當管線更新執行時，會刷新管線中定義的實體化檢視與串流資料表，使其結果反映來源資料的當前狀態。 資料集的刷新方式取決於其類型和刷新類型。 關於如何觸發和管理更新，請參見 「執行管線更新」。
刷新類型
預設情況下，管線中每個實體化檢視與串流資料表都會隨著每次更新而重新整理。 下表總結了每種刷新類型的行為：
| 更新類型 | 具現化視圖 | 串流資料表 |
|---|---|---|
| 重新整理（預設值） | 更新結果以反映定義查詢的當前結果。 Azure Databricks 會檢視成本，並在效率較高時進行增量更新。 | 透過串流資料表與流程中定義的邏輯處理新紀錄。 |
| 完整重新整理 | 重新計算結果以反映定義查詢的當前結果。 | 清除串流資料表的資料、清除流程中的檢查點，並重新處理資料來源中的所有紀錄。 |
| 重設串流檢查點 | 不適用於具體化檢視。 | 清除流程中的檢查點，但不會清除串流資料表的資料，然後從資料來源中重新處理所有紀錄。 |
重新整理（預設值）
預設刷新會更新資料集，以反映其定義查詢的當前結果。
串流表本質上是增量式的。 串流資料表重新整理時，只會評估自上次更新後新增的記錄，並使用資料表目前的定義將其附加到資料表中。 舊紀錄不會重新處理，因此不會套用會影響已寫入資料的變更。 換句話說，串流資料表的預設刷新是以較低的時間與資源成本交換資料正確性。 若要重新處理舊資料，請執行完整刷新或重置流程檢查點。
具體化檢視嘗試增量刷新，但在必要時重新處理所有記錄以保持資料表完全準確。 具體化視圖的刷新方式有兩種：
- 增量刷新 會識別自上次更新以來的變更，並僅合併新資料或修改過的資料。
- 完整刷新 會執行整個查詢，當增量刷新無法或成本效益不高時，會替換現有資料。
預設情況下，Azure Databricks 會使用成本模型來選擇更具成本效益的方法。 你可以用刷新政策覆蓋這個選擇。 關於增量更新的語意、需求及支援的 SQL，請參見 具體化檢視的增量更新。
完整重新整理
完整刷新會根據定義資料集的邏輯重新處理來源資料中的所有紀錄：
- 對於實體化的視圖，完整刷新會重新計算整個結果。 由於實體化檢視總是回傳與批次查詢相同的結果，預設刷新與完整刷新會產生相同的資料。
- 對於串流資料表，完整刷新會截斷資料表，清除其流程的串流檢查點，並重新處理來源的每筆紀錄。
因為完整刷新會重新處理所有來源資料，時間和成本會隨著資料大小而增加。 Databricks 建議只有在必要時才執行完整刷新，例如定義或結構變更與現有資料不相容時。 對串流資料表執行完整刷新時，如果來源端已不再保留原始資料（例如 Kafka 主題已超過保留期限），則可能會遺失部分記錄。
關於何時以及如何執行串流資料表的完整刷新，請參見「 串流資料表的完整刷新」。
重設檢查點
重設檢查點只適用於串流表。 它會清除選取流程的串流檢查點，但不會清除已寫入串流表的資料，然後透過這些流程重新處理來源的所有紀錄。 與完整刷新不同，現有的資料表資料會被保留。
當你想重新處理選定流程的串流來源時，例如更改流程邏輯後，且不截斷表格，可以使用此方法。
重設檢查點是透過 Lakeflow pipelines REST API 觸發的。 關於步驟，請參見 開始管線更新以清除選擇性串流流程的檢查點。