ ਹਨੇਰੀਆਂ ਡੂੰਘਾਈਆਂ ਵਿੱਚ ਲੁਕਣਾ ਸ਼ੁਰੂ ਕਰ ਦੇਣ।

ਸਕੀਮਾ ਇਨਫੋਰਸਮੈਂਟ ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਤੁਹਾਡੀ ਟੇਬਲ ਦੀ ਸਕੀਮਾ ਉਦੋਂ ਤੱਕ ਨਹੀਂ ਬਦਲੇਗੀ ਜਦੋਂ ਤੱਕ ਤੁਸੀਂ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਤਬਦੀਲੀ ਨੂੰ ਮਨਜ਼ੂਰੀ ਨਹੀਂ ਦਿੰਦੇ। ਇਹ ਡੇਟਾ ਡਿਲੂਸ਼ਨ ਨੂੰ ਰੋਕਦਾ ਹੈ, ਜੋ ਉਦੋਂ ਹੋ ਸਕਦਾ ਹੈ ਜਦੋਂ ਨਵੇਂ ਕਾਲਮ ਇੰਨੀ ਵਾਰ ਜੋੜੇ ਜਾਂਦੇ ਹਨ ਕਿ ਪਹਿਲਾਂ ਕੀਮਤੀ, ਸੰਖੇਪ ਟੇਬਲ ਡੇਟਾ ਦੇ ਹੜ੍ਹ ਕਾਰਨ ਆਪਣਾ ਅਰਥ ਅਤੇ ਉਪਯੋਗਤਾ ਗੁਆ ਦਿੰਦੇ ਹਨ। ਤੁਹਾਨੂੰ ਜਾਣਬੁੱਝ ਕੇ ਬਣਨ, ਉੱਚ ਮਿਆਰ ਨਿਰਧਾਰਤ ਕਰਨ ਅਤੇ ਉੱਚ ਗੁਣਵੱਤਾ ਦੀ ਉਮੀਦ ਕਰਨ ਲਈ ਉਤਸ਼ਾਹਿਤ ਕਰਕੇ, ਸਕੀਮਾ ਇਨਫੋਰਸਮੈਂਟ ਬਿਲਕੁਲ ਉਹੀ ਕਰਦਾ ਹੈ ਜੋ ਇਸਦਾ ਉਦੇਸ਼ ਸੀ—ਤੁਹਾਨੂੰ ਇਮਾਨਦਾਰੀ ਬਣਾਈ ਰੱਖਣ ਅਤੇ ਤੁਹਾਡੇ ਟੇਬਲਾਂ ਨੂੰ ਸਾਫ਼ ਰੱਖਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ।

ਜੇਕਰ ਹੋਰ ਵਿਚਾਰ ਕਰਨ 'ਤੇ ਤੁਸੀਂ ਫੈਸਲਾ ਕਰਦੇ ਹੋ ਕਿ ਤੁਸੀਂ ਸੱਚਮੁੱਚ ਕਰਦੇ ਹੋ ਦੀ ਲੋੜ ਹੈ ਨਵਾਂ ਕਾਲਮ ਜੋੜਨਾ ਕੋਈ ਸਮੱਸਿਆ ਨਹੀਂ ਹੈ; ਹੇਠਾਂ ਇੱਕ-ਲਾਈਨ ਫਿਕਸ ਦਿੱਤਾ ਗਿਆ ਹੈ। ਹੱਲ ਸਕੀਮਾ ਈਵੇਲੂਸ਼ਨ ਹੈ!

ਸਕੀਮਾ ਵਿਕਾਸ ਕੀ ਹੈ?

ਸਕੀਮਾ ਈਵੇਲੂਸ਼ਨ ਇੱਕ ਵਿਸ਼ੇਸ਼ਤਾ ਹੈ ਜੋ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਸਮੇਂ ਦੇ ਨਾਲ ਬਦਲਦੇ ਡੇਟਾ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਲਈ ਇੱਕ ਟੇਬਲ ਦੇ ਮੌਜੂਦਾ ਸਕੀਮਾ ਨੂੰ ਆਸਾਨੀ ਨਾਲ ਸੋਧਣ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ। ਇਹ ਆਮ ਤੌਰ 'ਤੇ ਇੱਕ ਜਾਂ ਇੱਕ ਤੋਂ ਵੱਧ ਨਵੇਂ ਕਾਲਮਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਲਈ ਸਕੀਮਾ ਨੂੰ ਆਪਣੇ ਆਪ ਅਨੁਕੂਲ ਬਣਾਉਣ ਲਈ ਸੰਮਿਲਿਤ ਜਾਂ ਮੁੜ ਲਿਖਣ ਦੇ ਕਾਰਜਾਂ ਦੌਰਾਨ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ।

ਸਕੀਮਾ ਵਿਕਾਸ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ?

ਪਿਛਲੇ ਭਾਗ ਦੀ ਉਦਾਹਰਣ ਦੀ ਪਾਲਣਾ ਕਰਦੇ ਹੋਏ, ਡਿਵੈਲਪਰ ਸਕੀਮਾ ਈਵੇਲੂਸ਼ਨ ਦੀ ਵਰਤੋਂ ਨਵੇਂ ਕਾਲਮਾਂ ਨੂੰ ਜੋੜਨ ਲਈ ਆਸਾਨੀ ਨਾਲ ਕਰ ਸਕਦੇ ਹਨ ਜੋ ਪਹਿਲਾਂ ਸਕੀਮਾ ਦੀ ਗੈਰ-ਪਾਲਣਾ ਕਾਰਨ ਰੱਦ ਕਰ ਦਿੱਤੇ ਗਏ ਸਨ। ਸਕੀਮਾ ਈਵੇਲੂਸ਼ਨ ਨੂੰ ਜੋੜ ਕੇ ਕਿਰਿਆਸ਼ੀਲ ਕੀਤਾ ਜਾਂਦਾ ਹੈ .option('mergeSchema', 'true') ਤੁਹਾਡੀ ਸਪਾਰਕ ਟੀਮ ਨੂੰ .write или .writeStream.

# Добавьте параметр mergeSchema
loans.write.format("delta") 
           .option("mergeSchema", "true") 
           .mode("append") 
           .save(DELTALAKE_SILVER_PATH)

ਗ੍ਰਾਫ਼ ਦੇਖਣ ਲਈ, ਹੇਠ ਦਿੱਤੀ Spark SQL ਪੁੱਛਗਿੱਛ ਚਲਾਓ

# Создайте график с новым столбцом, чтобы подтвердить, что запись прошла успешно
%sql
SELECT addr_state, sum(`amount`) AS amount
FROM loan_by_state_delta
GROUP BY addr_state
ORDER BY sum(`amount`)
DESC LIMIT 10

ਵਿਕਲਪਕ ਤੌਰ 'ਤੇ, ਤੁਸੀਂ ਇਸ ਵਿਕਲਪ ਨੂੰ ਪੂਰੇ ਸਪਾਰਕ ਸੈਸ਼ਨ ਲਈ ਜੋੜ ਕੇ ਸੈੱਟ ਕਰ ਸਕਦੇ ਹੋ spark.databricks.delta.schema.autoMerge = True ਸਪਾਰਕ ਸੰਰਚਨਾ ਵਿੱਚ। ਹਾਲਾਂਕਿ, ਇਸਨੂੰ ਸਾਵਧਾਨੀ ਨਾਲ ਵਰਤੋ, ਕਿਉਂਕਿ ਸਕੀਮਾ ਲਾਗੂਕਰਨ ਹੁਣ ਤੁਹਾਨੂੰ ਅਣਜਾਣੇ ਵਿੱਚ ਸਕੀਮਾ ਅਸੰਗਤੀਆਂ ਬਾਰੇ ਚੇਤਾਵਨੀ ਨਹੀਂ ਦੇਵੇਗਾ।

ਬੇਨਤੀ ਵਿੱਚ ਇੱਕ ਪੈਰਾਮੀਟਰ ਸ਼ਾਮਲ ਕਰਕੇ mergeSchemaਡਾਟਾਫ੍ਰੇਮ ਵਿੱਚ ਮੌਜੂਦ ਸਾਰੇ ਕਾਲਮ ਪਰ ਟਾਰਗੇਟ ਟੇਬਲ ਤੋਂ ਗੁੰਮ ਹਨ, ਲਿਖਣ ਦੇ ਲੈਣ-ਦੇਣ ਦੌਰਾਨ ਆਪਣੇ ਆਪ ਸਕੀਮਾ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋ ਜਾਂਦੇ ਹਨ। ਨੇਸਟਡ ਫੀਲਡ ਵੀ ਜੋੜੇ ਜਾ ਸਕਦੇ ਹਨ, ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਢਾਂਚੇ ਵਿੱਚ ਸੰਬੰਧਿਤ ਕਾਲਮਾਂ ਵਿੱਚ ਵੀ ਜੋੜਿਆ ਜਾਵੇਗਾ।

ਡੇਟਾ ਇੰਜੀਨੀਅਰ ਅਤੇ ਵਿਗਿਆਨੀ ਇਸ ਵਿਕਲਪ ਦੀ ਵਰਤੋਂ ਪੁਰਾਣੇ ਕਾਲਮਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਮੌਜੂਦਾ ਮਾਡਲਾਂ ਨੂੰ ਤੋੜੇ ਬਿਨਾਂ ਆਪਣੇ ਮੌਜੂਦਾ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਉਤਪਾਦਨ ਟੇਬਲਾਂ ਵਿੱਚ ਨਵੇਂ ਕਾਲਮ (ਸ਼ਾਇਦ ਹਾਲ ਹੀ ਵਿੱਚ ਟਰੈਕ ਕੀਤਾ ਗਿਆ ਮੈਟ੍ਰਿਕ ਜਾਂ ਇਸ ਮਹੀਨੇ ਲਈ ਵਿਕਰੀ ਅੰਕੜਿਆਂ ਦਾ ਇੱਕ ਕਾਲਮ) ਜੋੜਨ ਲਈ ਕਰ ਸਕਦੇ ਹਨ।

ਟੇਬਲ ਸੰਮਿਲਨ ਜਾਂ ਮੁੜ ਲਿਖਣ ਦੌਰਾਨ ਸਕੀਮਾ ਵਿਕਾਸ ਦੇ ਹਿੱਸੇ ਵਜੋਂ ਹੇਠ ਲਿਖੀਆਂ ਕਿਸਮਾਂ ਦੇ ਸਕੀਮਾ ਬਦਲਾਅ ਦੀ ਆਗਿਆ ਹੈ:

• ਨਵੇਂ ਕਾਲਮ ਜੋੜਨਾ (ਇਹ ਸਭ ਤੋਂ ਆਮ ਦ੍ਰਿਸ਼ ਹੈ)
• NullType -> ਕਿਸੇ ਹੋਰ ਕਿਸਮ ਤੋਂ ਡੇਟਾ ਕਿਸਮਾਂ ਨੂੰ ਬਦਲਣਾ ਜਾਂ ByteType -> ShortType -> IntegerType ਤੋਂ ਪ੍ਰਚਾਰ ਕਰਨਾ

ਹੋਰ ਬਦਲਾਅ ਜਿਨ੍ਹਾਂ ਦੀ ਸਕੀਮਾ ਈਵੇਲੂਸ਼ਨ ਦੇ ਅੰਦਰ ਇਜਾਜ਼ਤ ਨਹੀਂ ਹੈ, ਉਹਨਾਂ ਲਈ ਸਕੀਮਾ ਅਤੇ ਡੇਟਾ ਨੂੰ ਜੋੜ ਕੇ ਓਵਰਰਾਈਟ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ .option("overwriteSchema", "true")ਉਦਾਹਰਨ ਲਈ, ਜੇਕਰ "Foo" ਕਾਲਮ ਅਸਲ ਵਿੱਚ ਇੱਕ ਪੂਰਨ ਅੰਕ ਸੀ, ਅਤੇ ਨਵਾਂ ਸਕੀਮਾ ਇੱਕ ਸਟ੍ਰਿੰਗ ਡੇਟਾ ਕਿਸਮ ਸੀ, ਤਾਂ ਸਾਰੀਆਂ Parquet (ਡੇਟਾ) ਫਾਈਲਾਂ ਨੂੰ ਦੁਬਾਰਾ ਲਿਖਣ ਦੀ ਲੋੜ ਹੋਵੇਗੀ। ਅਜਿਹੇ ਬਦਲਾਵਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

• ਇੱਕ ਕਾਲਮ ਮਿਟਾਉਣਾ
• ਮੌਜੂਦਾ ਕਾਲਮ ਦੇ ਡੇਟਾ ਕਿਸਮ ਨੂੰ ਬਦਲਣਾ (ਜਗ੍ਹਾ ਵਿੱਚ)
• ਕਾਲਮਾਂ ਦਾ ਨਾਮ ਬਦਲਣਾ ਜੋ ਸਿਰਫ਼ ਕੇਸਾਂ ਵਿੱਚ ਵੱਖਰੇ ਹੁੰਦੇ ਹਨ (ਜਿਵੇਂ ਕਿ "Foo" ਅਤੇ "foo")

ਅੰਤ ਵਿੱਚ, ਅਗਲੀ ਰੀਲੀਜ਼, ਸਪਾਰਕ 3.0 ਦੇ ਨਾਲ, ਸਪਸ਼ਟ DDL (ALTER TABLE ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ) ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਮਰਥਿਤ ਹੋਵੇਗਾ, ਜਿਸ ਨਾਲ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਟੇਬਲ ਸਕੀਮਾਂ 'ਤੇ ਹੇਠ ਲਿਖੀਆਂ ਕਾਰਵਾਈਆਂ ਕਰਨ ਦੀ ਆਗਿਆ ਮਿਲੇਗੀ:

• ਕਾਲਮ ਜੋੜਨਾ
• ਕਾਲਮ ਟਿੱਪਣੀਆਂ ਨੂੰ ਬਦਲਣਾ
• ਟੇਬਲ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਸੈੱਟ ਕਰਨਾ ਜੋ ਇਹ ਨਿਰਧਾਰਤ ਕਰਦੇ ਹਨ ਕਿ ਟੇਬਲ ਕਿਵੇਂ ਵਿਵਹਾਰ ਕਰਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਟ੍ਰਾਂਜੈਕਸ਼ਨ ਲੌਗ ਰੀਟੈਨਸ਼ਨ ਪੀਰੀਅਡ ਸੈੱਟ ਕਰਨਾ।

ਸਕੀਮਾ ਵਿਕਾਸ ਦਾ ਕੀ ਫਾਇਦਾ ਹੈ?

ਸਕੀਮਾ ਵਿਕਾਸ ਦੀ ਵਰਤੋਂ ਜਦੋਂ ਵੀ ਤੁਸੀਂ ਕਰ ਸਕਦੇ ਹੋ ਕੀ ਤੁਸੀਂ ਇਰਾਦਾ ਰੱਖਦੇ ਹੋ ਆਪਣੀ ਟੇਬਲ ਦੀ ਸਕੀਮਾ ਬਦਲੋ (ਤੁਹਾਡੇ ਡੇਟਾਫ੍ਰੇਮ ਵਿੱਚ ਗਲਤੀ ਨਾਲ ਕਾਲਮ ਜੋੜਨ ਦੇ ਉਲਟ ਜੋ ਉੱਥੇ ਨਹੀਂ ਹੋਣੇ ਚਾਹੀਦੇ)। ਇਹ ਤੁਹਾਡੀ ਸਕੀਮਾ ਨੂੰ ਮਾਈਗ੍ਰੇਟ ਕਰਨ ਦਾ ਸਭ ਤੋਂ ਆਸਾਨ ਤਰੀਕਾ ਹੈ ਕਿਉਂਕਿ ਇਹ ਆਪਣੇ ਆਪ ਹੀ ਸਹੀ ਕਾਲਮ ਨਾਮ ਅਤੇ ਡੇਟਾ ਕਿਸਮਾਂ ਨੂੰ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਘੋਸ਼ਿਤ ਕੀਤੇ ਬਿਨਾਂ ਜੋੜਦਾ ਹੈ।

ਸਿੱਟਾ

ਸਕੀਮਾ ਇਨਫੋਰਸਮੈਂਟ ਕਿਸੇ ਵੀ ਨਵੇਂ ਕਾਲਮ ਜਾਂ ਹੋਰ ਸਕੀਮਾ ਤਬਦੀਲੀਆਂ ਨੂੰ ਰੱਦ ਕਰਦਾ ਹੈ ਜੋ ਤੁਹਾਡੀ ਟੇਬਲ ਦੇ ਅਨੁਕੂਲ ਨਹੀਂ ਹਨ। ਇਹਨਾਂ ਉੱਚ ਮਿਆਰਾਂ ਨੂੰ ਸੈੱਟ ਕਰਕੇ ਅਤੇ ਬਣਾਈ ਰੱਖ ਕੇ, ਵਿਸ਼ਲੇਸ਼ਕ ਅਤੇ ਇੰਜੀਨੀਅਰ ਭਰੋਸਾ ਰੱਖ ਸਕਦੇ ਹਨ ਕਿ ਉਹਨਾਂ ਦੇ ਡੇਟਾ ਵਿੱਚ ਉੱਚਤਮ ਪੱਧਰ ਦੀ ਇਮਾਨਦਾਰੀ ਹੈ, ਇਸ ਬਾਰੇ ਸਪਸ਼ਟ ਅਤੇ ਸੰਖੇਪ ਵਿੱਚ ਤਰਕ ਕਰਦੇ ਹੋਏ, ਉਹਨਾਂ ਨੂੰ ਵਧੇਰੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਵਪਾਰਕ ਫੈਸਲੇ ਲੈਣ ਦੇ ਯੋਗ ਬਣਾਉਂਦੇ ਹਨ।

ਦੂਜੇ ਪਾਸੇ, ਇਸ ਯੋਜਨਾ ਦਾ ਵਿਕਾਸ ਸਰਲ ਬਣਾ ਕੇ ਲਾਗੂਕਰਨ ਨੂੰ ਪੂਰਾ ਕਰਦਾ ਹੈ ਕਥਿਤ ਆਟੋਮੈਟਿਕ ਸਕੀਮਾ ਬਦਲ ਜਾਂਦੀ ਹੈ। ਆਖ਼ਰਕਾਰ, ਇੱਕ ਕਾਲਮ ਜੋੜਨਾ ਇੰਨਾ ਮੁਸ਼ਕਲ ਨਹੀਂ ਹੋਣਾ ਚਾਹੀਦਾ।

ਸਰਕਟ ਇਨਫੋਰਸਮੈਂਟ ਯਾਂਗ ਤੋਂ ਸਰਕਟ ਵਿਕਾਸ ਦਾ ਯਿਨ ਹੈ। ਇਕੱਠੇ ਵਰਤੇ ਜਾਣ 'ਤੇ, ਇਹ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਸ਼ੋਰ ਦਮਨ ਅਤੇ ਸਿਗਨਲ ਟਿਊਨਿੰਗ ਨੂੰ ਪਹਿਲਾਂ ਨਾਲੋਂ ਕਿਤੇ ਜ਼ਿਆਦਾ ਆਸਾਨ ਬਣਾਉਂਦੀਆਂ ਹਨ।

ਅਸੀਂ ਇਸ ਲੇਖ ਵਿੱਚ ਯੋਗਦਾਨ ਪਾਉਣ ਲਈ ਮੁਕੁਲ ਮੂਰਤੀ ਅਤੇ ਪ੍ਰਣਵ ਆਨੰਦ ਦਾ ਵੀ ਧੰਨਵਾਦ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਾਂ।

ਇਸ ਲੜੀ ਦੇ ਹੋਰ ਲੇਖ:

ਡੈਲਟਾ ਝੀਲ ਵਿੱਚ ਖੋਦਣਾ: ਟ੍ਰਾਂਜੈਕਸ਼ਨ ਲੌਗ ਨੂੰ ਖੋਲ੍ਹਣਾ

ਸੰਬੰਧਿਤ ਲੇਖ

ਡੈਲਟਾ ਲੇਕ ਨਾਲ ਉਤਪਾਦਨ-ਗ੍ਰੇਡ ਮਸ਼ੀਨ ਸਿਖਲਾਈ

ਡੇਟਾ ਝੀਲ ਕੀ ਹੈ?

ਕੋਰਸ ਬਾਰੇ ਹੋਰ ਜਾਣੋ

ਸਰੋਤ: www.habr.com