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?)?
        ((DUPLICATE)? KEY keys=identifierList)?
        (COMMENT STRING_LITERAL)?
        (PARTITION BY LEFT_PAREN mvPartition 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 Base Table 分区表，必须使用 List 或者 Range 分区策略。
• 物化视图定义 SQL 中 Partition By 分区列只能有一个分区字段。
• 物化视图的 SQL 中 Partition By 的分区列，要在 Select 后。
• 物化视图定义 SQL，如果使用了 Group By，分区列的字段一定要在 Group By 后。
• 物化视图定义 SQL，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，例如对于 LEFT OUTER JOIN 分区字段需要在左侧，在右侧则不行。

refreshMethod
	@@ -125,7 +125,7 @@ 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

COMMIT：触发式刷新，基表数据变更时，自动生成刷新物化视图的任务

```sql
refreshTrigger
: ON MANUAL
| ON SCHEDULE refreshSchedule
| ON COMMIT
;
    
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
	@@ -165,36 +165,35 @@ identifierSeq
;

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。

物化视图也可以通过分区上卷的方式减少物化视图的分区数量，目前分区上卷函数支持 date_trunc,上卷的单位支持 year, month, day

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

mvPartition
    : partitionKey = identifier
    | partitionExpr = functionCallExpression
    ;

例如基表按天分区，物化视图同样按天分区

partition by (`k2`)

例如基表按天分区，物化视图按月分区

partition by (date_trunc(`k2`,'month'))

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。关于 workload_group 的创建及使用，可参考 WORKLOAD-GROUP 文档。

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）

enable_nondeterministic_function：物化视图定义 SQL 是否允许包含 nondeterministic 函数，比如 current_date(), now(), random()等，如果 是 true, 允许包含，否则不允许包含, 默认不允许包含。

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

示例

1. 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;

2. 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;

关键词

CREATE, ASYNC, MATERIALIZED, VIEW