Consultar versiones pasadas en Delta

El “time travel” es una de las funciones más útiles de Delta. Permite consultar versiones anteriores sin backups. Este post muestra un antes/después simple para confiar en la técnica. Ref: Delta Time Travel.

Descargas al final: ir a Descargas.

En pocas palabras

• Delta guarda versiones en el transaction log.
• Puedes consultar versiones antiguas con versionAsOf o timestampAsOf.
• Úsalo para auditoría, debugging y validación de rollback.

Ejecuta tú mismo

• Spark local (Docker): ruta principal de este blog.
• Databricks Free Edition: alternativa rápida si no quieres Docker.

1

docker compose up

Links:

• Apache Spark tool
• Databricks Free Edition

Crear una tabla Delta pequeña

Si ya corriste Delta Table 101, puedes reutilizar la misma ruta. Si no, usa este snippet.

1
2
3
4
5
6

from pyspark.sql import functions as F

delta_path = "/tmp/delta/time_travel"

df_v1 = spark.range(0, 10_000).withColumn("status", F.lit("v1"))
df_v1.write.format("delta").mode("overwrite").save(delta_path)

Actualizar la tabla (nueva versión)

Creamos una nueva versión con overwrite para habilitar time travel.

1
2

df_v2 = spark.range(0, 10_000).withColumn("status", F.lit("v2"))
df_v2.write.format("delta").mode("overwrite").save(delta_path)

Leer una versión anterior

Leemos la versión 0 para comparar con la última.

1
2
3
4
5
6
7

v1 = (
    spark.read.format("delta")
         .option("versionAsOf", 0)
         .load(delta_path)
)

v1.groupBy("status").count().show()

Salida esperada (ejemplo):

+------+-----+
|status|count|
+------+-----+
|    v1|10000|

Qué verificar

• La versión 0 muestra status = v1.
• La última versión muestra status = v2.
• Puedes comparar conteos entre versiones.

Notas de práctica

• Usa time travel para auditorías, no como backup permanente.
• Si haces vacuum agresivo, versiones antiguas desaparecen.
• Documenta la versión usada cuando compartas resultados.

Descargas

Si no quieres copiar código, descarga el notebook o el .py.