Dela via

CREATE VIEW

Gäller för:kontrollbockad ja Databricks SQL kontrollbockad ja Databricks Runtime

Konstruerar en virtuell tabell som inte har några fysiska data baserat på resultatuppsättningen för en SQL-fråga eller en måttvy baserat på en yaml-specifikation. ALTER VIEW och DROP VIEW ändrar endast metadata.

Om du vill köra den här instruktionen måste du vara metaarkivadministratör eller ha USE CATALOG och USE SCHEMA behörigheter för katalogen och schemat, tillsammans med CREATE TABLE behörigheter i målschemat.

Användaren som kör det här kommandot blir ägare till vyn.

Syntax

CREATE [ OR REPLACE ] [ TEMPORARY ] VIEW [ IF NOT EXISTS ] view_name
    [ column_list ]
    [ with_clause |
      COMMENT view_comment |
      DEFAULT COLLATION collation_name |
      TBLPROPERTIES clause |
      LANGUAGE YAML ] [...]
    AS { query | $$ yaml_string $$ }

with_clause
   WITH { { schema_binding | METRICS } |
          ( { schema_binding | METRICS } [, ...] } )

schema_binding
   WITH SCHEMA { BINDING | COMPENSATION | [ TYPE ] EVOLUTION }

column_list
   ( { column_alias [ COMMENT column_comment ] } [, ...] )

Parametrar

  • ELLER ERSÄTT

    Om det redan finns en vy med samma namn ersätts den. Om du vill ersätta en befintlig vy måste du vara dess ägare.

    Att ersätta en befintlig vy bevarar inte behörigheter som beviljats för den ursprungliga vyn eller table_id. Använd ALTER VIEW för att bevara behörigheter.

    CREATE OR REPLACE VIEW view_name motsvarar DROP VIEW IF EXISTS view_name följt av CREATE VIEW view_name.

  • TEMPORÄR

    TEMPORARY vyer visas endast för sessionen som skapade dem och tas bort när sessionen avslutas.

  • GLOBALT TILLFÄLLIGT

    Gäller för:markerat med ja Databricks Runtime

    GLOBAL TEMPORARY vyer är knutna till ett systembevarat tillfälligt schema global_temp.

  • OM INTE EXISTERAR

    Skapar endast vyn om den inte finns. Om det redan finns en vy med det här namnet ignoreras CREATE VIEW-instruktionen.

    Du kan ange högst en av IF NOT EXISTS eller OR REPLACE.

  • view_name

    Namnet på den nyligen skapade vyn. Namnet på en temporär vy får inte vara kvalificerat. Det fullständigt kvalificerade vynamn måste vara unikt.

    Visningsnamn som skapas i hive_metastore får bara innehålla alfanumeriska ASCII-tecken och understreck (INVALID_SCHEMA_OR_RELATION_NAME).

  • MÄTVÄRDEN

    Gäller för:markerad som ja Databricks SQL markerad som ja Databricks Runtime 16.4 och senare markerad som ja Endast Unity Catalog

    Identifierar vyn som en metrisk vy. Vyn måste definieras med LANGUAGE YAML och brödtexten i vyn måste vara en giltig yaml-specifikation.

    Den här satsen stöds inte för tillfälliga vyer.

    En metrikvy stöder inte klausulerna DEFAULT COLLATION och schema_binding.

    YAML-specifikationen för måttvyn definierar dimensions och measures. dimensions är kolumnerna i vyn med vilka anroparen kan aggregera måtten, medan measures definierar aggregeringarna av vyn.

    Anroparen för en måttvy använder måttuttrycket för att komma åt de vyer som definierats i stället för att ange aggregeringsfunktioner.

  • schema_binding

    Gäller för:markerat med ja Databricks Runtime 15.3 och senare

    Du kan också ange hur vyn anpassas till ändringar i schemat för frågan på grund av ändringar i de underliggande objektdefinitionerna.

    Den här satsen stöds inte för tillfälliga vyer, måttvyer eller materialiserade vyer.

    • SCHEMA BINDANDE

      Vyn blir ogiltig om frågekolumnlistan ändras förutom följande villkor:

      • Kolumnlistan innehåller en stjärnsats och det finns ytterligare kolumner. Dessa ytterligare kolumner ignoreras.
      • Typen av en eller flera kolumner har ändrats på ett sätt som gör att de på ett säkert sätt kan gjutas till de ursprungliga kolumntyperna med hjälp av implicita gjutningsregler.

      Det här är standardbeteendet.

    • SCHEMA ERSÄTTNING

      Vyn blir ogiltig om frågekolumnlistan ändras förutom följande villkor:

      • Kolumnlistan innehåller en stjärnsats och det finns ytterligare kolumner. Dessa ytterligare kolumner ignoreras.
      • Typen av en eller flera kolumner har ändrats på ett sätt som gör att de kan omvandlas till de ursprungliga kolumntyperna med hjälp av explicita ANSI-gjutningsregler.

    • SCHEMA TYPUTVECKLING

      Vyn använder alla ändringar av typer i frågekolumnlistan i sin egen definition när SQL-kompilatorn identifierar en sådan ändring som svar på en referens till vyn.

    • SCHEMA EVOLUTION

      • Det här läget fungerar som SCHEMA TYPE EVOLUTIONoch antar även ändringar i kolumnnamn eller tillagda och borttagna kolumner om vyn inte innehåller en explicit column_list.
      • Vyn blir bara ogiltig om frågan inte längre kan parsas eller om den valfria vyn column_list inte längre matchar antalet uttryck i query select-list.

  • column_list

    Du kan också etikettera kolumnerna i frågeresultatet i vyn. Om du anger en kolumnlista måste antalet kolumnalias matcha antalet uttryck i frågan eller YAML-specifikationen för måttvyer. Om ingen kolumnlista anges härleds alias från brödtexten i vyn.

    • column_alias

      Kolumnaliasen måste vara unika.

    • column_comment

      En valfri STRING literal som beskriver kolumnaliaset.

  • view_comment

    En valfri STRING literal som ger kommentarer på visningsnivå.

  • STANDARDSORTERING COLLATION_NAME

    Gäller för:markerad med ja Databricks SQL markerad med ja Databricks Runtime 16.3 och senare

    Definierar standardsortering som ska användas i query. Om den inte anges är standardsortering UTF8_BINARYa.

    Den här klausulen stöds inte för måttvyer.

  • TBLPROPERTIES

    Du kan också ange en eller flera användardefinierade egenskaper.

  • AS-fråga

    En fråga som konstruerar vyn från bastabeller eller andra vyer.

    Den här klausulen stöds inte för måttvyer.

  • AS $$ yaml_string $$

    En YAML-specifikation som definierar en måttvy.

Exempel

-- 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;

-- 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 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_p_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_p_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']

-- 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