Materialisierte Ansichten für externe Data-Lake-Tabellen in Amazon Redshift Spectrum - Amazon Redshift
Einschränkungen

Amazon Redshift wird UDFs ab dem 1. November 2025 die Erstellung von neuem Python nicht mehr unterstützen. Wenn Sie Python verwenden möchten UDFs, erstellen Sie das UDFs vor diesem Datum liegende. Bestehendes Python UDFs wird weiterhin wie gewohnt funktionieren. Weitere Informationen finden Sie im Blog-Posting.

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Materialisierte Ansichten für externe Data-Lake-Tabellen in Amazon Redshift Spectrum

Materialisierte Ansichten können die inkrementelle Wartung externer Data-Lake-Tabellen ermöglichen. Mit inkrementeller Wartung aktualisiert Amazon Redshift die Daten in der materialisierten Ansicht, wobei lediglich Änderungen an den Daten in den Basistabellen seit der letzten Aktualisierung berücksichtigt werden. Die inkrementelle Wartung ist kostengünstiger als die vollständige Neuberechnung der materialisierten Ansicht nach jeder Datenänderung in der Basistabelle.

Wenn Sie materialisierte Ansichten für mindestens eine externe Tabelle verwenden, erfolgt die Erstellung materialisierter Ansichten inkrementell für:

  • Data-Lake-Standardtabellen, partitioniert und unpartitioniert, mit Datendateien in jedem unterstützten Format (Parquet, Avro, CSV usw.).

  • Apache Iceberg-Tabellen, partitioniert und unpartitioniert, mit und. copy-on-write merge-on-read

  • Tabellen von Amazon Redshift Spectrum, die mit einer beliebigen Amazon-Redshift-Tabelle in derselben Datenbank verknüpft sind.

Die Aktualisierung materialisierter Ansichten erfolgt inkrementell bei:

  • Data-Lake-Standardtabellen nach dem Überschreiben mit S3 DELETE oder PUT (Löschen von Datendateien), wenn die materialisierte Ansicht keine Aggregierung durchführt.

  • Apache Iceberg-Tabellen nach INSERT, DELETE, UPDATE oder Tabellenkomprimierung.

Weitere Informationen zu Amazon Redshift Spectrum finden Sie unter Amazon Redshift Spectrum.

Einschränkungen

Allgemeine Einschränkungen für materialisierte Ansichten gelten weiterhin für materialisierte Ansichten in Data-Lake-Tabellen. Weitere Informationen finden Sie unter Aktualisieren einer materialisierten Ansicht. Beachten Sie außerdem die folgenden Einschränkungen, wenn Sie materialisierte Ansichten für externe Data-Lake-Tabellen verwenden.

  • Die Erstellung materialisierter Ansichten erfolgt nicht inkrementell bei:

    • Hudi- oder Delta-Lake-Tabellen.

    • Zugriff auf verschachtelte Spectrum-Daten.

    • Referenzen auf VARBYTE-Spalten.

  • Bei der Aktualisierung einer materialisierten Ansicht wird auf eine vollständige Neuberechnung zurückgegriffen bei:

    • Apache Iceberg-Tabellen, wenn ein erforderlicher Snapshot abgelaufen ist und die materialisierte Ansicht eine Aggregierung durchführt.

    • Data-Lake-Standardtabellen nach dem Löschen oder Aktualisieren von Datendateien auf Amazon S3, wenn die materialisierte Ansicht eine Aggregierung durchführt.

    • Data-Lake-Standardtabellen, die innerhalb eines Transaktionsblocks mehr als einmal aktualisiert wurden.

    • Data-Lake-Standardtabellen, die durch ein Manifest gesteuert werden. Weitere Informationen zu Manifesten finden Sie unter Verwenden eines Manifests für die Angabe von Datendateien.

    • Amazon Redshift greift auf die vollständige Neuberechnung zurück, wenn zu erwarten ist, dass dies leistungsfähiger ist, insbesondere bei materialisierten Ansichten, die Joins enthalten und mehr als eine Basistabelle seit der letzten Aktualisierung aktualisiert wurde.

  • Bei Apache Iceberg-Tabellen kann die Aktualisierung materialisierter Ansichten nur bis zu 4 Millionen Positionen verarbeiten, die in einer einzigen Datendatei gelöscht wurden. Sobald dieses Limit erreicht ist, muss die Apache Iceberg-Basistabelle komprimiert werden, um die Aktualisierung der materialisierten Ansicht fortzusetzen.

  • Bei Apache Iceberg-Tabellen wird die Parallelitätsskalierung für die Erstellung und Aktualisierung materialisierter Ansichten nicht unterstützt.

  • Autonomics-Features werden nicht unterstützt. Dazu gehören automatisierte materialisierte Ansichten und das automatische Umschreiben von Abfragen.

  • Wenn eine inkrementelle materialisierte Ansicht aktualisiert wird, gelten IAM-Berechtigungen nur für die Bereiche in den Amazon-Redshift-Basistabellen, auf die zugegriffen wird.

  • Änderungen der von Lake Formation verwalteten Berechtigungen werden bei der Abfrage einer materialisierten Ansicht nicht verifiziert. Dies bedeutet, dass Sie die materialisierte Ansicht trotzdem abfragen können, wenn eine materialisierte Ansicht in einer Data-Lake-Tabelle definiert ist und Auswahlberechtigungen aus der Tabelle mit Lake Formation entfernt wurden.