Remarque
L’accès à cette page requiert une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page requiert une autorisation. Vous pouvez essayer de modifier des répertoires.
S’applique à :
Databricks
Databricks Runtime
Construit une table virtuelle qui n’a pas de données physiques en fonction du jeu de résultats d’une requête SQL ou d’une vue de métrique basée sur une spécification yaml. ALTER VIEW et DROP VIEW ne modifier que les métadonnées.
Pour exécuter cette instruction, vous devez être administrateur de metastore ou avoir des privilèges USE CATALOG et USE SCHEMA sur le catalogue et le schéma, ainsi que des privilèges CREATE TABLE dans le schéma cible.
L’utilisateur qui exécute cette commande deviendra le propriétaire de la vue.
Avertissement
CHAR et VARCHAR la sémantique de longueur, y compris CHAR(n) le remplissage d’espace, s’applique uniquement à la limite de la table. Une vue les conserve uniquement pour une colonne passée par inchangé ; toute expression sur la colonne, telle qu’une fonction, un CASTalias ou un commentaire ajouté, retourne une expression simple STRING. Étant donné que CHAR les valeurs sont rembourrées d’espace, les comparaisons peuvent différer de la table de base. Par exemple, une CHAR(10) valeur est stockée sous la forme 'COLLEGE''COLLEGE ': retourne column = 'COLLEGE' donc true sur la table, mais false par le biais de la vue.
Syntaxe
-- Query-backed or metric view
CREATE [ OR REPLACE ] [ [ GLOBAL ] TEMPORARY ] VIEW [ IF NOT EXISTS ] view_name
[ column_list ]
[ with_clause |
COMMENT view_comment |
DEFAULT COLLATION collation_name |
TBLPROPERTIES clause |
{ COPY | NOCOPY } * |
LANGUAGE YAML ] [...]
AS { query | $$ yaml_string $$ }
-- Temporary view backed by a data source
CREATE [ OR REPLACE ] [ GLOBAL ] TEMPORARY VIEW [ IF NOT EXISTS ] view_name
[ column_list ]
USING data_source [ OPTIONS ( option_key [ = ] option_value [, ...] ) ]
with_clause
WITH { { schema_binding | METRICS } |
( { schema_binding | METRICS } [, ...] } )
schema_binding
WITH SCHEMA { BINDING | COMPENSATION | [ TYPE ] EVOLUTION }
column_list
( { column_alias [ COMMENT column_comment ] } [, ...] )
Parameters
OU REMPLACER
Si une vue du même nom existe déjà, elle est remplacée. Vous devez être le propriétaire ou avoir un GESTIONNAIRE pour le remplacer. L’utilisateur qui remplace la vue devient son nouveau propriétaire.
Pour une vue gérée par Unity Catalog, utilisez la
COPY *clause orNOCOPY *pour contrôler si le remplacement préserve les métadonnées de la vue existante, telles que les subventions, commentaires et tags.Pour toute autre vue, le remplacer ne préserve pas les privilèges accordés sur la vue originale ou sur la
table_id, et est équivalent àDROP VIEW IF EXISTS view_namesuivi deCREATE VIEW view_name. Utilisez ALTER VIEW pour modifier une vue en place sans en perdre les privilèges.TEMPORAIRE
TEMPORARYLes vues ne sont visibles que par la session qui les a créées et sont supprimées à la fin de la session. Une vue temporaire est créée dans lesystem.sessionschéma.GLOBAL TEMPORAIRE
S’applique à :
Databricks RuntimeGLOBAL TEMPORARYLes vues sont liées à un schémasystem.global_temptemporaire préservé par le système. Vous pouvez aussi qualifier le nom deglobal_temp.SI ELLE N’EXISTE PAS
Crée la vue uniquement si elle n’existe pas. Si une vue portant ce nom existe déjà, l’instruction
CREATE VIEWest ignorée.Vous pouvez spécifier au maximum un seul des paramètres
IF NOT EXISTSouOR REPLACE.-
Nom de la vue nouvellement créée.
Si le nom n’est pas qualifié, la vue persistante est créée dans le schéma actuel.
- Vue persistante : Dans Databricks SQL et Databricks Runtime 19 et versions ultérieures, le PATH n’est pas utilisé pour choisir le schéma cible.
-
Vue temporaire : Dans Databricks SQL et Databricks Runtime 18.0 et versions ultérieures, vous ne pouvez qualifier le nom qu’avec
system.sessionousession. Vous ne pouvez qualifier qu’une vue temporaire globale avecsystem.global_tempouglobal_temp. Dans les versions antérieures, le nom d’une vue temporaire ne doit pas être qualifié.
Le nom complet de la vue doit être unique.
Les noms d’affichage créés dans
hive_metastorene peuvent contenir que des caractères ASCII alphanumériques et des traits de soulignement (INVALID_SCHEMA_OR_RELATION_NAME). MÉTRIQUES
S’applique à :
SQL
Runtime 16.4 et supérieur
uniquement Catalogue UnityIdentifie la vue comme une vue métrique. La vue doit être définie avec
LANGUAGE YAMLet le corps de la vue doit être une spécification yaml valide.Avant Databricks Runtime 17.2, cette clause n’est pas prise en charge pour les vues temporaires.
Une vue de métriques ne prend pas en charge les clauses
DEFAULT COLLATIONetschema_binding.La spécification YAML de la vue de métrique définit
dimensions,measureset facultativeparameters.dimensionsreprésentent les colonnes de la vue par lesquelles l'appelant peut agréger les mesures, alors quemeasuresdéfinit les agrégations de la vue.L’appelant d’une vue métrique utilise l’expression measure pour accéder aux mesures définies par les vues plutôt que de spécifier des fonctions d’agrégation.
Important
Cette fonctionnalité est disponible en préversion publique.
Si vous le souhaitez, la spécification YAML définit
parametersles valeurs nommées que l’appelant lie au moment de la requête. Chaque paramètre a un nom, un type de données et une valeur par défaut facultative. Référencez un paramètre par nom etdimensionsmeasuresexpressions, puis transmettez des valeurs en tant qu’arguments nommés lorsque vous interrogez la vue en tant que fonction table. Les paramètres nécessitent Databricks Runtime 18.2 et versions ultérieures. Pour connaître la syntaxe YAML, consultez les paramètres.schema_binding
S’applique à :
Databricks Runtime 15.3 et ultérieureSpécifie éventuellement comment la vue s’adapte aux modifications apportées au schéma de la requête du fait des modifications apportées aux définitions d’objet sous-jacentes.
Cette clause n’est pas prise en charge pour les vues temporaires, les vues métriques ou les vues matérialisées.
SCHEMA BINDING
La vue devient non valide si la liste des colonnes de requête change, sauf dans les conditions suivantes :
- La liste des colonnes inclut une clause « star » ainsi que des colonnes supplémentaires. Ces colonnes supplémentaires sont ignorées.
- Le type d’une ou plusieurs colonnes a été modifié de manière à permettre leur transtypage en toute sécurité vers les types de colonnes d’origine à l’aide de règles de conversion implicites.
SCHEMA RÉMUNÉRATION
La vue devient non valide si la liste des colonnes de requête change, sauf dans les conditions suivantes :
- La liste des colonnes inclut une clause « star » ainsi que des colonnes supplémentaires. Ces colonnes supplémentaires sont ignorées.
- Le type d’une ou plusieurs colonnes a été modifié de manière à permettre leur transtypage vers les types de colonnes d’origine à l’aide de règles de conversion ANSI explicites.
Il s'agit du comportement par défaut.
SCHEMA ÉVOLUTION DES TYPES
La vue adopte toutes les modifications apportées aux types, dans la liste des colonnes de requête, dans sa propre définition lorsque le compilateur SQL détecte une telle modification en réponse à une référence à la vue.
SCHEMA ÉVOLUTION
- Ce mode se comporte comme
SCHEMA TYPE EVOLUTION, et adopte également des modifications dans les noms de colonnes, les commentaires de colonne ou les colonnes ajoutées et supprimées si la vue n’inclut pas un explicitecolumn_list. - La vue ne devient invalide que si la requête ne peut plus être analysée, ou si la vue
column_listoptionnelle ne correspond plus au nombre d’expressions dans laqueryliste de sélection.
- Ce mode se comporte comme
Note
Une vue du catalogue Unity en
SCHEMA TYPE EVOLUTIONmode ouSCHEMA EVOLUTIONpeut avoir un schéma stocké qui ne correspond plus à la sortie de sa requête. Lorsqu’une telle vue est interrogée, Azure Databricks met à jour le schéma stocké en tant qu’utilisateur interrogateur. Si la mise à jour échoue, la requête renvoie l’erreur FAILED_UPDATE_VIEW_SCHEMA . Le catalogue Unity n’accepte la mise à jour que du propriétaire de la vue ou du calcul qui applique les permissions. En conséquence, une requête d’un utilisateur qui ne possède pas la vue peut échouer lors d’un calcul dédié tant que le schéma stocké n’est pas mis à jour.Si le catalogue est lié à l’espace de travail en lecture seule, le calcul dédié dans cet espace ne peut pas mettre à jour le schéma stocké, même pour le propriétaire de la vue. Dans ce cas, interrogez la vue depuis le calcul qui applique les permissions, ou exécutez les étapes propriétaire ci-dessous depuis un espace de travail disposant d’un accès en lecture-écriture au catalogue.
Pour éviter cette défaillance, effectuez l’une des actions suivantes :
- Interrogez la vue depuis le calcul qui applique les permissions : calcul sans serveur, calcul en mode accès standard ou un entrepôt SQL. Le calcul en mode d’accès standard nécessite Databricks Runtime 17.1.1 ou supérieur.
- Demandez au propriétaire de la vue d’interroger la vue après que le schéma sous-jacent a changé. La requête du propriétaire met à jour le schéma stocké.
- Transférer la propriété de la vue avec ALTER VIEW ... OWNER TO à un groupe auquel appartient le principal interrogateur. Le propriétaire de la vue ou un utilisateur disposant de ce
MANAGEprivilège ne peut transférer la propriété qu’à un groupe auquel il appartient également. Seul un administrateur du métastore peut transférer la propriété à un autre principal, tel que l’utilisateur interrogateur. Les requêtes sur une vue utilisent les privilèges du propriétaire, donc le nouveau propriétaire doit disposer des privilèges requis sur les objets sous-jacents de la vue. - Demandez au propriétaire de la vue de modifier la vue vers
SCHEMA BINDINGouSCHEMA COMPENSATIONavec ALTER VIEW. La vue cesse alors d’adopter des modifications de schéma. Il devient invalide si un changement est incompatible avec le nouveau mode.
column_list
Étiquette au choix les colonnes dans le résultat de la requête de la vue. Si vous fournissez une liste de colonnes, le nombre d’alias de colonne doit correspondre au nombre d’expressions dans la requête ou, pour les vues de métriques, la spécification YAML. Si aucune liste de colonnes n’est spécifiée, les alias sont dérivés du corps de la vue.
-
Les alias de colonnes doivent être uniques.
column_comment
Littéral
STRINGfacultatif qui décrit l’alias de la colonne.
-
view_comment
Littéral
STRINGfacultatif qui fournit des commentaires au niveau de la vue.CLASSEMENT PAR DÉFAUT collation_name
S’applique à :
SQL
Runtime 16.3 et ultérieurDéfinit le classement par défaut à utiliser dans
query. S’il n’est pas spécifié, le classement par défaut est dérivé du schéma dans lequel la vue est créée.Cette clause n'est pas prise en charge pour les vues métriques.
-
(Facultatif) Définit une ou plusieurs propriétés définies par l’utilisateur.
COPIE * ou AUCUNE COPIE *
S’applique à :

Runtime 18.3 et supérieur
uniquement Catalogue UnityDétermine si le remplacement d’une vue existante par
OR REPLACEpréserve les métadonnées de la vue existante, telles que ses subventions, commentaires et tags.- COPY * conserve les métadonnées de la vue existante.
- NOCOPY * élimine les métadonnées de la vue existante. Le remplacement conserve uniquement les métadonnées dans la nouvelle définition.
Seul le
*formulaire est pris en charge : la clause s’applique à toutes les catégories de métadonnées conservables, et non à un sous-ensemble. Cette clause est prise en charge uniquement pour les vues gérées par le catalogue Unity, et uniquement avecOR REPLACE. L’utiliser sur une autre vue entraîne une erreur.Si vous omets la clause, le défaut dépend de l’exécution :
- Dans Databricks Runtime 18.3, les métadonnées de la vue existante ne sont pas préservées, de la même manière que
NOCOPY *dans . PrécisezCOPY *de le préserver. - Dans Databricks Runtime 19 et supérieur, les métadonnées de la vue existante sont préservées par défaut, de la même manière que
COPY *dans . PréciseNOCOPY *de laisser tomber.
RequêteAS
Requête qui construit l’affichage à partir de tables de base ou d’autres affichages.
Dans Databricks SQL et Databricks Runtime 19 et supérieur, une vue persistante capture le PATH de la session au moment de la création et résout les noms non qualifiés dans cette requête par rapport à ce chemin capturé, et non par celui de l’invocateur.
current_path()etcurrent_schema()dans la requête, retourner toujours les valeurs de session de l’invocateur. Voir Chemin capturé.Cette clause n'est pas prise en charge pour les vues métriques.
AS $$ yaml_string $$
Une spécification YAML qui définit une vue métrique.
UTILISATION data_source
Cela soutient directement la vue avec une source de données au lieu d’une requête, ce qui permet d’interroger des fichiers sans définir d’abord une table. Cette clause est prise en charge uniquement pour
TEMPORARYles vues etGLOBAL TEMPORARYne peut pas être combinée avecAS.data_sourcedoit être un format de fichier, tel queCSV,JSON,PARQUET,AVRO,ORC, ouTEXT. Pour la liste complète des formats de fichiers pris en charge, voir CREATE TABLE [USING].OPTIONS
Définit une ou plusieurs options de source de données comme paires clé-valeur, telles que le fichier
path, que le fichier ait unheader, et le parseurmode. Pour les options prises en charge par chaque format, voir la référence de format correspondante, par exemple Lire et écrire des fichiers CSV.
Exemples
-- Create or replace view for `experienced_employee` with comments.
> CREATE OR REPLACE VIEW experienced_employee
(id COMMENT 'Unique identification number', Name)
COMMENT 'View for experienced employees'
AS SELECT id, name
FROM all_employee
WHERE working_years > 5;
-- Replace a Unity Catalog view while preserving its grants, comments, and tags.
> CREATE OR REPLACE VIEW experienced_employee COPY *
AS SELECT id, name, department
FROM all_employee
WHERE working_years > 5;
-- Replace the same view but drop its existing metadata, keeping only the new definition.
> CREATE OR REPLACE VIEW experienced_employee NOCOPY *
AS SELECT id, name
FROM all_employee
WHERE working_years > 5;
-- Create a temporary view `subscribed_movies`.
> CREATE TEMPORARY VIEW subscribed_movies
AS SELECT mo.member_id, mb.full_name, mo.movie_title
FROM movies AS mo
INNER JOIN members AS mb
ON mo.member_id = mb.id;
-- Create a temporary view over a CSV file so you can query it with SQL.
> CREATE TEMPORARY VIEW diamonds
USING CSV
OPTIONS (path '/databricks-datasets/Rdatasets/data-001/csv/ggplot2/diamonds.csv',
header 'true',
mode 'FAILFAST');
> SELECT carat, cut, price FROM diamonds LIMIT 5;
-- Create a view with schema binding (default)
> CREATE TABLE emp(name STRING, income INT);
> CREATE VIEW emp_v WITH SCHEMA BINDING AS SELECT * FROM emp;
– The view ignores adding a column to the base table
> ALTER TABLE emp ADD COLUMN bonus SMALLINT;
> SELECT * FROM emp_v;
name income
---- ------
-- The view tolerates narrowing the underlying type
> CREATE OR REPLACE TABLE emp(name STRING, income SMALLINT, bonus SMALLINT);
> SELECT typeof(income) FROM emp_v;
INTEGER
– The view does not tolerate widening the underlying type
CREATE OR REPLACE TABLE emp(name STRING, income BIGINT, bonus SMALLINT);
> SELECT typeof(income) FROM emp_v;
Error
– Create a view with SCHEMA COMPENSATION
> CREATE TABLE emp(name STRING, income SMALLINT, bonus SMALLINT);
> CREATE VIEW emp_v WITH SCHEMA COMPENSATION AS SELECT * FROM emp;
-- The view tolerates widening the underlying type but keeps its own signature fixed
CREATE OR REPLACE TABLE emp(name STRING, income INTEGER, bonus INTEGER);
> SELECT typeof(income) FROM emp_v;
INTEGER
-- The view does not tolerate dropping a needed column
ALTER TABLE emp DROP COLUMN bonus;
> SELECT * FROM emp_v;
Error
– Create a view with SCHEMA EVOLUTION
> CREATE TABLE emp(name STRING, income SMALLINT);
> CREATE VIEW emp_v WITH SCHEMA EVOLUTION AS SELECT * FROM emp;
-- The view picks up additional columns
> ALTER TABLE emp ADD COLUMN bonus SMALLINT
> SELECT * FROM emp_v;
name income bonus
---- ------ -----
-- The view picks up renamed columns as well
> ALTER TABLE emp RENAME COLUMN income TO salary SMALLINT;
> SELECT * FROM emp_v;
name salary bonus
---- ------ -----
-- The view picks up changes to column types and dropped columns
> CREATE OR REPLACE TABLE emp(name STRING, salary BIGINT);
> SELECT *, typeof(salary)AS salary_type FROM emp_v;
name salary
---- ------
-- Create a view using a default collation of UTF8_BINARY
> CREATE VIEW v DEFAULT COLLATION UTF8_BINARY
AS SELECT 5::STRING AS text;
-- Creates a Metric View as specified in the YAML definition, with three dimensions and four measures representing the count of orders.
> CREATE OR REPLACE VIEW region_sales_metrics
(month COMMENT 'Month order was made',
status,
order_priority,
count_orders COMMENT 'Count of orders',
total_Revenue,
total_revenue_per_customer,
total_revenue_for_open_orders)
WITH METRICS
LANGUAGE YAML
COMMENT 'A Metric View for regional sales metrics.'
AS $$
version: 0.1
source: samples.tpch.orders
filter: o_orderdate > '1990-01-01'
dimensions:
- name: month
expr: date_trunc('MONTH', o_orderdate)
- name: status
expr: case
when o_orderstatus = 'O' then 'Open'
when o_orderstatus = 'P' then 'Processing'
when o_orderstatus = 'F' then 'Fulfilled'
end
- name: prder_priority
expr: split(o_orderpriority, '-')[1]
measures:
- name: count_orders
expr: count(1)
- name: total_revenue
expr: SUM(o_totalprice)
- name: total_revenue_per_customer
expr: SUM(o_totalprice) / count(distinct o_custkey)
- name: total_revenue_for_open_orders
expr: SUM(o_totalprice) filter (where o_orderstatus='O')
$$;
> DESCRIBE EXTENDED region_sales_metrics;
col_name data_type
------------------------------ --------------------------
month timestamp
status string
order_priority string
count_orders bigint measure
total_revenue decimal(28,2) measure
total_revenue_per_customer decimal(38,12) measure
total_revenue_for_open_orders decimal(28,2) measure
# Detailed Table Information
Catalog main
Database default
Table region_sales_metrics
Owner alf@melmak.et
Created Time Thu May 15 13:03:01 UTC 2025
Last Access UNKNOWN
Created By Spark
Type METRIC_VIEW
Comment A Metric View for regional sales metrics.
Use Remote Filtering false
View Text "
version: 0.1
source: samples.tpch.orders
filter: o_orderdate > '1990-01-01'
dimensions:
- name: month
expr: date_trunc('MONTH', o_orderdate)
- name: status
expr: case
when o_orderstatus = 'O' then 'Open'
when o_orderstatus = 'P' then 'Processing'
when o_orderstatus = 'F' then 'Fulfilled'
end
- name: Order_Priority
expr: split(o_orderpriority, '-')[1]
measures:
- name: count_orders
expr: count(1)
- name: total_Revenue
expr: SUM(o_totalprice)
- name: total_Revenue_per_Customer
expr: SUM(o_totalprice) / count(distinct o_custkey)
- name: Total_Revenue_for_Open_Orders
expr: SUM(o_totalprice) filter (where o_orderstatus='O')
"
Language YAML
Table Properties [metric_view.from.name=samples.tpch.orders, metric_view.from.type=ASSET, metric_view.where=o_orderdate > '1990-01-01']
-- Create a parameterized metric view (requires DBR 18.2 and above)
-- The `discount` parameter is bound at query time and referenced in a measure.
> CREATE OR REPLACE VIEW discounted_sales_metrics
WITH METRICS
LANGUAGE YAML
AS $$
version: 1.1
source: samples.tpch.orders
parameters:
- name: discount
data_type: double
default: 0
dimensions:
- name: order_priority
expr: o_orderpriority
measures:
- name: discounted_revenue
expr: SUM((1 - discount) * o_totalprice)
$$;
-- Query the parameterized metric view, passing `discount` as a named argument
> SELECT order_priority, measure(discounted_revenue)
FROM discounted_sales_metrics(discount => 0.15)
GROUP BY ALL;
-- Omit the argument to use the default value of 0
> SELECT order_priority, measure(discounted_revenue)
FROM discounted_sales_metrics
GROUP BY ALL;
-- Tracking total_revenue_per_customer by month in 1995
> SELECT extract(month from month) as month,
measure(total_revenue_per_customer)::bigint AS total_revenue_per_customer
FROM region_sales_metrics
WHERE extract(year FROM month) = 1995
GROUP BY ALL
ORDER BY ALL;
month total_revenue_per_customer
----- --------------------------
1 167727
2 166237
3 167349
4 167604
5 166483
6 167402
7 167272
8 167435
9 166633
10 167441
11 167286
12 167542
-- Tracking total_revenue_per_customer by month and status in 1995
> SELECT extract(month from month) as month,
status,
measure(total_revenue_per_customer)::bigint AS total_revenue_per_customer
FROM region_sales_metrics
WHERE extract(year FROM month) = 1995
GROUP BY ALL
ORDER BY ALL;
month status total_revenue_per_customer
----- --------- --------------------------
1 Fulfilled 167727
2 Fulfilled 161720
2 Open 40203
2 Processing 193412
3 Fulfilled 121816
3 Open 52424
3 Processing 196304
4 Fulfilled 80405
4 Open 75630
4 Processing 196136
5 Fulfilled 53460
5 Open 115344
5 Processing 196147
6 Fulfilled 42479
6 Open 160390
6 Processing 193461
7 Open 167272
8 Open 167435
9 Open 166633
10 Open 167441
11 Open 167286
12 Open 167542