1. 使用DESCRIBE TABLE命令来获取Delta表的模式信息。将命令结果转换成DataFrame格式，以便进行比较。

from pyspark.sql.functions import col
from pyspark.sql.types import StringType

# 获取表的模式信息并将结果转换成DataFrame格式
table1_schema = spark.sql("DESCRIBE TABLE delta.`/path/to/table1`").select(col("col_name").alias("table1_col"), col("data_type").alias("table1_data_type"))
table2_schema = spark.sql("DESCRIBE TABLE delta.`/path/to/table2`").select(col("col_name").alias("table2_col"), col("data_type").alias("table2_data_type"))

2. 比较两个Delta表的模式信息。可以使用exceptAll()和union()函数来找出模式不一致的部分。

# 找出table1的模式信息中与table2不同的部分
table1_not_in_table2 = table1_schema.exceptAll(table2_schema)
# 找出table2的模式信息中与table1不同的部分
table2_not_in_table1 = table2_schema.exceptAll(table1_schema)
# 将不同的部分进行合并
all_differences = table1_not_in_table2.union(table2_not_in_table1)

if all_differences.count() == 0:
    print("两张表的模式相同")
else:
    # 将结果转换成字符串格式
    differences_str = all_differences \
    .selectExpr("concat(table1_col, ':', table1_data_type) AS table1_col", "concat(table2_col, ':', table2_data_type) AS table2_col") \
    .fillna("--").sort("table1_col").collect()

    # 打印出所有的模式差异
    for diff in differences_str:
        print(f"Table1: {diff.table1_col} | Table2: {diff.table2_col}")

注意事项： 在比较两个Delta表的模式信息时，需要确保这两个表所代表的内容是相同的。通过count()函数来验证这一点，如果这两个表的记录数不同，则比较模式信息将失去意义。