Azure Databricks执行Snowflake DESC TABLE返回JavaObject无结果

sfUtils.runQuery() 是Snowflake Spark连接器暴露的底层Java方法，返回值是Java JDBC层的ResultSet包装对象，Py4J不会自动将该Java对象序列化为Python可直接读取的结构化数据，因此直接执行打印只会输出Java对象引用ID，并非SQL执行失败。

直接使用Spark原生Snowflake连接器读取DESC TABLE的查询结果，和你日常拉取Snowflake表数据的逻辑完全一致，参数复用即可：

options_vcp = {
  "sfUrl": snowflake_url,
  "sfUser": user,
  "sfPassword": password,
  "sfDatabase": db,
  "sfWarehouse": wh,
  "sfSchema": sch,
  # 把DESC命令作为子查询传入
  "dbtable": "(DESC TABLE myTable) desc_res"
}

# 读取结果为Spark DataFrame，可直接展示、转存或处理
desc_result_df = spark.read.format("snowflake").options(**options_vcp).load()
# 打印全量表结构结果
desc_result_df.show(truncate=False)

• 该方案返回的字段、值和你在Snowflake原生控制台执行DESC TABLE的结果完全一致，不需要处理底层Java对象，兼容性最好。

如果一定要使用sfUtils.runQuery()方法，可通过Py4J调用JDBC ResultSet的原生接口遍历取值：

sfUtils = sc._jvm.net.snowflake.spark.snowflake.Utils
java_result_set = sfUtils.runQuery(options_vcp, "DESC TABLE myTable")

# 提取结果列名
result_meta = java_result_set.getMetaData()
col_count = result_meta.getColumnCount()
col_names = [result_meta.getColumnName(i+1) for i in range(col_count)]

# 逐行遍历结果集
result_rows = []
while java_result_set.next():
    current_row = []
    for col_idx in range(col_count):
        # 统一按字符串取值即可，DESC结果无复杂类型
        current_row.append(java_result_set.getString(col_idx+1))
    result_rows.append(current_row)

# 转为Spark DataFrame展示
desc_result_df = spark.createDataFrame(result_rows, schema=col_names)
desc_result_df.show(truncate=False)

• 如果目标表不在sfSchema参数指定的schema下，执行DESC时需要写全限定名，格式为<schema_name>.<table_name>，否则会出现表不存在的报错。

内容的提问来源于stack exchange，提问作者ckx