デルタ テーブルに関連付けられた小さなファイルを圧縮するために使用できるキーワードは OPTIMIZE です。OPTIMIZE コマンドは、小さなファイルのセットを大きなファイルのセットに書き換えることにより、デルタ テーブルでファイル圧縮を実行します1。これにより、読み取る必要があるファイルの数と処理する必要があるメタデータの量が減り、テーブルをスキャンするクエリのパフォーマンスが向上します1。OPTIMIZE コマンドでは、オプションで、指定された列のセットによって各ファイル内のデータを並べ替えることもできます。これにより、データのスキップと述語のプッシュダウンを有効にすることで、クエリのパフォーマンスがさらに向上します1。OPTIMIZE コマンドは、テーブル全体または table1 の特定のパーティションに適用できます。
他のキーワードは、デルタ テーブルに関連付けられた小さなファイルを圧縮するのには適していません。REDUCE は、ユーザー定義関数を使用してデータを集計するための SQL 構文で使用されるキーワードです2。COMPACTION は、SQL または Python では有効なキーワードではありません。REPARTITION は、DataFrame または RDD3 のパーティション数を変更するために Python 構文で使用されるキーワードです。VACUUM は、デルタ テーブルによって参照されなくなった、保持しきい値 4 より古いファイルを削除するために使用されるキーワードです。
参考文献:
*1: 最適化 | AWS 上のデータブリック
※2：リデュース | AWS 上のデータブリック
* 3: 再分割 | AWS 上のデータブリック
※4：バキューム | AWS 上のデータブリック

説明
pyspark.sql から SparkSession をインポート
スパーク = SparkSession.builder.getOrCreate()
df =spark.sql("SELECT * FROM sales")
print(df.count())

Spark.sql メソッドを使用すると、SQL クエリをプログラムで実行し、結果を DataFrame として返すことができます。smile.sql メソッドは、有効な SQL ステートメントを含む文字列引数を受け入れます。データ エンジニアは、フォーマットされた文字列リテラル (f-string) を使用して、Python 変数 table_name を SQL クエリに挿入できます。他のメソッドは無効であるか、SQL クエリの実行には適していません。参考文献: プログラムによる SQL クエリの実行、フォーマットされた文字列リテラル、spark.sql