如何在Snowflake与PySpark连接中指定多Schema并跨Schema读取数据

你可以通过以下两种方式读取HR Schema的数据，无需完全替换现有配置：

方案一：在SQL查询中直接指定Schema（推荐，无需修改连接配置） #

你的连接已指定数据库为Test，查询HR Schema的表时，直接在表名前加上Schema前缀即可，不用改动原sfparams配置。

示例代码（以Python的snowflake-connector为例）：

import snowflake.connector

# 用原配置建立连接
conn = snowflake.connector.connect(**sfparams)
cursor = conn.cursor()

# 读取Employee Schema的表
cursor.execute("SELECT * FROM Employee.employee_table;")
employee_data = cursor.fetchall()

# 读取HR Schema的表，指定Schema前缀
cursor.execute("SELECT * FROM HR.hr_table;")
hr_data = cursor.fetchall()

# 关闭连接
cursor.close()
conn.close()

如果需要更严谨，也可以写全数据库+Schema+表名：SELECT * FROM Test.HR.hr_table;

方案二：切换当前连接的默认Schema #

如果后续多数查询针对HR Schema，可通过两种方式切换默认Schema：

方式1：复制配置并修改Schema后重新连接 #

# 复制原配置，修改Schema为HR
hr_sfparams = sfparams.copy()
hr_sfparams["sfSchema"] = "HR"

# 用新配置建立连接
hr_conn = snowflake.connector.connect(**hr_sfparams)
hr_cursor = hr_conn.cursor()

# 直接查询HR Schema的表
hr_cursor.execute("SELECT * FROM hr_table;")
hr_data = hr_cursor.fetchall()

hr_cursor.close()
hr_conn.close()

方式2：在现有连接中执行切换语句 #

conn = snowflake.connector.connect(**sfparams)
cursor = conn.cursor()

# 切换到HR Schema
cursor.execute("USE SCHEMA HR;")

# 此时默认查询的是HR Schema的表
cursor.execute("SELECT * FROM hr_table;")
hr_data = cursor.fetchall()

# 如需切回Employee Schema，执行以下语句
cursor.execute("USE SCHEMA Employee;")

cursor.close()
conn.close()

内容的提问来源于stack exchange，提问作者Xi12