了解动态表刷新¶

动态表刷新模式¶

动态表支持两种刷新模式：增量刷新和完全刷新。

• 增量刷新： 此模式分析动态表的查询，并计算自上次刷新以来的变更。然后它将这些变更合并到表中。有关支持的查询的信息，请参阅 增量刷新中支持的查询。

• 完全刷新： 此模式涉及对动态表执行查询，并完全替换以前的物化结果。

您可以明确设置刷新模式，也可以将其设置为 AUTO。通过 AUTO，Snowflake 根据查询复杂性、支持的结构、运算符、函数和预期性能等因素，智能选择更具成本效益和时间效益的刷新模式。如果增量刷新不受支持或可能表现不佳，Snowflake 会自动选择完全刷新。有关更多信息，请参阅 增量刷新的限制。

我们强烈建议在大多数使用情况下使用 AUTO，因为它允许 Snowflake 无需手动微调即可优化刷新行为。

创建动态表后，您可以监控表，以确定是使用增量刷新还是完全刷新来更新该表。

SHOW DYNAMIC TABLES;

增量刷新中支持的查询¶

下表描述了当前支持增量刷新的表达式、关键字和子句。有关不支持增量刷新的查询列表，请参阅 对增量刷新支持的限制。

目前，增量刷新不支持横向连接。但是，您可以通过将刷新模式设置为 INCREMENTAL，来使用 FLATTEN() <label-lateral_flatten_example>` 的 :ref:`LATERAL。

例如：

CREATE TABLE persons
  AS
    SELECT column1 AS id, parse_json(column2) AS entity
    FROM values
      (12712555,
      '{ name:  { first: "John", last: "Smith"},
        contact: [
        { business:[
          { type: "phone", content:"555-1234" },
          { type: "email", content:"j.smith@example.com" } ] } ] }'),
      (98127771,
      '{ name:  { first: "Jane", last: "Doe"},
        contact: [
        { business:[
          { type: "phone", content:"555-1236" },
          { type: "email", content:"j.doe@example.com" } ] } ] }') v;

CREATE DYNAMIC TABLE example
  TARGET_LAG = DOWNSTREAM
  WAREHOUSE = mywh
  REFRESH_MODE = INCREMENTAL
  AS
    SELECT p.id, f.value, f.path
    FROM persons p,
    LATERAL FLATTEN(input => p.entity) f;

运算符如何增量刷新¶

下表概述了每个运算符的增量方式（即如何将其转换为生成更改而不是完整结果的新查询片段）、其性能，以及其他需要考虑的重要因素。

CREATE DYNAMIC TABLE sums
  AS
    SELECT date_trunc(minute, ts), sum(c1) FROM table
    GROUP BY 1;

CREATE DYNAMIC TABLE intermediate
  AS
    SELECT date_trunc(minute, ts) ts_min, c1 FROM table;

CREATE DYNAMIC TABLE sums
  AS
    SELECT ts_min, sum(c1) FROM intermediate
    GROUP BY 1;

完全刷新中支持的非确定性函数¶

动态表支持以下非确定性函数。请注意，这些函数仅支持完全刷新。有关增量刷新不支持的列表，请参阅 对增量刷新支持的限制。

• VOLATILE 用户定义的函数

• 序列函数 （例如 SEQ1、SEQ2）

• 以下上下文函数：

  • CURRENT_ROLE

  • CURRENT_WAREHOUSE

  • CURRENT_ACCOUNT

  • CURRENT_REGION

• 以下日期和时间函数（具有各自的别名）：

  • CURRENT_DATE

  • CURRENT_TIME

  • CURRENT_TIMESTAMP

• 以下 Cortex 函数：

  • CLASSIFY_TEXT (SNOWFLAKE.CORTEX)

  • COMPLETE (SNOWFLAKE.CORTEX)

  • EMBED_TEXT_768 (SNOWFLAKE.CORTEX)

  • EMBED_TEXT_1024 (SNOWFLAKE.CORTEX)

  • EXTRACT_ANSWER (SNOWFLAKE.CORTEX)

  • FINETUNE (SNOWFLAKE.CORTEX)

  • SENTIMENT (SNOWFLAKE.CORTEX)

  • TRANSLATE (SNOWFLAKE.CORTEX)

当动态表依赖于其他动态表时数据如何刷新¶

当动态表的滞后被设置为时间量度时，自动刷新流程会安排刷新，以更好地满足目标滞后时间。

为了在 一个动态表依赖于另一个动态表 的情况下保持数据一致，该过程会在合适的时间刷新账户中的所有动态表。刷新频率较低的时间与刷新频率较高的时间相吻合。如果刷新时间过长，调度程序可能会跳过刷新，以尽量保持最新状态。但是，快照隔离仍会保留。

例如，假设动态表 A 的目标滞后为两分钟，并且查询目标滞后为一分钟的动态表 B。该过程可能会确定 A 应每 96 秒刷新一次，而 B 应每 48 秒刷新一次。因此，该过程可能会采用以下时间表：

这意味着在任何给定时间，当您查询一组相互依赖的动态表时，查询的是这些表中数据的相同“快照”。

请注意，动态表的目标滞后不能短于其所依赖的动态表的目标滞后。例如，假设：

• 动态表 A 查询动态表 B 和 C。

• 动态表 B 的目标滞后为五分钟。

• 动态表 C 的目标滞后为一分钟。

这意味着 A 的目标滞后时间不得短于五分钟（即，不得短于 B 和 C 的滞后时间中较长的一个）。

如果将 A 的滞后设置为五分钟，该过程将设置具有以下目标的刷新时间表：

• 经常刷新 C，使其滞后短于一分钟。

• 经常同时刷新 A 和 B，使它们的滞后短于五分钟。

• 确保 A 和 B 的刷新在时间上与 C 的刷新相吻合，以确保快照隔离。