CREATE VIEW

Aplica-se a:com marca de verificação sim Databricks SQL marcado sim Databricks Runtime

Constrói uma tabela virtual que não tem dados físicos com base no conjunto de resultados de uma consulta SQL ou em uma exibição de métrica com base em uma especificação yaml. ALTER VIEW e DROP VIEW só altere metadados.

Para executar essa instrução, você deve ser um administrador de metastore ou ter USE CATALOG e USE SCHEMA privilégios no catálogo e no esquema, juntamente com CREATE TABLE privilégios no esquema de destino.

O usuário que executa esse comando se tornará o proprietário da exibição.

Aviso

CHAR e VARCHAR a semântica do comprimento, incluindo CHAR(n) o preenchimento de espaço, aplica-se apenas no limite da tabela. Um modo de exibição os mantém apenas para uma coluna passada sem alteração; qualquer expressão na coluna, como uma CASTfunção, alias ou comentário adicionado, retorna sem formatação STRING. Como CHAR os valores são adicionados por espaço, as comparações podem ser diferentes da tabela base. Por exemplo, um CHAR(10) valor 'COLLEGE' é armazenado como 'COLLEGE ', portanto column = 'COLLEGE' , retorna true na tabela, mas false por meio da exibição.

Sintaxe

-- 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 ] } [, ...] )

Parâmetros

  • OU SUBSTITUIR

    Se já houver uma exibição com o mesmo nome, ela será substituída. Você deve ser o proprietário ou ter a GESTÃO para substituí-lo. O usuário que substitui a visualização torna-se seu novo dono.

    Para uma visualização gerenciada do Unity Catalog, use a COPY * cláusula ou NOCOPY * para controlar se a substituição preserva os metadados da visualização existente, como concessões, comentários e tags.

    Para qualquer outra visão, substituí-la não preserva privilégios concedidos na visão original ou na table_id, e é equivalente a DROP VIEW IF EXISTS view_name seguido por CREATE VIEW view_name. ALTER VIEW Use para mudar uma visualização no local sem perder seus privilégios.

  • TEMPORÁRIO

    TEMPORARY As visualizações são visíveis apenas para a sessão que as criou e são descartadas quando a sessão termina. Uma visualização temporária é criada no system.session esquema.

  • TEMPORÁRIO GLOBAL

    Aplica-se a:marcado sim Databricks Runtime

    GLOBAL TEMPORARY Views estão vinculadas a um esquema system.global_temptemporário preservado pelo sistema. Você também pode qualificar o nome como global_temp.

  • SE NÃO EXISTIR

    Cria a exibição somente se ela não existir. Se já houver uma exibição com esse nome, a instrução CREATE VIEW será ignorada.

    Você pode especificar no máximo uma opção: IF NOT EXISTS ou OR REPLACE.

  • view_name

    O nome da exibição recém-criada.

    Se o nome não for qualificado, a visualização persistente é criada no esquema atual.

    • Visualização persistente: No Databricks SQL e Databricks Runtime 19 e superior, o PATH não é usado para escolher o esquema de destino.
    • Visualização temporária: No Databricks SQL e Databricks Runtime 18.0 e superior, você pode qualificar o nome apenas com system.session ou session. Você pode qualificar uma visão temporária global apenas com system.global_temp ou global_temp. Em versões anteriores, o nome de uma visão temporária não deve ser qualificado.

    O nome de exibição totalmente qualificado deve ser exclusivo.

    Os nomes de exibição criados em hive_metastore podem conter apenas caracteres ASCII alfanuméricos e sublinhados (INVALID_SCHEMA_OR_RELATION_NAME).

  • MÉTRICAS

    Aplica-se a:marca marcada sim Databricks SQL marcado sim Databricks Runtime 16.4 e superior marcado sim apenas Catálogo Unity

    Identifica a visualização como uma visualização de métrica. A exibição deve ser definida com LANGUAGE YAML e o corpo da exibição deve ser uma especificação yaml válida.

    Antes do Databricks Runtime 17.2, essa cláusula não tem suporte para exibições temporárias.

    Uma exibição de métrica não dá suporte às cláusulas DEFAULT COLLATION e schema_binding.

    A especificação YAML da exibição de métrica define dimensionse measuresopcional parameters. Os dimensions são as colunas da exibição pelas quais o invocador pode agregar as medidas, enquanto os measures definem as agregações da exibição.

    O invocador de uma exibição de métrica usa a expressão medida para acessar as medidas definidas na exibição em vez de especificar funções de agregação.

    Importante

    Esse recurso está em Visualização Pública.

    Opcionalmente, a especificação YAML define parameters: valores nomeados que o invocador associa no momento da consulta. Cada parâmetro tem um nome, um tipo de dados e um valor padrão opcional. Faça referência a um parâmetro por nome dimensions e expressões e measures passe valores como argumentos nomeados ao consultar a exibição como uma função com valor de tabela. Os parâmetros exigem o Databricks Runtime 18.2 e superior. Para a sintaxe YAML, consulte parâmetros.

  • schema_binding

    Aplica-se a:marcado sim Databricks Runtime 15.3 e superior

    Opcionalmente, especifica como a exibição se adapta às alterações no esquema da consulta devido a alterações nas definições de objeto subjacentes.

    Essa cláusula não tem suporte para exibições temporárias, exibições de métrica ou exibições materializadas.

    • SCHEMA ENCADERNAÇÃO

      A exibição se tornará inválida se a lista de colunas da consulta for alterada, exceto nas seguintes condições:

      • A lista de colunas inclui uma cláusula de estrela e há colunas adicionais. Essas colunas adicionais são ignoradas.
      • O tipo de uma ou mais colunas foi alterado de uma forma que permite que elas sejam convertidas com segurança nos tipos de coluna originais usando regras de conversão implícitas.
    • SCHEMA COMPENSAÇÃO

      A exibição se tornará inválida se a lista de colunas da consulta for alterada, exceto nas seguintes condições:

      • A lista de colunas inclui uma cláusula de estrela e há colunas adicionais. Essas colunas adicionais são ignoradas.
      • O tipo de uma ou mais colunas foi alterado de uma forma que permite que elas sejam convertidas nos tipos de coluna originais usando regras de conversão ANSI explícitas.

      Esse é o comportamento padrão.

    • SCHEMA EVOLUÇÃO DE TIPOS

      O modo de exibição adotará quaisquer alterações nos tipos, na lista de colunas de consulta, em sua própria definição quando o compilador do SQL detectar essa alteração em resposta a uma referência à exibição.

    • SCHEMA EVOLUÇÃO

      • Esse modo se comporta como SCHEMA TYPE EVOLUTION, e também adota alterações em nomes de coluna, comentários de coluna ou colunas adicionadas e descartadas se o modo de exibição não incluir um explícito column_list.
      • A visualização só se torna inválida se a consulta não puder mais ser analisada, ou se a visualização column_list opcional não corresponder mais ao número de expressões na query lista de seleção.

    Note

    Uma visualização do Catálogo Unity no SCHEMA TYPE EVOLUTION modo or SCHEMA EVOLUTION pode ter um esquema armazenado que não corresponde mais à saída de sua consulta. Quando tal visualização é consultada, o Azure Databricks atualiza o esquema armazenado como usuário que faz consulta. Se a atualização falhar, a consulta retorna o erro FAILED_UPDATE_VIEW_SCHEMA . O Unity Catalog aceita a atualização apenas do proprietário da visualização ou do cálculo que aplica permissões. Como resultado, uma consulta de um usuário que não é proprietário da visualização pode falhar em computação dedicada até que o esquema armazenado seja atualizado.

    Se o catálogo estiver vinculado ao espaço de trabalho como somente leitura, a computação dedicada nesse espaço de trabalho não pode atualizar o esquema armazenado, nem mesmo para o proprietário da visualização. Nesse caso, consulte a visualização a partir de computação que aplica permissões, ou execute os passos proprietários abaixo a partir de um espaço de trabalho com acesso de leitura e gravação ao catálogo.

    Para evitar essa falha, faça uma das seguintes ações:

    • Consulte a visualização a partir de computação que aplica permissões: computação serverless, computação em modo de acesso padrão ou um depósito SQL. Computação em modo de acesso padrão requer Databricks Runtime 17.1.1 ou superior.
    • Peça ao proprietário da visualização consultar a visualização após a alteração do esquema subjacente. A consulta do proprietário atualiza o esquema armazenado.
    • Transfira a propriedade da visualização com ALTER VIEW ... OWNER TO para um grupo ao qual o principal que faz a consulta pertence. O proprietário da visualização ou um usuário com esse MANAGE privilégio pode transferir a propriedade apenas para um grupo ao qual também pertence. Somente um administrador da metaloja pode transferir a propriedade para qualquer outro principal, como o usuário que faz consulta. Consultas em uma visualização utilizam os privilégios do proprietário, portanto o novo proprietário deve ter os privilégios necessários sobre os objetos subjacentes da visualização.
    • Peça ao proprietário da visualização alterar a visualização para SCHEMA BINDING ou SCHEMA COMPENSATION com ALTER VIEW. A visualização então para de adotar alterações no esquema. Torna-se inválido se uma alteração for incompatível com o novo modo.
  • column_list

    Opcionalmente, rotula as colunas no resultado da consulta da exibição. Se você fornecer uma lista de colunas, o número de aliases de coluna deverá corresponder ao número de expressões na consulta ou, para exibições de métrica, à especificação YAML. Caso não haja lista de colunas especificada, os aliases derivam do corpo da exibição.

    • column_alias

      Os aliases de coluna devem ser exclusivos.

    • column_comment

      Um literal STRING opcional que descreve o alias da coluna.

  • view_comment

    Um literal de STRING opcional que fornece comentários no nível de exibição.

  • COLAÇÃO PADRÃO collation_name

    Aplica-se a:marcado sim Databricks SQL marcado sim Databricks Runtime 16.3 e superior

    Define a ordenação padrão a ser usada em query. Se não for especificado, a ordenação padrão será derivada do esquema no qual a exibição é criada.

    Esta cláusula não tem suporte para exibições de métrica.

  • Propriedades TBL

    Opcionalmente, define uma ou mais propriedades definidas pelo usuário.

  • COPIAR * ou NOCÓPIA *

    Aplica-se a:com marca marcada sim Databricks SQL marcado sim Databricks Runtime 18.3 e superior marcado sim apenas Catálogo Unity

    Determina se substituir uma visualização existente preserva OR REPLACE os metadados da visualização existente, como suas concessões, comentários e tags.

    • COPY * preserva os metadados da visualização existente.
    • NOCOPY * elimina os metadados da visualização existente. A substituição mantém apenas os metadados na nova definição.

    Somente o * formulário é suportado: a cláusula se aplica a toda categoria de metadados preserváveis, não a um subconjunto. Essa cláusula é suportada apenas para visualizações gerenciadas do Catálogo Unity, e somente com OR REPLACE. Usá-lo em qualquer outra visão gera um erro.

    Se você omitir a cláusula, o padrão depende do tempo de execução:

    • No Databricks Runtime 18.3, os metadados da visualização existente não são preservados, assim como NOCOPY *em . Especifique COPY * preservá-lo.
    • No Databricks Runtime 19 e superiores, os metadados da visualização existente são preservados por padrão, assim como COPY *em . Especifique NOCOPY * para desistir.
  • Consulta AS

    Uma consulta que constrói a exibição com base em tabelas base ou em outras exibições.

    No Databricks SQL e Databricks Runtime 19 e superiores, uma visualização persistente captura o PATH da sessão em tempo de criação e resolve nomes não qualificados nessa consulta contra esse caminho capturado, não contra o caminho da sessão do invocador. current_path() e current_schema() na consulta ainda retorna os valores da sessão do invocador. Veja Caminho capturado.

    Esta cláusula não tem suporte para exibições de métrica.

  • AS $$ yaml_string $$

    Uma especificação yaml que define uma exibição de métrica.

  • USANDO data_source

    Ele faz backup da visualização diretamente com uma fonte de dados em vez de uma consulta, então você pode consultar arquivos sem antes definir uma tabela. Esta cláusula é suportada apenas para TEMPORARY e GLOBAL TEMPORARY views e não pode ser combinada com AS.

    data_source deve ser um formato de arquivo, como CSV, JSON, PARQUET, AVRO, ORC, ou TEXT. Para a lista completa de formatos de arquivo suportados, veja CREATE TABLE [USING].

  • OPÇÕES

    Define uma ou mais opções de fonte de dados como pares-chave-valor, como o arquivo path, se o arquivo possui um header, e o analisador mode. Para as opções suportadas por cada formato, veja a referência correspondente do formato, por exemplo , Ler e gravar arquivos CSV.

Exemplos

-- 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