CREATE STREAMING TABLE

  • Articolo

Si applica a: segno di spunta sì Databricks SQL

Crea una tabella di streaming, una tabella Delta con supporto aggiuntivo per lo streaming o l'elaborazione incrementale dei dati.

Le tabelle di streaming sono supportate solo nelle tabelle Live Delta e in Databricks SQL con Unity Catalog. L'esecuzione di questo comando nel calcolo di Databricks Runtime supportato analizza solo la sintassi. Vedere Implementare una pipeline di tabelle live Delta con SQL.

Sintassi

{ CREATE OR REFRESH STREAMING TABLE | CREATE STREAMING TABLE [ IF NOT EXISTS ] }
  table_name
  [ table_specification ]
  [ table_clauses ]
  [ AS query ]

table_specification
  ( { column_identifier column_type [column_properties] } [, ...]
    [ CONSTRAINT expectation_name EXPECT (expectation_expr)
      [ ON VIOLATION { FAIL UPDATE | DROP ROW } ] ] [, ...]
    [ , table_constraint ] [...] )

column_properties
  { NOT NULL |
    COMMENT column_comment |
    column_constraint |
    MASK clause } [ ... ]

table_clauses
  { PARTITIONED BY (col [, ...]) |
    COMMENT table_comment |
    TBLPROPERTIES clause |
    SCHEDULE [ REFRESH ] CRON cron_string [ AT TIME ZONE timezone_id ] |
    WITH { ROW FILTER clause } } [...]

Parametri

  • REFRESH

    Se specificato, aggiorna la tabella con i dati più recenti disponibili dalle origini definite nella query. Vengono elaborati solo i nuovi dati che arrivano prima dell'avvio della query. I nuovi dati aggiunti alle origini durante l'esecuzione del comando vengono ignorati fino al successivo aggiornamento. L'operazione di aggiornamento di CREATE OR REFRESH è completamente dichiarativa. Se un comando refresh non specifica tutti i metadati dell'istruzione di creazione della tabella originale, i metadati non specificati vengono eliminati.

  • SE NON ESISTE

    Crea la tabella di streaming, se non esiste. Se esiste già una tabella con questo nome, l'istruzione CREATE STREAMING TABLE viene ignorata.

    È possibile specificare al massimo uno di IF NOT EXISTS o OR REPLACE.

  • table_name

    Nome della tabella da creare. Il nome non deve includere una specifica temporale. Se il nome non è qualificato, la tabella viene creata nello schema corrente.

  • table_specification

    Questa clausola facoltativa definisce l'elenco di colonne, i relativi tipi, proprietà, descrizioni e vincoli di colonna.

    Se non si definiscono colonne nello schema della tabella, è necessario specificare AS query.

    • column_identifier

      Nome univoco per la colonna.

      • column_type

        Specifica il tipo di dati della colonna.

      • NOT NULL

        Se la colonna specificata non accetta NULL valori.

      • COMMENT column_comment

        Valore letterale stringa per descrivere la colonna.

      • column_constraint

        Importante

        Questa funzionalità è disponibile in anteprima pubblica.

        Aggiunge una chiave primaria o un vincolo di chiave esterna alla colonna in una tabella di streaming. I vincoli non sono supportati per le tabelle nel hive_metastore catalogo.

      • Clausola MASK

        Importante

        Questa funzionalità è disponibile in anteprima pubblica.

        Aggiunge una funzione maschera di colonna per rendere anonimi i dati sensibili. Tutte le query future da tale colonna riceveranno il risultato della valutazione di tale funzione sulla colonna al posto del valore originale della colonna. Ciò può essere utile per scopi di controllo di accesso con granularità fine, in cui la funzione può esaminare l'identità e/o le appartenenze a gruppi dell'utente che richiama per decidere se redigire il valore.

      • CONSTRAINT expectation_name EXPECT (expectation_expr) [ ON VIOLATION { FAIL UPDATE | DROP ROW } ]

        Aggiunge aspettative sulla qualità dei dati alla tabella. Queste aspettative sulla qualità dei dati possono essere rilevate nel tempo e accessibili tramite il registro eventi della tabella di streaming. Una FAIL UPDATE previsione causa un errore di elaborazione quando si crea la tabella e si aggiorna la tabella. Se DROP ROW l'aspettativa non viene soddisfatta, l'intera riga viene eliminata.

        expectation_expr può essere composto da valori letterali, identificatori di colonna all'interno della tabella e funzioni SQL predefinite o operatori, ad eccezione di:

        Inoltre expr , non deve contenere alcuna sottoquery.

      • table_constraint

        Importante

        Questa funzionalità è disponibile in anteprima pubblica.

        Aggiunge una chiave primaria informativa o vincoli di chiave esterna informativa a una tabella di streaming. I vincoli di chiave non sono supportati per le tabelle nel hive_metastore catalogo.

  • table_clauses

    Facoltativamente, specificare partizionamento, commenti, proprietà definite dall'utente e una pianificazione di aggiornamento per la nuova tabella. Ogni clausola secondaria può essere specificata una sola volta.

    • PARTIZIONATO DA

      Elenco facoltativo di colonne della tabella per partizionare la tabella.

    • COMMENT table_comment

      Valore STRING letterale per descrivere la tabella.

    • TBLPROPERTIES

      Facoltativamente, imposta una o più proprietà definite dall'utente.

    • SCHEDULE [ REFRESH ] CRON cron_string [ AT TIME ZONE timezone_id ]

      Se specificato, pianifica la tabella di streaming o la vista materializzata per aggiornare i dati con la pianificazione cron di quarzi specificata. Vengono accettati solo time_zone_values . AT TIME ZONE LOCAL non è supportata. Se AT TIME ZONE è assente, viene usato il fuso orario della sessione. Se AT TIME ZONE è assente e il fuso orario della sessione non è impostato, viene generato un errore. SCHEDULE è semanticamente equivalente a SCHEDULE REFRESH.

      La pianificazione può essere specificata come parte del CREATE comando . Usare ALTER STREAMING TABLE o eseguire CREATE OR REFRESH il comando con clausola per SCHEDULE modificare la pianificazione di una tabella di streaming dopo la creazione.

    • Clausola WITH ROW FILTER

      Importante

      Questa funzionalità è disponibile in anteprima pubblica.

      Aggiunge una funzione di filtro di riga alla tabella. Tutte le query future da tale tabella riceveranno un subset delle relative righe per cui la funzione restituisce TRUE booleano. Ciò può essere utile per scopi di controllo di accesso con granularità fine, in cui la funzione può esaminare l'identità e/o le appartenenze a gruppi dell'utente che richiama per decidere se filtrare determinate righe.

  • Query AS

    Questa clausola popola la tabella usando i dati di query. Questa query deve essere una query di streaming . A tale scopo, è possibile aggiungere la STREAM parola chiave a qualsiasi relazione da elaborare in modo incrementale. Quando si specifica un e un table_specification query insieme, lo schema della tabella specificato in table_specification deve contenere tutte le colonne restituite da query, in caso contrario viene visualizzato un errore. Qualsiasi colonna specificata in table_specification ma non restituita dai query null valori restituiti quando viene eseguita una query.

Differenze tra tabelle di streaming e altre tabelle

Le tabelle di streaming sono tabelle con stato, progettate per gestire ogni riga una sola volta durante l'elaborazione di un set di dati in crescita. Poiché la maggior parte dei set di dati aumenta continuamente nel tempo, le tabelle di streaming sono valide per la maggior parte dei carichi di lavoro di inserimento. Le tabelle di streaming sono ottimali per le pipeline che richiedono aggiornamento dei dati e bassa latenza. Le tabelle di streaming possono essere utili anche per le trasformazioni su larga scala, poiché i risultati possono essere calcolati in modo incrementale man mano che arrivano nuovi dati, mantenendo i risultati aggiornati senza dover ricompilare completamente tutti i dati di origine con ogni aggiornamento. Le tabelle di streaming sono progettate per le origini dati che sono di sola accodamento.

Le tabelle di streaming accettano comandi aggiuntivi, ad REFRESHesempio , che elabora i dati più recenti disponibili nelle origini fornite nella query. Le modifiche apportate alla query fornita vengono riflesse solo sui nuovi dati chiamando un REFRESHoggetto , non elaborato in precedenza. Per applicare anche le modifiche ai dati esistenti, è necessario eseguire REFRESH TABLE <table_name> FULL per eseguire un oggetto FULL REFRESH. L'aggiornamento completo riprocessa tutti i dati disponibili nell'origine con la definizione più recente. Non è consigliabile chiamare aggiornamenti completi sulle origini che non mantengono l'intera cronologia dei dati o hanno brevi periodi di conservazione, ad esempio Kafka, perché l'aggiornamento completo tronca i dati esistenti. Potrebbe non essere possibile recuperare i dati obsoleti se i dati non sono più disponibili nell'origine.

Filtri di riga e maschere di colonna

Importante

Questa funzionalità è disponibile in anteprima pubblica.

I filtri di riga consentono di specificare una funzione che viene applicata come filtro ogni volta che un'analisi di tabella recupera righe. Questi filtri assicurano che le query successive restituisca solo righe per le quali il predicato di filtro restituisce true.

Le maschere di colonna consentono di mascherare i valori di una colonna ogni volta che un'analisi di tabella recupera le righe. Tutte le query future che coinvolgono tale colonna riceveranno il risultato della valutazione della funzione sulla colonna, sostituendo il valore originale della colonna.

Per altre informazioni su come usare filtri di riga e maschere di colonna, vedere Filtrare i dati delle tabelle sensibili usando filtri di riga e maschere di colonna.

Gestione dei filtri di riga e delle maschere di colonna

I filtri di riga e le maschere di colonna nelle tabelle di streaming devono essere aggiunti, aggiornati o eliminati tramite l'istruzione CREATE OR REFRESH .

Comportamento

  • Aggiornare come Definer: quando le istruzioni o REFRESH aggiornano una tabella di streaming, le CREATE OR REFRESH funzioni di filtro di riga vengono eseguite con i diritti del definitore (come proprietario della tabella). Ciò significa che l'aggiornamento della tabella usa il contesto di sicurezza dell'utente che ha creato la tabella di streaming.
  • Query: mentre la maggior parte dei filtri viene eseguita con i diritti del definer, le funzioni che controllano il contesto utente (ad esempio CURRENT_USER e IS_MEMBER) sono eccezioni. Queste funzioni vengono eseguite come invoker. Questo approccio applica controlli di accesso e sicurezza dei dati specifici dell'utente in base al contesto dell'utente corrente.

Osservabilità

Usare DESCRIBE EXTENDED, INFORMATION_SCHEMAo Esplora cataloghi per esaminare i filtri di riga e le maschere di colonna esistenti applicabili a una determinata tabella di streaming. Questa funzionalità consente agli utenti di controllare ed esaminare le misure di accesso e protezione dei dati nelle tabelle di streaming.

Limiti

  • Solo i proprietari delle tabelle possono aggiornare le tabelle di streaming per ottenere i dati più recenti.

  • ALTER TABLE i comandi non sono consentiti nelle tabelle di streaming. La definizione e le proprietà della tabella devono essere modificate tramite l'istruzione CREATE OR REFRESH o ALTER STREAMING TABLE .

  • Le query di spostamento temporale non sono supportate.

  • L'evoluzione dello schema di tabella tramite comandi DML come INSERT INTOe MERGE non è supportata.

  • I comandi seguenti non sono supportati nelle tabelle di streaming:

    • CREATE TABLE ... CLONE <streaming_table>
    • COPY INTO
    • ANALYZE TABLE
    • RESTORE
    • TRUNCATE
    • GENERATE MANIFEST
    • [CREATE OR] REPLACE TABLE

  • La condivisione differenziale non è supportata.

  • La ridenominazione della tabella o la modifica del proprietario non è supportata.

  • I vincoli di tabella, PRIMARY KEY ad esempio e FOREIGN KEY , non sono supportati.

  • Le colonne generate, le colonne Identity e le colonne predefinite non sono supportate.

Esempi

-- Creates a streaming table that processes files stored in the given external location with
-- schema inference and evolution.
> CREATE OR REFRESH STREAMING TABLE raw_data
  AS SELECT * FROM STREAM read_files('abfss://container@storageAccount.dfs.core.windows.net/base/path');

-- Creates a streaming table that processes files with a known schema.
> CREATE OR REFRESH STREAMING TABLE csv_data (
    id int,
    ts timestamp,
    event string
  )
  AS SELECT *
  FROM STREAM read_files(
      's3://bucket/path',
      format => 'csv',
      schema => 'id int, ts timestamp, event string');

-- Creates a streaming table with schema evolution and data quality expectations.
-- The table creation or refresh fails if the data doesn't satisfy the expectation.
> CREATE OR REFRESH STREAMING TABLE avro_data (
    CONSTRAINT date_parsing (to_date(dt) >= '2000-01-01') ON VIOLATION FAIL UPDATE
  )
  AS SELECT *
  FROM STREAM read_files('gs://my-bucket/avroData');

-- Stores the data from Kafka in an append-only streaming table.
> CREATE OR REFRESH STREAMING TABLE firehose_raw
  COMMENT 'Stores the raw data from Kafka'
  TBLPROPERTIES ('delta.appendOnly' = 'true')
  AS SELECT
    value raw_data,
    offset,
    timestamp,
    timestampType
  FROM STREAM read_kafka(bootstrapServers => 'ips', subscribe => 'topic_name');

-- Read data from another streaming table scheduled to run every hour.
> CREATE STREAMING TABLE firehose_bronze
  SCHEDULE CRON '0 0 * * * ? *'
  AS SELECT
    from_json(raw_data, 'schema_string') data,
    * EXCEPT (raw_data)
  FROM STREAM firehose_raw;

-- Creates a streaming table with a column constraint
> CREATE OR REFRESH STREAMING TABLE csv_data (
    id int PRIMARY KEY,
    ts timestamp,
    event string
  )
  AS SELECT *
  FROM STREAM read_files(
      's3://bucket/path',
      format => 'csv',
      schema => 'id int, ts timestamp, event string');

-- Creates a streaming table with a table constraint
> CREATE OR REFRESH STREAMING TABLE csv_data (
    id int,
    ts timestamp,
    event string,
    CONSTRAINT pk_id PRIMARY KEY (id)
  )
  AS SELECT *
  FROM STREAM read_files(
      's3://bucket/path',
      format => 'csv',
      schema => 'id int, ts timestamp, event string');

-- Creates a streaming table with a row filter and a column mask
> CREATE OR REFRESH STREAMING TABLE masked_csv_data (
    id int,
    name string,
    region string,
    ssn string MASK catalog.schema.ssn_mask_fn
  )
  WITH ROW FILTER catalog.schema.us_filter_fn ON (region)
  AS SELECT *
  FROM STREAM read_files('s3://bucket/path/sensitive_data')