Compartilhar via

REFRESH (MATERIALIZED VIEW ou STREAMING TABLE)

Aplica-se a:marca de seleção positiva SQL do Databricks

Atualize os dados para uma tabela de streaming ou uma exibição materializada. Por padrão, os dados são atualizados de forma assíncrona. Você pode acompanhar o status da atualização executando DESCRIBE EXTENDED.

Observação

As operações de criação e atualização em visões materializadas e tabelas de streaming são impulsionadas por pipelines declarativos do Lakeflow Spark sem servidor. Você pode usar o Gerenciador de Catálogos para exibir detalhes sobre os pipelines de backup na interface do usuário. Confira O que é o Explorador de Catálogos?.

Sintaxe

REFRESH { MATERIALIZED VIEW | [ STREAMING ] TABLE } table_name [ FULL | { SYNC | ASYNC }]

Parâmetros

  • table_name

    Identifica a exibição materializada ou a tabela de streaming a ser atualizada. O nome não deve incluir uma especificação temporal ou especificação de opções. Se o objeto não puder ser encontrado, o Azure Databricks gerará um erro TABLE_OR_VIEW_NOT_FOUND.

  • CHEIO

    Se deve executar uma atualização completa.

    • Para exibições materializadas, uma atualização completa processa todos os dados disponíveis na origem.
    • Para tabelas de streaming, uma atualização completa trunca a tabela e processa todos os dados disponíveis na origem com a definição mais recente da tabela de streaming.

    Não é recomendável chamar atualizações completas em fontes que não mantêm todo o histórico dos dados ou têm períodos de retenção curtos, como Kafka, pois a atualização completa trunca os dados existentes. Talvez não seja possível recuperar dados antigos se os dados não estiverem mais disponíveis na origem.

  • SYNC

    Se deve executar uma atualização síncrona. O comando bloqueia até que a exibição materializada ou a tabela de streaming seja criada e a carga de dados inicial seja concluída.

    Esse é o comportamento padrão.

  • ASYNC

    Se deve executar uma atualização assíncrona, que inicia um trabalho em segundo plano no Lakeflow Spark Declarative Pipelines. O comando retorna imediatamente antes que a carga de dados seja concluída com um link para o pipeline que faz backup da exibição materializada ou da tabela de streaming. Você pode visitar o link para ver o status da atualização.

    Você deve especificar ASYNC se quiser executar atualizações assíncronas. A operação será executada de forma síncrona se nenhuma palavra-chave for especificada.

Exemplos

-- Refreshes the materialized view to reflect the latest available data
> REFRESH MATERIALIZED VIEW catalog.schema.view_name;

-- Refreshes the streaming table to process the latest available data
-- The current catalog and schema will be used to qualify the table
> REFRESH STREAMING TABLE st_name;

-- Truncates the table and processes all data from scratch for the streaming table
> REFRESH STREAMING TABLE cat.db.st_name FULL;
  • Last updated on