CREATE-ASYNC-MATERIALIZED-VIEW
CREATE-ASYNC-MATERIALIZED-VIEW
Name
CREATE ASYNC MATERIALIZED VIEW
Description
该语句用于创建异步物化视图。
语法
CREATE MATERIALIZED VIEW (IF NOT EXISTS)? mvName=multipartIdentifier
(LEFT_PAREN cols=simpleColumnDefs RIGHT_PAREN)? buildMode?
(REFRESH refreshMethod? refreshTrigger?)?
(KEY keys=identifierList)?
(COMMENT STRING_LITERAL)?
(PARTITION BY LEFT_PAREN partitionKey = identifier RIGHT_PAREN)?
(DISTRIBUTED BY (HASH hashKeys=identifierList | RANDOM) (BUCKETS (INTEGER_VALUE | AUTO))?)?
propertyClause?
AS query
说明
simpleColumnDefs
用来定义物化视图column信息，如果不定义，将自动推导
simpleColumnDefs
: cols+=simpleColumnDef (COMMA cols+=simpleColumnDef)*
;
simpleColumnDef
: colName=identifier (COMMENT comment=STRING_LITERAL)?
;
例如:定义两列aa和bb,其中aa的注释为"name"
CREATE MATERIALIZED VIEW mv1
(aa comment "name",bb)
buildMode
用来定义物化视图是否创建完成立即刷新,默认IMMEDIATE
IMMEDIATE：立即刷新
DEFERRED：延迟刷新
buildMode
: BUILD (IMMEDIATE | DEFERRED)
;
例如：指定物化视图立即刷新
CREATE MATERIALIZED VIEW mv1
BUILD IMMEDIATE
refreshMethod
用来定义物化视图刷新方式，默认AUTO
COMPLETE：全量刷新
AUTO：尽量增量刷新，如果不能分区增量刷新，就全量刷新
物化视图的 SQL 定义和分区字段需要满足如下条件才可以进行分区增量更新
- 物化视图使用的 base table 中至少有一个是分区表。
- 物化视图使用的分区表，必须使用 list 或者 range 分区策略。
- 物化视图最顶层的分区列只能有一个分区字段。
- 物化视图的 SQL 中需要使用了 base table 中的分区列，比如在 Select 后。
- 如果使用了group by，分区列的字段一定要在 group by 后。
- 如果使用了 window 函数，分区列的字段一定要在partition by后。
- 数据变更应发生在分区表上，如果发生在非分区表，物化视图需要全量构建。
- 物化视图使用 Join 的 null 产生端的字段作为分区字段，不能分区增量更新。
- 物化视图使用的 base table 表分区字段，如果来源于内表，base table 的 null 属性不能为空，如果来源于 hive 外表，base table 的 null 属性可以为空。
refreshMethod
: COMPLETE | AUTO
;
例如：指定物化视图全量刷新
CREATE MATERIALIZED VIEW mv1
REFRESH COMPLETE
refreshTrigger
物化视图刷新数据的触发方式，默认MANUAL
MANUAL：手动刷新
SCHEDULE：定时刷新
refreshTrigger
: ON MANUAL
| ON SCHEDULE refreshSchedule
;
refreshSchedule
: EVERY INTEGER_VALUE mvRefreshUnit (STARTS STRING_LITERAL)?
;
mvRefreshUnit
: MINUTE | HOUR | DAY | WEEK
;
例如：每2小时执行一次，从2023-12-13 21:07:09开始
CREATE MATERIALIZED VIEW mv1
REFRESH ON SCHEDULE EVERY 2 HOUR STARTS "2023-12-13 21:07:09"
key
物化视图为DUPLICATE KEY模型，因此指定的列为排序列
identifierList
: LEFT_PAREN identifierSeq RIGHT_PAREN
;
identifierSeq
: ident+=errorCapturingIdentifier (COMMA ident+=errorCapturingIdentifier)*
;
例如：指定k1,k2为排序列
CREATE MATERIALIZED VIEW mv1
KEY(k1,k2)
partition
物化视图有两种分区方式，如果不指定分区，默认只有一个分区，如果指定分区字段，会自动推导出字段来自哪个基表并同步基表(当前支持OlapTable和hive)的所有分区（限制条件：基表如果是OlapTable，那么只能有一个分区字段）
例如：基表是range分区，分区字段为create_time并按天分区，创建物化视图时指定partition by(ct) as select create_time as ct from t1
那么物化视图也会是range分区，分区字段为ct,并且按天分区
分区字段的选择和物化视图的定义需要满足分区增量更新的条件，物化视图才可以创建成功，否则会报错 Unable to find a suitable base table for partitioning
property
物化视图既可以指定table的property，也可以指定物化视图特有的property。
物化视图特有的property包括：
grace_period：查询改写时允许物化视图数据的最大延迟时间（单位：秒）。如果分区A和基表的数据不一致，物化视图的分区A上次刷新时间为1，系统当前时间为2，那么该分区不会被透明改写。但是如果grace_period大于等于1，该分区就会被用于透明改写
excluded_trigger_tables：数据刷新时忽略的表名，逗号分割。例如table1,table2
refresh_partition_num：单次insert语句刷新的分区数量，默认为1。物化视图刷新时会先计算要刷新的分区列表，然后根据该配置拆分成多个insert语句顺序执行。遇到失败的insert语句，整个任务将停止执行。物化视图保证单个insert语句的事务性，失败的insert语句不会影响到已经刷新成功的分区。
workload_group：物化视图执行刷新任务时使用的workload_group名称。用来限制物化视图刷新数据使用的资源，避免影响到其它业务的运行。workload_group创建及使用 WORKLOAD-GROUP
partition_sync_limit：当基表的分区字段为时间时（如果是字符串类型的时间，可以设置partition_date_format），可以用此属性配置同步基表的分区范围，配合partition_sync_time_unit一起使用。
例如设置为 2，partition_sync_time_unit设置为 MONTH，代表仅同步基表近2个月的分区和数据。最小值为1。
随着时间的变化物化视图每次刷新时都会自动增删分区，例如物化视图现在有2，3两个月的数据，下个月的时候，会自动删除2月的数据，增加4月的数据。
partition_sync_time_unit：时间单位，支持 DAY/MONTH/YEAR（默认DAY）
partition_date_format：分区字段的时间格式，例如"%Y-%m-%d"
query
创建物化视图的查询语句，其结果即为物化视图中的数据
不支持随机函数，例如:
SELECT random() as dd,k3 FROM user
Example
创建一个立即刷新，之后每周刷新一次的物化视图mv1,数据源为hive catalog
CREATE MATERIALIZED VIEW mv1 BUILD IMMEDIATE REFRESH COMPLETE ON SCHEDULE EVERY 1 WEEK
DISTRIBUTED BY RANDOM BUCKETS 2
PROPERTIES (
"replication_num" = "1"
)
AS SELECT * FROM hive_catalog.db1.user;创建一个多表join的物化视图
CREATE MATERIALIZED VIEW mv1 BUILD IMMEDIATE REFRESH COMPLETE ON SCHEDULE EVERY 1 WEEK
DISTRIBUTED BY RANDOM BUCKETS 2
PROPERTIES (
"replication_num" = "1"
)
AS select user.k1,user.k3,com.k4 from user join com on user.k1=com.k1;
Keywords
CREATE, ASYNC, MATERIALIZED, VIEW
