Delta 编码可以减少 Parquet 文件的大小和存储空间，提高存储效率。下面是使用 Scala 语言编写的 Delta 编码 Parquet 文件的示例：

import org.apache.spark.sql.functions.{col, lit}
import org.apache.spark.sql.types.{IntegerType, StructType}
import org.apache.spark.sql.{Row, SparkSession}

object DeltaEncodedParquet {
  def main(args: Array[String]): Unit = {
    val spark = SparkSession.builder()
      .appName("DeltaEncodedParquet")
      .master("local[*]")
      .getOrCreate()

    // 创建测试数据
    val data = Seq(
      Row(1, "A", true),
      Row(2, "B", false),
      Row(3, "C", false),
      Row(4, "D", true),
      Row(5, "E", false)
    )

    val schema = new StructType()
      .add("id", IntegerType)
      .add("name", "string")
      .add("flag", "boolean")

    val df = spark.createDataFrame(
      spark.sparkContext.parallelize(data),
      schema
    )

    df.show()

    // 将 DataFrame 保存成 Delta 编码的 Parquet 文件，注意使用 delta 格式
    df.write
      .option("compression", "snappy")
      .option("dataChange", "true")
      .format("delta")
      .save("delta-encoded-parquet")

    // 读取 Delta 编码的 Parquet 文件
    val df_read = spark.read
      .option("versionAsOf", 0) // 读取指定版本的数据
      .format("delta")
      .load("delta-encoded-parquet")

    df_read.show()

    spark.stop()
  }
}

代码中首先创建了一个包含 id、name、flag 三个字段的 DataFrame，并输出了其内容。然后将 DataFrame 保存成 Delta 编码的 Parquet 文件，指定了压缩方式和数据变更选项。最后读取 Delta 编码的 Parquet 文件，并输出了其内容。在读取时可以指定读取的版本，这个可根据实际业务需求进行配置。