建立具體化檢視表
本文說明如何在 BigQuery 中建立具體化檢視表。閱讀本文前，請先熟悉具體化檢視區塊簡介。
事前準備
授予身分與存取權管理 (IAM) 角色，讓使用者取得執行本文各項工作所需的權限。
所需權限
如要建立具體化檢視區塊，您需要 bigquery.tables.create IAM 權限。
下列每個預先定義的 IAM 角色都包含建立具體化檢視區塊所需的權限：
bigquery.dataEditorbigquery.dataOwnerbigquery.admin
如要進一步瞭解 BigQuery Identity and Access Management (IAM)，請參閱「使用身分與存取權管理功能控管存取權」一文。
建立具體化檢視表
如要建立具體化檢視區塊，請選取下列任一選項：
SQL
使用 CREATE MATERIALIZED VIEW 陳述式。下列範例會為每個產品 ID 的點擊次數建立具體化檢視區塊：
前往 Google Cloud 控制台的「BigQuery」頁面。
在查詢編輯器中輸入下列陳述式：
CREATE MATERIALIZED VIEW PROJECT_ID.DATASET.MATERIALIZED_VIEW_NAME AS ( QUERY_EXPRESSION );
取代下列項目：
PROJECT_ID：要在其中建立具體化檢視區塊的專案名稱，例如myproject。DATASET：您要在其中建立具體化檢視表的 BigQuery 資料集名稱，例如mydataset。 如果您要透過 Amazon Simple Storage Service (Amazon S3) BigLake 資料表 (預先發布版) 建立具體化檢視表，請務必將資料集放在支援的區域。MATERIALIZED_VIEW_NAME：要建立的具體化檢視表名稱，例如my_mv。QUERY_EXPRESSION：定義具體化檢視表的 GoogleSQL 查詢運算式，例如SELECT product_id, SUM(clicks) AS sum_clicks FROM mydataset.my_source_table。
按一下「執行」。
如要進一步瞭解如何執行查詢，請參閱「執行互動式查詢」。
示例
下列範例會為每個產品 ID 的點擊次數建立具體化檢視區塊：
CREATE MATERIALIZED VIEW myproject.mydataset.my_mv_table AS ( SELECT product_id, SUM(clicks) AS sum_clicks FROM myproject.mydataset.my_base_table GROUP BY product_id );
Terraform
使用 google_bigquery_table 資源。
如要向 BigQuery 進行驗證，請設定應用程式預設憑證。詳情請參閱「設定用戶端程式庫的驗證機制」。
下列範例會建立名為 my_materialized_view 的檢視區塊：
如要在 Google Cloud 專案中套用 Terraform 設定，請完成下列各節的步驟。
準備 Cloud Shell
- 啟動 Cloud Shell。
-
設定要套用 Terraform 設定的預設 Google Cloud 專案。
每項專案只需要執行一次這個指令，且可以在任何目錄中執行。
export GOOGLE_CLOUD_PROJECT=PROJECT_ID
如果您在 Terraform 設定檔中設定明確值，環境變數就會遭到覆寫。
準備目錄
每個 Terraform 設定檔都必須有自己的目錄 (也稱為根模組)。
-
在 Cloud Shell 中建立目錄，並在該目錄中建立新檔案。檔案名稱的副檔名必須是
.tf，例如main.tf。在本教學課程中，這個檔案稱為main.tf。mkdir DIRECTORY && cd DIRECTORY && touch main.tf
-
如果您正在學習教學課程，可以複製每個章節或步驟中的範例程式碼。
將範例程式碼複製到新建立的
main.tf。視需要從 GitHub 複製程式碼。如果 Terraform 程式碼片段是端對端解決方案的一部分，建議您使用這個方法。
- 查看並修改範例參數，套用至您的環境。
- 儲存變更。
-
初始化 Terraform。每個目錄只需執行一次這項操作。
terraform init
如要使用最新版 Google 供應商，請加入
-upgrade選項：terraform init -upgrade
套用變更
-
檢查設定，確認 Terraform 即將建立或更新的資源符合您的預期：
terraform plan
視需要修正設定。
-
執行下列指令，並在提示中輸入
yes，即可套用 Terraform 設定：terraform apply
等待 Terraform 顯示「Apply complete!」訊息。
- 開啟 Google Cloud 專案即可查看結果。在 Google Cloud 控制台中，前往 UI 中的資源，確認 Terraform 已建立或更新這些資源。
API
呼叫 tables.insert 方法，然後傳入已定義 materializedView 欄位的 Table資源：
{ "kind": "bigquery#table", "tableReference": { "projectId": "PROJECT_ID", "datasetId": "DATASET", "tableId": "MATERIALIZED_VIEW_NAME" }, "materializedView": { "query": "QUERY_EXPRESSION" } }
取代下列項目：
PROJECT_ID：要在其中建立具體化檢視區塊的專案名稱，例如myproject。DATASET：您要在其中建立具體化檢視表的 BigQuery 資料集名稱，例如mydataset。 如果您要透過 Amazon Simple Storage Service (Amazon S3) BigLake 資料表 (預先發布版) 建立具體化檢視表，請務必將資料集放在支援的區域。MATERIALIZED_VIEW_NAME：要建立的具體化檢視表名稱，例如my_mv。QUERY_EXPRESSION：定義具體化檢視表的 GoogleSQL 查詢運算式，例如SELECT product_id, SUM(clicks) AS sum_clicks FROM mydataset.my_source_table。
示例
下列範例會為每個產品 ID 的點擊次數建立具體化檢視區塊：
{ "kind": "bigquery#table", "tableReference": { "projectId": "myproject", "datasetId": "mydataset", "tableId": "my_mv" }, "materializedView": { "query": "select product_id,sum(clicks) as sum_clicks from myproject.mydataset.my_source_table group by 1" } }
Java
在試行這個範例之前，請先按照 BigQuery 快速入門導覽課程：使用用戶端程式庫中的 Java 設定說明進行操作。詳情請參閱 BigQuery Java API 參考說明文件。
如要向 BigQuery 進行驗證，請設定應用程式預設憑證。 詳情請參閱「設定用戶端程式庫的驗證機制」。
成功建立具體化檢視區塊後，該檢視區塊會顯示在 Google Cloud 控制台的 BigQuery「Explorer」(探索) 面板中。以下範例顯示具體化檢視區塊結構定義：
除非停用自動重新整理，否則 BigQuery 會開始非同步完整重新整理具體化檢視區塊。查詢很快就會完成，但初始重新整理作業可能會繼續執行。
存取權控管
您可以在資料集層級、檢視層級或資料欄層級授予具體化檢視的存取權。您也可以在 IAM 資源階層中設定較高層級的存取權。
查詢具體化檢視表時，必須具備該檢視表及其基本資料表的存取權。如要分享具體化檢視表，您可以授予基礎資料表的權限，或將具體化檢視表設定為授權檢視表。詳情請參閱授權檢視表。
如要控管 BigQuery 中檢視區塊的存取權，請參閱「授權檢視區塊」。
支援查詢具體化檢視表
具體化檢視表使用受限的 SQL 語法。查詢必須採用以下格式：
[ WITH cte [, …]] SELECT [{ ALL | DISTINCT }] expression [ [ AS ] alias ] [, ...] FROM from_item [, ...] [ WHERE bool_expression ] [ GROUP BY expression [, ...] ] from_item: { table_name [ as_alias ] | { join_operation | ( join_operation ) } | field_path | unnest_operator | cte_name [ as_alias ] } as_alias: [ AS ] alias
查詢限制
具體化檢視區塊有下列限制。
匯總需求條件
具體化檢視查詢中的匯總必須是輸出內容。系統不支援根據匯總值進行運算、篩選或聯結。舉例來說，系統不支援從下列查詢建立檢視區塊，因為這會產生從匯總值 (COUNT(*) / 10 as cnt) 計算而得的值。
SELECT TIMESTAMP_TRUNC(ts, HOUR) AS ts_hour, COUNT(*) / 10 AS cnt FROM mydataset.mytable GROUP BY ts_hour;
目前僅支援下列匯總函式：
ANY_VALUE(但不得超過STRUCT)APPROX_COUNT_DISTINCTARRAY_AGG(但不得超過ARRAY或STRUCT)AVGBIT_ANDBIT_ORBIT_XORCOUNTCOUNTIFHLL_COUNT.INITLOGICAL_ANDLOGICAL_ORMAXMINMAX_BY(但不得超過STRUCT)MIN_BY(但不得超過STRUCT)SUM
不支援的 SQL 功能
具體化檢視表不支援下列 SQL 功能：
UNION ALL。(支援 預先發布版)LEFT OUTER JOIN(支援 預先發布版)RIGHT/FULL OUTER JOIN。- 自我彙整，也就是多次使用同一個資料表的
JOIN。 - 窗型函式。
ARRAY子查詢。- 非確定性函式，例如
RAND()、CURRENT_DATE()、SESSION_USER()或CURRENT_TIME()。 - 使用者定義的函式 (UDF)。
TABLESAMPLE。FOR SYSTEM_TIME AS OF。
LEFT OUTER JOIN 和 UNION ALL 支援
如要尋求支援或提供意見回饋，請傳送電子郵件至 bq-mv-help @google.com。
漸進式具體化檢視表支援 LEFT OUTER JOIN 和 UNION ALL。
使用 LEFT OUTER JOIN 和 UNION ALL 陳述式的具體化檢視表，與其他遞增式具體化檢視表有相同的限制。此外，如果具體化檢視表包含 union all 或 left outer join，系統就不支援智慧微調。
範例
下列範例會使用 LEFT JOIN 建立匯總遞增具體化檢視區塊。當資料附加至左側表格時，這個檢視畫面會逐步更新。
CREATE MATERIALIZED VIEW dataset.mv AS ( SELECT s_store_sk, s_country, s_zip, SUM(ss_net_paid) AS sum_sales, FROM dataset.store_sales LEFT JOIN dataset.store ON ss_store_sk = s_store_sk GROUP BY 1, 2, 3 );
下列範例會使用 UNION ALL 建立匯總遞增具體化檢視區塊。當資料附加至任一或兩個資料表時，這個檢視畫面會逐步更新。如要進一步瞭解增量更新，請參閱「增量更新」。
CREATE MATERIALIZED VIEW dataset.mv PARTITION BY DATE(ts_hour) AS ( SELECT SELECT TIMESTAMP_TRUNC(ts, HOUR) AS ts_hour, SUM(sales) sum_sales FROM (SELECT ts, sales from dataset.table1 UNION ALL SELECT ts, sales from dataset.table2) GROUP BY 1 );
存取權控管限制
- 如果使用者對具體化檢視的查詢包含因資料欄層級安全性而無法存取的基礎資料表資料欄，查詢就會失敗，並顯示
Access Denied訊息。 - 如果使用者查詢具體化檢視表，但沒有具體化檢視表基礎資料表中所有資料列的完整存取權，BigQuery 就會對基礎資料表執行查詢，而不是讀取具體化檢視表資料。這可確保查詢遵守所有存取權控管限制。查詢含有資料遮蓋欄的資料表時，也適用這項限制。
WITH 子句和一般資料表運算式 (CTE)
具體化檢視區塊支援 WITH 子句和一般資料表運算式。
含有 WITH 子句的具體化檢視表仍須遵循不含 WITH 子句的具體化檢視表模式和限制。
範例
以下範例顯示使用 WITH 子句的具體化檢視區塊：
WITH tmp AS ( SELECT TIMESTAMP_TRUNC(ts, HOUR) AS ts_hour, * FROM mydataset.mytable ) SELECT ts_hour, COUNT(*) AS cnt FROM tmp GROUP BY ts_hour;
以下範例顯示使用 WITH 子句的具體化檢視，由於包含兩個 GROUP BY 子句，因此不支援：
WITH tmp AS ( SELECT city, COUNT(*) AS population FROM mydataset.mytable GROUP BY city ) SELECT population, COUNT(*) AS cnt GROUP BY population;
BigLake 資料表的具體化檢視表
如要透過 BigLake 資料表建立具體化檢視區塊，BigLake 資料表必須啟用中繼資料快取，並透過 Cloud Storage 資料，且具體化檢視區塊的 max_staleness 選項值必須大於基本資料表。BigLake 資料表的具體化檢視表支援與其他具體化檢視表相同的查詢集。
範例
使用 BigLake 基礎資料表建立簡單的匯總檢視區塊：
CREATE MATERIALIZED VIEW sample_dataset.sample_mv OPTIONS (max_staleness=INTERVAL "0:30:0" HOUR TO SECOND) AS SELECT COUNT(*) cnt FROM dataset.biglake_base_table;
如要進一步瞭解 BigLake 資料表具體化檢視表的限制，請參閱「BigLake 資料表的具體化檢視表」。
Apache Iceberg 唯讀外部資料表的具體化檢視表
您可以在具體化檢視區塊中參照大型 Iceberg 資料表，而不必將該資料遷移至 BigQuery 代管儲存空間。
在 Iceberg 資料表上建立具體化檢視表
下列範例會針對分區基礎 Iceberg 資料表，建立與分區對齊的具體化檢視區：
CREATE MATERIALIZED VIEW mydataset.myicebergmv PARTITION BY DATE_TRUNC(birth_month, MONTH) AS SELECT * FROM mydataset.myicebergtable;
基礎 Iceberg 資料表 myicebergtable 必須具有分區規格，如下所示：
"partition-specs" : [ {
"spec-id" : 0,
"fields" : [ {
"name" : "birth_month",
"transform" : "month",
"source-id" : 3,
"field-id" : 1000
} ]
} ]
限制
除了標準 Iceberg 資料表的限制外，Iceberg 資料表上的具體化檢視區有下列限制：
- 您可以建立與基礎資料表分區對齊的具體化檢視表。不過，具體化檢視表僅支援以時間為準的分割轉換，例如
YEAR、MONTH、DAY和HOUR。 - 具體化檢視表分區的精細程度不得高於基礎資料表分區的精細程度。舉例來說，如果您使用
birth_date資料欄，每年為基礎資料表建立分區，系統就不支援使用PARTITION BY DATE_TRUNC(birth_date, MONTH)建立具體化檢視表。 - 如果基礎 Iceberg 資料表在超過 4000 個分割區中都有變更，即使具體化檢視區已分割，系統仍會在重新整理時完全失效。
- 支援分區演變。不過，如果變更基礎資料表的分區資料欄，但未重新建立實體化檢視區塊，可能會導致完全失效，且無法透過重新整理實體化檢視區塊修正。
- 基本表格中必須至少有一個快照。
- Iceberg 資料表必須是 BigLake 資料表，例如已授權的外部資料表。
- 如果 Iceberg 資料表的
metadata.json檔案已損毀，對具體化檢視區塊執行的查詢可能會失敗。 - 如果啟用 VPC Service Controls，您必須將授權外部資料表的服務帳戶新增至連入規則，否則 VPC Service Controls 會禁止具體化檢視表自動在背景重新整理。
Iceberg 資料表的 metadata.json 檔案必須符合下列規格。如果沒有這些規格，查詢就會掃描基本資料表，而無法使用具體化結果。
在資料表中繼資料中：
current-snapshot-idcurrent-schema-idsnapshotssnapshot-log
在快照中：
parent-snapshot-id(如有)schema-idoperation(在「summary」欄位中)
分區 (適用於分區具體化檢視表)
已分割的具體化檢視表
分區資料表上的具體化檢視表可以分區。實體化檢視表的分區方式與一般資料表的分區方式類似，如果查詢經常存取部分分區，這種方式就能帶來好處。此外，分割具體化檢視區塊可改善檢視區塊的行為，避免基礎資料表中的資料遭到修改或刪除。詳情請參閱磁碟分割區對齊。
如果基本資料表已分區，您就可以在相同的分區資料欄上對具體化檢視分區。如果是以時間為準的分區，精細程度必須相符 (每小時、每天、每月或每年)。如果是整數範圍分區，範圍規格必須完全相符。您無法在非分區基礎資料表上分割具體化檢視區塊。
如果基礎資料表是依擷取時間分區，具體化檢視區塊可以依基礎資料表的 _PARTITIONDATE 資料欄分組，也可以依該資料欄分區。如果您在建立具體化檢視表時未明確指定分區，具體化檢視表就不會分區。
如果基底資料表已分區，建議您也將具體化檢視表分區，以降低重新整理作業維護成本和查詢成本。
分區有效期限
無法為具體化檢視表設定分區到期時間。具體化檢視表會隱含地從基礎資料表繼承分區到期時間。具體化檢視表分區會與基本資料表分區對齊，因此會同步到期。
範例 1
在本範例中，基礎資料表會依 transaction_time 資料欄分區，且每天都會分區。具體化檢視區會依相同資料欄分區，並依 employee_id 資料欄叢集。
CREATE TABLE my_project.my_dataset.my_base_table( employee_id INT64, transaction_time TIMESTAMP) PARTITION BY DATE(transaction_time) OPTIONS (partition_expiration_days = 2); CREATE MATERIALIZED VIEW my_project.my_dataset.my_mv_table PARTITION BY DATE(transaction_time) CLUSTER BY employee_id AS ( SELECT employee_id, transaction_time, COUNT(employee_id) AS cnt FROM my_dataset.my_base_table GROUP BY employee_id, transaction_time );
範例 2
在本例中，基礎資料表會依擷取時間分區，且每天都有分區。具體化檢視表會選取擷取時間，並將其做為名為 date 的資料欄。具體化檢視會依 date 資料欄分組，並依相同資料欄分區。
CREATE MATERIALIZED VIEW my_project.my_dataset.my_mv_table PARTITION BY date CLUSTER BY employee_id AS ( SELECT employee_id, _PARTITIONDATE AS date, COUNT(1) AS count FROM my_dataset.my_base_table GROUP BY employee_id, date );
範例 3
在本範例中，基礎資料表會依據名為 transaction_time 的 TIMESTAMP 資料欄分區，並以每日分區。具體化檢視區會使用 TIMESTAMP_TRUNC 函式，將值截斷至最接近的小時，藉此定義名為 transaction_hour 的資料欄。具體化檢視區塊會依 transaction_hour 分組，並依此分區。
注意事項：
套用至分區資料欄的截斷函式，必須至少與基本資料表的分區一樣精細。舉例來說，如果基本資料表使用每日分區，截斷函式就無法使用
MONTH或YEAR粒度。在具體化檢視表的分區規格中，精細程度必須與基本資料表相符。
CREATE TABLE my_project.my_dataset.my_base_table ( employee_id INT64, transaction_time TIMESTAMP) PARTITION BY DATE(transaction_time); CREATE MATERIALIZED VIEW my_project.my_dataset.my_mv_table PARTITION BY DATE(transaction_hour) AS ( SELECT employee_id, TIMESTAMP_TRUNC(transaction_time, HOUR) AS transaction_hour, COUNT(employee_id) AS cnt FROM my_dataset.my_base_table GROUP BY employee_id, transaction_hour );
叢集具體化檢視表
您可以依輸出資料欄將具體化檢視表叢集化，但須遵守 BigQuery 叢集資料表限制。匯總輸出資料欄無法做為分群資料欄。在具體化檢視區塊中加入叢集處理資料欄，可提升查詢效能，包括對這些資料欄套用篩選條件的查詢。
參考邏輯檢視區塊
如要尋求支援或提供意見回饋，請傳送電子郵件至 bq-mv-help@google.com。
具體化檢視表查詢可以參照邏輯檢視表，但須遵守下列限制：
- 具體化檢視表有相關限制。
- 如果邏輯檢視區塊變更，具體化檢視區塊就會失效，必須完整重新整理。
- 不支援智慧微調。
建立具體化檢視表時的注意事項
要建立哪些具體化檢視表
建立具體化檢視表時，請確保具體化檢視表定義反映了對基礎資料表的查詢模式。如果具體化檢視區可服務廣泛的查詢集，而非僅限於特定查詢模式，則效果更佳。
舉例來說，假設使用者經常依 user_id 或 department 欄篩選資料表查詢，您可以依這些資料欄分組，並選擇性地依這些資料欄叢集，而不必在具體化檢視畫面中新增 user_id = 123 等篩選器。
舉例來說，您可以使用確定性日期篩選器，指定特定日期 (例如 WHERE order_date = '2019-10-01') 或日期範圍 (例如 WHERE order_date BETWEEN '2019-10-01' AND '2019-10-31')。在具體化檢視區塊中新增日期範圍篩選器，涵蓋查詢中的預期日期範圍：
CREATE MATERIALIZED VIEW ... ... WHERE date > '2019-01-01' GROUP BY date
彙整
下列建議適用於含有 JOIN 的具體化檢視區塊。
將最常變更的表格放在第一位
請確保檢視查詢中參照的第一個/最左側表格，是最大或最常變更的表格。如果查詢中的第一個或最左側資料表附加了資料，則含有聯結的具體化檢視區塊支援遞增查詢和重新整理，但其他資料表的變更會完全使檢視區塊快取失效。在星狀或雪花結構定義中，第一個或最左邊的資料表通常應為事實資料表。
避免在叢集鍵上進行聯結
如果資料經過大量匯總，或原始聯結查詢的成本很高，最適合使用含聯結的具體化檢視區塊。如果是選擇性查詢，BigQuery 通常已能有效執行聯結，因此不需要具體化檢視表。舉例來說，請考量下列具體化檢視區塊定義。
CREATE MATERIALIZED VIEW dataset.mv CLUSTER BY s_market_id AS ( SELECT s_market_id, s_country, SUM(ss_net_paid) AS sum_sales, COUNT(*) AS cnt_sales FROM dataset.store_sales INNER JOIN dataset.store ON ss_store_sk = s_store_sk GROUP BY s_market_id, s_country );
假設 store_sales 是叢集在 ss_store_sk 上，且您經常執行下列查詢：
SELECT SUM(ss_net_paid) FROM dataset.store_sales INNER JOIN dataset.store ON ss_store_sk = s_store_sk WHERE s_country = 'Germany';
materialized view 的效率可能不如原始查詢。為獲得最佳成果，請使用具代表性的查詢組合進行實驗，並比較使用和未使用具體化檢視區塊的結果。
使用具備 max_staleness 選項的具體化檢視表
處理大型且經常變更的資料集時，max_staleness materialized view 選項可協助您維持高查詢效能，同時控管費用。使用 max_staleness 參數設定時間間隔，允許查詢結果的資料過時，即可降低查詢成本和延遲時間。如果資訊主頁和報表不需要完全最新的查詢結果，這種做法就很有用。
資料過時
使用 max_staleness 選項集查詢具體化檢視表時，BigQuery 會根據 max_staleness 值和上次重新整理的時間傳回結果。
如果上次重新整理發生在 max_staleness 間隔內，BigQuery 會直接從具體化檢視區塊傳回資料，而不讀取基本資料表。舉例來說，如果 max_staleness 間隔為 4 小時，而上次重新整理是在 2 小時前，就會發生這種情況。
如果上次重新整理的時間不在 max_staleness 間隔內，BigQuery 會從具體化檢視讀取資料，並與上次重新整理後對基本資料表所做的變更合併，然後傳回合併結果。這個合併結果可能仍會過時，最多會達到您的max_staleness
間隔。舉例來說，如果 max_staleness 間隔為 4 小時，而上次重新整理發生在 7 小時前，就會套用這項規則。
使用「max_staleness」選項建立
選取下列選項之一：
SQL
如要使用 max_staleness 選項建立具體化檢視表，請在建立具體化檢視表時，將 OPTIONS 子句新增至 DDL 陳述式：
前往 Google Cloud 控制台的「BigQuery」頁面。
在查詢編輯器中輸入下列陳述式：
CREATE MATERIALIZED VIEW
project-id.my_dataset.my_mv_tableOPTIONS (enable_refresh = true, refresh_interval_minutes = 60, max_staleness = INTERVAL "4:0:0" HOUR TO SECOND) AS SELECT employee_id, DATE(transaction_time), COUNT(1) AS count FROMmy_dataset.my_base_tableGROUP BY 1, 2;更改下列內容：
- project-id 是您的專案 ID。
- my_dataset 是專案中資料集的 ID。
- my_mv_table 是您要建立的具體化檢視區塊 ID。
- my_base_table 是資料集中的表格 ID，可做為具體化檢視的基礎表格。
按一下「執行」。
如要進一步瞭解如何執行查詢，請參閱「執行互動式查詢」。
API
在 API 要求中，使用已定義的 materializedView 資源呼叫 tables.insert 方法。materializedView 資源包含 query 欄位。例如：
{ "kind": "bigquery#table", "tableReference": { "projectId": "project-id", "datasetId": "my_dataset", "tableId": "my_mv_table" }, "materializedView": { "query": "select product_id,sum(clicks) as sum_clicks from project-id.my_dataset.my_base_table group by 1" } "maxStaleness": "4:0:0" }
更改下列內容：
- project-id 是您的專案 ID。
- my_dataset 是專案中資料集的 ID。
- my_mv_table 是您要建立的具體化檢視區塊 ID。
- my_base_table 是資料集中的表格 ID，做為具體化檢視區塊的基礎表格。
product_id是基本資料表中的資料欄。clicks是基本資料表中的資料欄。sum_clicks是您要建立的具體化檢視表中的資料欄。
套用 max_staleness 選項
您可以使用 ALTER
MATERIALIZED VIEW 陳述式，將這個參數套用至現有的具體化檢視區塊。例如：
ALTER MATERIALIZED VIEW project-id.my_dataset.my_mv_table SET OPTIONS (enable_refresh = true, refresh_interval_minutes = 120, max_staleness = INTERVAL "8:0:0" HOUR TO SECOND);
使用 max_staleness 查詢
您可以透過 max_staleness 選項查詢具體化檢視區塊，就像查詢任何其他具體化檢視區塊、邏輯檢視區塊或資料表一樣。
例如：
SELECT * FROM project-id.my_dataset.my_mv_table
如果資料未超過 max_staleness 參數的時限，這項查詢會傳回上次重新整理的資料。如果具體化檢視表在 max_staleness 間隔內未重新整理，BigQuery 會合併最新可用的重新整理結果和基本資料表變更，在 max_staleness 間隔內傳回結果。
資料串流和 max_staleness 結果
如果您使用 max_staleness 選項將資料串流至具體化檢視表的基礎資料表，則具體化檢視表的查詢可能會排除在過時間隔開始前串流至資料表的記錄。因此，如果具體化檢視區包含多個資料表和 max_staleness 選項的資料，可能無法代表這些資料表在特定時間點的快照。
智慧微調和 max_staleness 選項
無論 max_staleness 選項為何，智慧型微調功能都會盡可能自動重新編寫查詢，以使用具體化檢視表，即使查詢未參照具體化檢視表也一樣。在具體化檢視表上使用 max_staleness 選項不會影響重寫查詢的結果。max_staleness 選項只會影響直接查詢具體化檢視區塊的查詢。
管理過時程度和重新整理頻率
請根據需求設定 max_staleness。為避免從基本資料表讀取資料，請設定重新整理間隔，讓重新整理作業在過時間隔內進行。您可以將平均重新整理執行時間加上成長幅度納入考量。
舉例來說，如果重新整理具體化檢視區塊需要一小時，且您希望有一小時的成長緩衝時間，則應將重新整理間隔設為兩小時。這項設定可確保報表在最多四小時的資料延遲時間內重新整理。
CREATE MATERIALIZED VIEW project-id.my_dataset.my_mv_table OPTIONS (enable_refresh = true, refresh_interval_minutes = 120, max_staleness = INTERVAL "4:0:0" HOUR TO SECOND) AS SELECT employee_id, DATE(transaction_time), COUNT(1) AS cnt FROM my_dataset.my_base_table GROUP BY 1, 2;
非累加式具體化檢視表
非增量具體化檢視表支援大多數 SQL 查詢，包括 OUTER
JOIN、UNION 和 HAVING 子句，以及分析函式。如要判斷查詢是否使用了具體化檢視區塊，請使用模擬測試檢查費用估算值。如果可以接受資料過時，例如用於批次資料處理或報表，非增量具體化檢視區塊可提高查詢效能並降低成本。使用 max_staleness 選項，即可建構任意複雜的具體化檢視表，系統會自動維護這些檢視表，並提供內建的過時保證。
使用非累加式具體化檢視表
您可以使用 allow_non_incremental_definition 選項建立非累加式具體化檢視表。這個選項必須搭配 max_staleness 選項使用。為確保實體化檢視區塊定期重新整理，您也應設定重新整理政策。如果沒有重新整理政策，您就必須手動重新整理具體化檢視表。
具體化檢視區間一律代表 max_staleness 間隔內基本資料表的狀態。如果上次重新整理的時間太舊，無法代表 max_staleness 間隔內的基礎資料表，查詢就會讀取基礎資料表。如要進一步瞭解可能對成效造成的影響，請參閱「資料過時」。
使用 allow_non_incremental_definition 建立
如要使用 allow_non_incremental_definition 選項建立具體化檢視區塊，請按照下列步驟操作。實體化檢視表建立完成後，您就無法修改 allow_non_incremental_definition 選項。舉例來說，您無法將 true 的值變更為 false，也無法從具體化檢視區塊中移除 allow_non_incremental_definition 選項。
SQL
建立具體化檢視區塊時，請在 DDL 陳述式中加入 OPTIONS 子句：
前往 Google Cloud 控制台的「BigQuery」頁面。
在查詢編輯器中輸入下列陳述式：
CREATE MATERIALIZED VIEW my_project.my_dataset.my_mv_table OPTIONS ( enable_refresh = true, refresh_interval_minutes = 60, max_staleness = INTERVAL "4" HOUR, allow_non_incremental_definition = true) AS
SELECTs_store_sk, SUM(ss_net_paid) AS sum_sales, APPROX_QUANTILES(ss_net_paid, 2)[safe_offset(1)] median FROM my_project.my_dataset.store LEFT OUTER JOIN my_project.my_dataset.store_sales ON ss_store_sk = s_store_sk GROUP BY s_store_sk HAVING median < 40 OR median is NULL ;取代下列項目：
- my_project 是您的專案 ID。
- my_dataset 是專案中資料集的 ID。
- my_mv_table 是您要建立的具體化檢視 ID。
- my_dataset.store 和 my_dataset.store_sales 是資料集中資料表的 ID，這些資料表會做為具體化檢視的基礎資料表。
按一下「執行」。
如要進一步瞭解如何執行查詢，請參閱「執行互動式查詢」。
API
在 API 要求中，使用已定義的 materializedView 資源呼叫 tables.insert 方法。materializedView 資源包含 query 欄位。例如：
{ "kind": "bigquery#table", "tableReference": { "projectId": "my_project", "datasetId": "my_dataset", "tableId": "my_mv_table" }, "materializedView": { "query": "`SELECT` s_store_sk, SUM(ss_net_paid) AS sum_sales, APPROX_QUANTILES(ss_net_paid, 2)[safe_offset(1)] median FROM my_project.my_dataset.store LEFT OUTER JOIN my_project.my_dataset.store_sales ON ss_store_sk = s_store_sk GROUP BY s_store_sk HAVING median < 40 OR median is NULL`", "allowNonIncrementalDefinition": true } "maxStaleness": "4:0:0" }
更改下列內容：
- my_project 是您的專案 ID。
- my_dataset 是專案中資料集的 ID。
- my_mv_table 是您要建立的具體化檢視區塊 ID。
- my_dataset.store 和 my_dataset.store_sales 是資料集中資料表的 ID，這些資料表會做為具體化檢視的基礎資料表。
使用 allow_non_incremental_definition 查詢
您可以查詢非增量具體化檢視表，就像查詢任何其他具體化檢視表、邏輯檢視表或資料表一樣。
例如：
SELECT * FROM my_project.my_dataset.my_mv_table
如果資料時間不早於 max_staleness 參數，這項查詢就會傳回上次重新整理的資料。如要進一步瞭解資料的舊化和新近程度，請參閱資料舊化。
非增量具體化檢視表的專屬限制
下列限制僅適用於使用 allow_non_incremental_definition 選項的具體化檢視區塊。除了支援的查詢語法限制外，所有具體化檢視限制仍適用。
- 系統不會對包含
allow_non_incremental_definition選項的具體化檢視套用智慧微調功能。如要透過allow_non_incremental_definition選項使用具體化檢視區塊，唯一方法是直接查詢。 - 不含
allow_non_incremental_definition選項的具體化檢視表可以遞增方式重新整理部分資料。使用allow_non_incremental_definition選項的具體化檢視區塊必須完整重新整理。 - 使用 max_staleness 選項的具體化檢視區塊會在查詢執行期間，驗證資料欄層級安全限制是否存在。如要進一步瞭解這項功能，請參閱資料欄層級存取權控管。