Amazon Redshift 將不再支援在 2026 年 6 月 30 日之後使用 Python UDFs。我們將開始分階段強制執行。如需 Python 生命週期結束和遷移選項的詳細資訊，請參閱 2025 年 6 月 30 日發佈的部落格文章。

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

CREATE MATERIALIZED VIEW

根據一個或多個 Amazon Redshift 資料表建立具體化視觀表。您也可以讓具體化視觀表以使用 Spectrum 或聯合查詢建立的外部資料表為依據。如需 Spectrum 的詳細資訊，請參閱Amazon Redshift Spectrum。如需聯合查詢的詳細資訊，請參閱 使用 Amazon Redshift 中的聯合查詢來查詢資料。

語法

CREATE MATERIALIZED VIEW mv_name
[ BACKUP { YES | NO } ]
[ table_attributes ]
[ AUTO REFRESH { YES | NO } ]
AS query 

下列語法會建立具體化檢視，將其資料儲存為 Apache Iceberg 資料表。如需詳細資訊，請參閱存放為 Apache Iceberg 資料表的具體化檢視。

CREATE MATERIALIZED VIEW mv_name
USING ICEBERG
[LOCATION 's3://bucket/path/']
[PARTITIONED BY (partition_transform [, ...])]
[TABLE PROPERTIES ('property_name' = 'property_value' [, ...])]
AS query

其中 partition_transform 為：

    column_name |
    YEAR( column_name ) |
    MONTH( column_name ) |
    DAY( column_name ) |
    HOUR( column_name ) |
    BUCKET( integer, column_name ) |
    TRUNCATE( integer, column_name )

Parameters

使用須知

若要建立具體化檢視，您必須具有下列權限：

您可以在 提供外部資料庫名稱，從遠端資料共用叢集建立具體化檢視mv_name。

Iceberg 具體化視觀表

若要建立 Iceberg 具體化檢視，您必須在目標 AWS Glue Data Catalog 資料庫中具有 CREATE TABLE 許可。與外部結構描述相關聯的 IAM 角色 (MV 定義者角色） 必須具有查詢中參考的所有來源資料表的 SELECT 許可。

具體化檢視定義中的所有識別符 （資料表名稱、資料欄名稱、別名） 必須小寫。為了 Hive 相容性， AWS Glue Data Catalog 會以小寫儲存識別符。Amazon Redshift 拒絕 CREATE MATERIALIZED VIEW 陳述式使用包含大寫識別符的 ICEBERG。

當 enable_case_sensitive_identifier 設定為 時，不支援建立或重新整理 Iceberg 具體化視觀表true。此限制存在，因為 AWS Glue Data Catalog 不支援區分大小寫的識別符。如果您的叢集或工作群組enable_case_sensitive_identifier已啟用，請在建立或重新整理 Iceberg 具體化檢視之前，將其設定為工作階段false的 ：

SET enable_case_sensitive_identifier TO false;

來源資料表必須是 Apache Iceberg 格式第 2 版或更低版本。非 Iceberg 資料表不能用作 Iceberg 具體化視觀表的來源資料表。

您無法將下列項目與 Iceberg 具體化視觀表搭配使用：

如需 Iceberg 具體化檢視功能和限制的詳細資訊，請參閱存放為 Apache Iceberg 資料表的具體化檢視。

資料共用中具體化視觀表的累加式重新整理

共用基礎資料表時，Amazon Redshift 支援取用者資料共用中具體化視觀表的自動和累加式重新整理。累加式重新整理是一項操作，Amazon Redshift 會藉此識別基礎資料表自上一次重新整理後發生的變更，並且僅更新具體化視觀表中對應的記錄。這樣的執行速度會比完整重新整理更快，並可改善工作負載效能。您不需要變更具體化視觀表定義，即可利用累加式重新整理。

利用具體化視觀表進行累加式重新整理時，需要注意幾項限制：

如需在資料共用中建立具體化視觀表的詳細資訊，請參閱在 Amazon Redshift 資料共用中使用檢視，其中包含數個查詢範例。

具體化檢視或基礎資料表的 DDL 更新

在 Amazon Redshift 中使用具體化視觀表時，請遵循下列對具體化檢視或基礎資料表進行資料定義語言 (DDL) 更新時的使用注意事項。

限制

您無法定義參考或包含以下任何一項的具體化檢視：

對於使用 ICEBERG 建立的 Iceberg 具體化視觀表，適用下列其他限制：

範例

下列範例會從三個加入和彙總的基礎資料表建立具體化視觀表。每一列代表具有售票數的類別。查詢 tickets_mv 具體化檢視時，您可以直接存取 tickets_mv 具體化檢視中的預先計算資料。

CREATE MATERIALIZED VIEW tickets_mv AS
    select   catgroup,
    sum(qtysold) as sold
    from     category c, event e, sales s
    where    c.catid = e.catid
    and      e.eventid = s.eventid
    group by catgroup;

下列範例會建立類似上述範例的具體化視觀表，並使用彙總函數 MAX()。

CREATE MATERIALIZED VIEW tickets_mv_max AS
    select   catgroup,
    max(qtysold) as sold
    from     category c, event e, sales s
    where    c.catid = e.catid
    and      e.eventid = s.eventid
    group by catgroup;

SELECT name, state FROM STV_MV_INFO;

下列範例使用 UNION ALL 子句加入 Amazon Redshift public_sales 資料表與 Redshift Spectrum spectrum.sales 資料表來建立具體化視觀表 mv_sales_vw。如需 Amazon Redshift Spectrum 的 CREATE EXTERNAL TABLE 命令的詳細資訊，請參閱 CREATE EXTERNAL TABLE。Redshift Spectrum 外部資料表會參考 Amazon S3 上的資料。

CREATE MATERIALIZED VIEW mv_sales_vw as
select salesid, qtysold, pricepaid, commission, saletime from public.sales
union all
select salesid, qtysold, pricepaid, commission, saletime from spectrum.sales

下列範例會根據聯合查詢外部資料表建立具體化檢視 mv_fq。如需聯合查詢的詳細資訊，請參閱 CREATE EXTERNAL SCHEMA。

CREATE MATERIALIZED VIEW mv_fq as select firstname, lastname from apg.mv_fq_example;

select firstname, lastname from mv_fq;
 firstname | lastname
-----------+----------
 John      | Day
 Jane      | Doe
(2 rows)

下列範例顯示具體化檢視的定義。

SELECT pg_catalog.pg_get_viewdef('mv_sales_vw'::regclass::oid, true);

pg_get_viewdef
---------------------------------------------------
create materialized view mv_sales_vw as select a from t;

下列範例顯示如何在具體化視觀表定義中設定 AUTO REFRESH，以及如何指定 DISTSTYLE。首先，建立一個簡單的基底資料表。

CREATE TABLE baseball_table (ball int, bat int);

然後建立具體化視觀表。

CREATE MATERIALIZED VIEW mv_baseball DISTSTYLE ALL AUTO REFRESH YES AS SELECT ball AS baseball FROM baseball_table;

現在您可以查詢 mv_baseball 具體化視觀表。若要檢查具體化視觀表是否已開啟 AUTO REFRESH，請參閱 STV_MV_INFO。

下列範例會建立參照另一個資料庫中來源資料表的具體化視觀表。假設包含來源資料表的資料庫 database_A 與您在 database_B 中建立的具體化視觀表位於相同叢集或工作群組中。(您可以將範例取代為自己的資料庫。) 首先，在 database_A 中建立一個名為 cities 的資料表，其中包含 cityname 資料欄。使資料欄的資料類型成為 VARCHAR。建立來源資料表之後，在 database_B 中執行下列命令，以建立其來源為 cities 資料表的具體化視觀表。確實在 FROM 子句中指定來源資料表的資料庫和結構描述：

CREATE MATERIALIZED VIEW cities_mv AS
SELECT  cityname
FROM    database_A.public.cities;

查詢您建立的具體化視觀表。查詢會擷取其原始來源為 database_A 中 cities 資料表的記錄：

select * from cities_mv;

當您執行 SELECT 陳述式時，cities_mv 會傳回記錄。只有在執行 REFRESH 陳述式時，才會從來源資料表重新整理記錄。此外，請注意，您無法直接在具體化視觀表中更新記錄。如需有關重新整理具體化視觀表中資料的資訊，請參閱 REFRESH MATERIALIZED VIEW。

如需有關具體化檢視概觀，以及用來重新整理和捨棄具體化檢視之 SQL 命令的詳細資訊，請參閱下列主題：

下列範例會在具有分割的 Amazon S3 資料表儲存貯體中建立 Iceberg 具體化檢視。

CREATE MATERIALIZED VIEW "my-bucket@s3tablescatalog".analytics.sales_by_region
USING ICEBERG
PARTITIONED BY (region)
AS SELECT region, count(*) as order_count, sum(amount) as total_sales
   FROM "my-bucket@s3tablescatalog".production.orders
   GROUP BY region;

下列範例會在一般用途的 Amazon S3 儲存貯體中建立 Iceberg 具體化檢視，並指定分割區轉換和壓縮。

CREATE MATERIALIZED VIEW awsdatacatalog.mydb.daily_revenue
USING ICEBERG
LOCATION 's3://my-analytics-bucket/mvs/daily_revenue/'
PARTITIONED BY (day(order_date))
TABLE PROPERTIES ('write.parquet.compression-codec' = 'zstd')
AS SELECT order_date, sum(amount) as revenue, count(*) as num_orders
   FROM awsdatacatalog.mydb.orders
   GROUP BY order_date;

以下範例使用具有兩部分表示法的外部結構描述建立 Iceberg 具體化視觀表。

CREATE MATERIALIZED VIEW my_ext_schema.customer_totals
USING ICEBERG
LOCATION 's3://my-analytics-bucket/mvs/customer_totals/'
AS SELECT customer_id, count(*) as order_count, sum(amount) as total_spent
   FROM my_ext_schema.orders
   GROUP BY customer_id;