使用Azure Synapse Spark池存储表/文件架构元数据的推荐方案咨询

直接按你的作业场景选择对应官方推荐方案即可，没有强制单一选型：

• 轻量单工作区场景：直接用Synapse工作区自带的内置元存储
  这是Spark池创建完成后默认开箱即用的托管元存储，不需要额外部署维护资源，Spark建Parquet外部表、Delta表时的路径映射、表结构、分区信息默认都会存在这里，支持同工作区下所有Spark池、Serverless SQL池共享元数据，唯一限制是不支持跨工作区、跨其他Azure大数据服务共享元数据，适合普通单工作区的数据处理作业。
• Delta格式专属轻量方案：直接依赖Delta自带的元数据日志
  Delta Table本身的表结构、版本变更、分区信息、事务记录全部存在数据路径下的_delta_log目录中，如果你不需要在Spark之外的服务上通过表名直接访问Delta表，完全不需要额外配置独立Metastore，Spark读写Delta时会直接从日志目录解析最新元数据，这是官方推荐的Delta轻量作业方案，运维成本为0。
  补充：普通Parquet文件如果不创建Spark表，Schema是直接内嵌在Parquet文件的footer中的，读写时直接从文件解析即可，完全不需要Metastore支撑。
• 企业级跨服务/跨工作区场景：挂载外部Hive元存储（HMS）
  如果你需要让元数据在多个Synapse工作区、HDInsight集群等不同计算引擎之间共享，官方推荐挂载自主托管的外部HMS实例，在Spark配置中修改元数据连接指向对应HMS地址即可，Parquet表、Delta表的元数据都会统一存在这个独立HMS中，元数据权限、生命周期完全自主管控。
• 有统一治理需求的生产场景：原生集成Purview做元数据统一管理
  这是企业级生产环境官方推荐的治理配套方案，开启Synapse和Purview的原生集成后，Parquet文件Schema、Delta表结构、作业血缘、字段级元数据都会自动同步到Purview，支持统一元数据检索、权限管控、合规审计，不需要手动做元数据同步。

内容的提问来源于stack exchange，提问作者sql seek