用途：把 Delta Lake 表与云存储（S3、GCS、Azure）集成，使用纯 Python 的 deltalake 包读写、维护和做增量处理。
安装：pip install deltalake pyarrow
主要配置方式：
- storage_options（推荐）：用字典传入凭据，如 S3 的 AWS_ACCESS_KEY_ID、AWS_SECRET_ACCESS_KEY、AWS_REGION；生产环境更推荐用环境变量。GCS 用 GOOGLE_SERVICE_ACCOUNT_KEY_JSON 或环境变量 GOOGLE_APPLICATION_CREDENTIALS；Azure 用 AZURE_STORAGE_CONNECTION_STRING，或 AZURE_STORAGE_ACCOUNT_NAME 加 AZURE_STORAGE_ACCOUNT_KEY。
- PyArrow 文件系统（进阶）：用 fs.FileSystem.from_uri 与 fs.SubTreeFileSystem 构造文件系统对象，传给 write_deltalake 或 DeltaTable，可获更强控制。
写入与读取：write_deltalake("s3://bucket/delta-table", data=pa_table, storage_options=storage_options, mode="overwrite", partition_by=["date"])；读取用 DeltaTable("s3://bucket/delta-table", storage_options=storage_options)，再 to_pandas()。
时间旅行：dt.load_version(5) 按版本读取；dt.load_with_datetime("2024-01-01T12:00:00Z") 按时间读取；dt.history() 查看历史（version、timestamp、operation）。
维护与增量：dt.vacuum(retention_hours=24) 清理旧文件；dt.optimize().execute() 合并小文件；dt.files() 列出 Parquet 文件；dt.details() 查看元数据。增量处理可用 dt.history() 过滤 version 大于上次检查点，再更新检查点 dt.version()，或全量快照对比。
最佳实践与限制：生产用环境变量而非硬编码凭据；按日期/地区分区；定期 vacuum 但需保留足够时间旅行范围；定期 optimize；用版本跟踪增量。不要完全禁用 vacuum（存储膨胀），也不要 vacuum 过于激进（丢失时间旅行能力）。S3 兼容存储（如 MinIO）可用 AWS_ENDPOINT_URL 或写入 storage_options。认证细节参考相关条目。资料未提供各云平台的完整权限配置与定价信息。