Databricks Delta Lake时间旅行报错：无法回滚至版本1

为啥会报错？ #

你遇到的AnalysisException是因为Delta表的版本1文件已经被清理掉了。Delta表默认会自动删除超过7天的旧版本数据，要是手动执行过VACUUM命令，也会删掉早于你指定保留时长的版本。报错里的Available versions: [3, 23]就是说现在只能访问这两个版本的数据。

先确认是不是被清理了 #

可以查下表历史里有没有VACUUM操作记录：

from delta.tables import DeltaTable
dt = DeltaTable.forPath(spark, saveloc)
# 过滤出VACUUM相关的操作
dt.history().filter("operation = 'VACUUM'").show()

也能看看表的自动清理配置：

dt.detail().select("properties.delta.retentionDurationCheck.enabled", "properties.delta.vacuum.retentionHours").show()

怎么解决？ #

1. 改代码用现存的版本 #

既然版本1没了，直接换成现在能访问的最早版本（也就是版本3）就行，把代码里硬写的versionAsof=1改成3：

start_table_dropped = spark.read.format("delta").option("versionAsof", 3).load(saveloc).createOrReplaceTempView('allprior')

要是不想每次手动改，也可以动态获取当前可用的最早版本：

from pyspark.sql.functions import min
dt = DeltaTable.forPath(spark, saveloc)
earliest_version = int(dt.history().select(min(col("version"))).collect()[0][0])
start_table_dropped = spark.read.format("delta").option("versionAsof", earliest_version).load(saveloc).createOrReplaceTempView('allprior')

2. 恢复版本1（仅限有备份的情况） #

如果你的表有外部存储快照（比如S3版本控制、ADLS快照）或者Databricks的表备份，还能试试恢复：

• 从存储快照里把版本1的文件恢复到Delta表的存储路径
• 用RESTORE命令恢复（如果备份支持）：

RESTORE TABLE delta.`saveloc` TO VERSION AS OF 1

要是没备份，那版本1的数据就找不回来了。

3. 调整配置防止以后再出问题 #

要是需要长期保留旧版本，可以改下表的保留策略，比如设置保留30天：

ALTER TABLE delta.`saveloc` SET TBLPROPERTIES (
  'delta.retentionDurationCheck.enabled' = 'true',
  'delta.vacuum.retentionHours' = '720' -- 30天=720小时
)

另外，手动跑VACUUM的时候别设太短的保留时长。

内容的提问来源于stack exchange，提问作者Patterson