Spark JDBC writer支持以下模式：

• append：将this：class：DataFrame的内容追加到现有数据。
• overwrite：覆盖现有数据。
• ignore：如果数据已经存在，则默认忽略此操作。
• 错误（默认情况）：如果数据已经存在，则引发异常
• https://spark.apache.org/docs/latest/sql-data-sources-jdbc.html

由于您使用的是“覆盖”模式，它会根据列长度重新创建表，如果您想要自己的表定义，请先创建表，然后使用“追加”模式

我想使用spark执行更新和插入操作
在Spark SQL中没有与SQL UPDATE语句等效的语句。Spark SQL中也没有与SQL DELETE WHERE语句等效的语句。相反，您必须在Spark外部删除需要更新的行，然后使用append模式将包含新记录和更新记录的Spark框架写入表中（以便保留表中剩余的现有行）。

如果你需要在你的pyspark代码中执行UPSERT / DELETE操作，我建议你使用pymysql库，并执行你的upsert/delete操作。请查看这篇文章以获取更多信息，并参考代码示例：Error while using INSERT INTO table ON DUPLICATE KEY, using a for loop array
请根据您的需要修改代码示例。

我不推荐TRUNCATE，因为它实际上会删除表，并创建新表。在这样做的时候，表可能会丢失之前设置的列级属性.所以在使用TRUNCATE时要小心，并且要确定是否可以删除表/重新创建表。

按照以下步骤操作时，Upsert逻辑工作正常

df = (spark.read.format("csv").
        load("file:///C:/Users/test/Desktop/temp1/temp1.csv", header=True,
             delimiter=','))

做这部

(df.write.format("jdbc").
    option("url", "jdbc:mysql://localhost/test").
    option("driver", "com.mysql.jdbc.Driver").
    option("dbtable", "temptgtUpdate").
    option("user", "root").
    option("password", "root").
    option("truncate", "true").
    mode("overwrite").save())

尽管如此，我还是无法理解为什么当我直接使用 Dataframe 编写时它会失败