管理具體化檢視表

本文說明如何在 BigQuery 中管理具體化檢視表。

BigQuery 具體化檢視表管理作業包括：

• 修改具體化檢視表
• 列出具體化檢視表
• 取得具體化檢視表相關資訊
• 刪除具體化檢視表
• 重新整理具體化檢視表

如要進一步瞭解具體化檢視區塊，請參閱下列資源：

• 具體化檢視表簡介
• 建立具體化檢視表
• 使用具體化檢視表
• 監控具體化檢視表

事前準備

授予身分與存取權管理 (IAM) 角色，讓使用者擁有執行本文中各項工作所需的權限。如要執行工作，必須具備的權限 (如有) 會列在工作的「必要權限」部分。

修改具體化檢視表

您可以使用資料定義語言 (DDL) 和 ALTER MATERIALIZED VIEW 和 SET OPTIONS，透過 Google Cloud 控制台或 bq 指令列工具變更具體化檢視區塊。如需具體化檢視表選項清單，請參閱 materialized_view_set_options_list。

以下範例會將 enable_refresh 設為 true。視您的用途需求調整。

所需權限

如要變更具體化檢視表，您需要 bigquery.tables.get 和 bigquery.tables.update IAM 權限。

下列預先定義的 IAM 角色都包含變更具體化檢視區塊所需的權限：

• bigquery.dataEditor
• bigquery.dataOwner
• bigquery.admin

如要進一步瞭解 BigQuery Identity and Access Management (IAM)，請參閱「預先定義的角色與權限」。

SQL

如要變更具體化檢視表，請使用 ALTER MATERIALIZED VIEW SET OPTIONS DDL 陳述式：

1. 前往 Google Cloud 控制台的「BigQuery」頁面。

   前往「BigQuery」

2. 在查詢編輯器中輸入下列陳述式：

   ALTER MATERIALIZED VIEW PROJECT.DATASET.MATERIALIZED_VIEW
   SET OPTIONS (enable_refresh = true);

   取代下列項目：

   • PROJECT：包含具體化檢視區塊的專案名稱
   • DATASET：包含具體化檢視表的資料集名稱
   • MATERIALIZED_VIEW：要變更的具體化檢視名稱

3. 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」。

bq

執行 bq update 指令：

bq update \
--enable_refresh=true \
--refresh_interval_ms= \
PROJECT.DATASET.MATERIALIZED_VIEW

Java

在試用這個範例之前，請先按照「使用用戶端程式庫的 BigQuery 快速入門導覽課程」中的 Java 設定操作說明進行操作。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」。

import com.google.cloud.bigquery.BigQuery;
import com.google.cloud.bigquery.BigQueryException;
import com.google.cloud.bigquery.BigQueryOptions;
import com.google.cloud.bigquery.MaterializedViewDefinition;
import com.google.cloud.bigquery.Table;
import com.google.cloud.bigquery.TableId;

// Sample to update materialized view
public class UpdateMaterializedView {

  public static void main(String[] args) {
    // TODO(developer): Replace these variables before running the sample.
    String datasetName = "MY_DATASET_NAME";
    String materializedViewName = "MY_MATERIALIZED_VIEW_NAME";
    updateMaterializedView(datasetName, materializedViewName);
  }

  public static void updateMaterializedView(String datasetName, String materializedViewName) {
    try {
      // Initialize client that will be used to send requests. This client only needs to be created
      // once, and can be reused for multiple requests.
      BigQuery bigquery = BigQueryOptions.getDefaultInstance().getService();

      TableId tableId = TableId.of(datasetName, materializedViewName);

      // Get existing materialized view
      Table table = bigquery.getTable(tableId);
      MaterializedViewDefinition materializedViewDefinition = table.getDefinition();
      // Update materialized view
      materializedViewDefinition
          .toBuilder()
          .setEnableRefresh(true)
          .setRefreshIntervalMs(1000L)
          .build();
      table.toBuilder().setDefinition(materializedViewDefinition).build().update();
      System.out.println("Materialized view updated successfully");
    } catch (BigQueryException e) {
      System.out.println("Materialized view was not updated. \n" + e.toString());
    }
  }
}

列出具體化檢視表

您可以透過 Google Cloud 主控台、bq 指令列工具或 BigQuery API 列出具體化檢視區塊。

所需權限

如要列出資料集中的具體化檢視表，您需要 bigquery.tables.list 身分與存取權管理權限。

下列每個預先定義的 IAM 角色都包含在資料集中列出具體化檢視區塊所需的權限：

• roles/bigquery.user
• roles/bigquery.metadataViewer
• roles/bigquery.dataViewer
• roles/bigquery.dataOwner
• roles/bigquery.dataEditor
• roles/bigquery.admin

如要進一步瞭解 IAM 中的 IAM 角色和權限，請參閱預先定義的角色和權限。

列出具體化檢視區的程序與列出資料表的程序相同。如要列出資料集中的具體化檢視表：

控制台

1. 點選左側窗格中的 「Explorer」：

   

   如果沒有看到左側窗格，請按一下「展開左側窗格」圖示 開啟窗格。

2. 在「Explorer」窗格中展開專案，按一下「Datasets」(資料集)，然後按一下資料集。

3. 依序點選「總覽」>「表格」。捲動清單來檢視該資料集中的資料表，資料表、檢視表和具體化檢視表會分別以「類型」欄中的不同值呈現。具體化檢視表副本的值與具體化檢視表相同。

bq

請發出 bq ls 指令。--format 旗標可用來控制輸出內容。如要列出非預設專案中的具體化檢視表，請使用下列格式將專案 ID 新增至資料集：project_id:dataset。

bq ls --format=pretty project_id:dataset

其中：

• project_id 是您的專案 ID。
• dataset 是資料集名稱。

執行指令時，Type 欄位會顯示資料表類型。 例如：

+-------------------------+--------------------+----------------------+-------------------+
|         tableId         | Type               |        Labels        | Time Partitioning |
+-------------------------+--------------------+----------------------+-------------------+
| mytable                 | TABLE              | department:shipping  |                   |
| mymatview               | MATERIALIZED_VIEW  |                      |                   |
+-------------------------+--------------------+----------------------+-------------------+

範例：

輸入下列指令，列出預設專案中 mydataset 資料集的具體化檢視表。

bq ls --format=pretty mydataset

輸入下列指令，列出 myotherproject 中資料集 mydataset 的具體化檢視表。

bq ls --format=pretty myotherproject:mydataset

API

如要使用 API 列出具體化檢視表，請呼叫 tables.list 方法。

Go

在試用這個範例之前，請先按照「使用用戶端程式庫的 BigQuery 快速入門導覽課程」中的 Go 設定操作說明進行操作。詳情請參閱 BigQuery Go 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」。

import (
	"context"
	"fmt"
	"io"

	"cloud.google.com/go/bigquery"
	"google.golang.org/api/iterator"
)

// listTables demonstrates iterating through the collection of tables in a given dataset.
func listTables(w io.Writer, projectID, datasetID string) error {
	// projectID := "my-project-id"
	// datasetID := "mydataset"
	// tableID := "mytable"
	ctx := context.Background()
	client, err := bigquery.NewClient(ctx, projectID)
	if err != nil {
		return fmt.Errorf("bigquery.NewClient: %v", err)
	}
	defer client.Close()

	ts := client.Dataset(datasetID).Tables(ctx)
	for {
		t, err := ts.Next()
		if err == iterator.Done {
			break
		}
		if err != nil {
			return err
		}
		fmt.Fprintf(w, "Table: %q\n", t.TableID)
	}
	return nil
}

Python

在試用這個範例之前，請先按照「使用用戶端程式庫的 BigQuery 快速入門導覽課程」中的 Python 設定操作說明進行操作。詳情請參閱 BigQuery Python 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」。

from google.cloud import bigquery

# Construct a BigQuery client object.
client = bigquery.Client()

# TODO(developer): Set dataset_id to the ID of the dataset that contains
#                  the tables you are listing.
# dataset_id = 'your-project.your_dataset'

tables = client.list_tables(dataset_id)  # Make an API request.

print("Tables contained in '{}':".format(dataset_id))
for table in tables:
    print("{}.{}.{}".format(table.project, table.dataset_id, table.table_id))

取得具體化檢視表的相關資訊

您可以使用 SQL、bq 指令列工具或 BigQuery API，取得具體化檢視區塊的相關資訊。

所需權限

如要查詢具體化檢視表的相關資訊，您必須具備下列 Identity and Access Management (IAM) 權限：

• bigquery.tables.get
• bigquery.tables.list
• bigquery.routines.get
• bigquery.routines.list

下列每個預先定義的 IAM 角色都包含上述權限：

• roles/bigquery.metadataViewer
• roles/bigquery.dataViewer
• roles/bigquery.admin

如要進一步瞭解 BigQuery 權限，請參閱「使用 IAM 控管存取權」。

如要取得具體化檢視表的相關資訊，包括任何依附的具體化檢視表副本，請按照下列步驟操作：

SQL

如要取得具體化檢視表的相關資訊，請查詢 INFORMATION_SCHEMA.TABLES 檢視表：

1. 前往 Google Cloud 控制台的「BigQuery」頁面。

   前往「BigQuery」

2. 在查詢編輯器中輸入下列陳述式：

   SELECT * FROM PROJECT_ID.DATASET_ID.INFORMATION_SCHEMA.TABLES
   WHERE table_type = 'MATERIALIZED VIEW';

   取代下列項目：

   • PROJECT_ID：包含具體化檢視區塊的專案名稱
   • DATASET_ID：包含具體化檢視區塊的資料集名稱

3. 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」。

bq

使用 bq show 指令：

bq show --project=project_id --format=prettyjson dataset.materialized_view

更改下列內容：

• project_id：專案 ID。如要取得預設專案以外的專案具體化檢視表相關資訊，您只需要加入這個旗標。
• dataset：包含具體化檢視區塊的資料集名稱。
• materialized_view：您要取得資訊的具體化檢視區塊名稱。

範例：

輸入下列指令，顯示 myproject 專案中 report_views 資料集的實體化檢視表 my_mv 相關資訊。

bq show --project=myproject --format=prettyjson report_views.my_mv

API

如要使用 API 取得具體化檢視表資訊，請呼叫 tables.get 方法。

刪除具體化檢視表

您可以透過 Google Cloud 主控台、bq 指令列工具或 API 刪除具體化檢視區塊。

注意： 一經刪除具體化檢視表即無法復原。

刪除具體化檢視表時，系統也會一併刪除與該檢視表相關聯的權限。重新建立已刪除的具體化檢視區塊時，也必須手動重新設定先前與該檢視區塊相關聯的存取權。

所需權限

如要刪除具體化檢視，您需要 bigquery.tables.delete IAM 權限。

下列預先定義的 IAM 角色都包含刪除具體化檢視區塊所需的權限：

• bigquery.dataEditor
• bigquery.dataOwner
• bigquery.admin

如要進一步瞭解 BigQuery Identity and Access Management (IAM)，請參閱「預先定義的角色與權限」。

SQL

如要刪除具體化檢視表，請使用 DROP MATERIALIZED VIEW DDL 陳述式：

1. 前往 Google Cloud 控制台的「BigQuery」頁面。

   前往「BigQuery」

2. 在查詢編輯器中輸入下列陳述式：

   DROP MATERIALIZED VIEW PROJECT.DATASET.MATERIALIZED_VIEW;

   取代下列項目：

   • PROJECT：包含具體化檢視區塊的專案名稱
   • DATASET：包含具體化檢視表的資料集名稱
   • MATERIALIZED_VIEW：要刪除的具體化檢視名稱

3. 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」。

bq

使用 bq rm 指令刪除具體化檢視區塊。

API

呼叫 tables.delete 方法，並為 projectId、datasetId 和 tableId 參數指定值：

• 將 projectId 參數指派給您的專案 ID。
• 將 datasetId 參數指派給資料集 ID。
• 將 tableId 參數指派給要刪除的具體化檢視表資料表 ID。

Java

在試用這個範例之前，請先按照「使用用戶端程式庫的 BigQuery 快速入門導覽課程」中的 Java 設定操作說明進行操作。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」。

import com.google.cloud.bigquery.BigQuery;
import com.google.cloud.bigquery.BigQueryException;
import com.google.cloud.bigquery.BigQueryOptions;
import com.google.cloud.bigquery.TableId;

// Sample to delete materialized view
public class DeleteMaterializedView {

  public static void main(String[] args) {
    // TODO(developer): Replace these variables before running the sample.
    String datasetName = "MY_DATASET_NAME";
    String materializedViewName = "MY_MATERIALIZED_VIEW_NAME";
    deleteMaterializedView(datasetName, materializedViewName);
  }

  public static void deleteMaterializedView(String datasetName, String materializedViewName) {
    try {
      // Initialize client that will be used to send requests. This client only needs to be created
      // once, and can be reused for multiple requests.
      BigQuery bigquery = BigQueryOptions.getDefaultInstance().getService();

      TableId tableId = TableId.of(datasetName, materializedViewName);

      boolean success = bigquery.delete(tableId);
      if (success) {
        System.out.println("Materialized view deleted successfully");
      } else {
        System.out.println("Materialized view was not found");
      }
    } catch (BigQueryException e) {
      System.out.println("Materialized view was not found. \n" + e.toString());
    }
  }
}

注意： 如果未先刪除具體化檢視表，就刪除該檢視表的基礎資料表，則任何重新整理或查詢具體化檢視表的作業都會失敗。如果決定重新建立基本資料表，也必須重新建立具體化檢視區塊。

重新整理具體化檢視表

重新整理具體化檢視區塊會更新檢視區塊的快取資料，以反映基礎資料表的目前狀態。

查詢具體化檢視表時，BigQuery 會傳回快取具體化檢視表資料和從基本資料表擷取的資料。如果可以，BigQuery 只會讀取上次重新整理檢視區塊後發生的變更。重新整理具體化檢視表時，系統可能不會納入最近串流的資料，但無論是否使用具體化檢視表，查詢一律會讀取串流資料。

直接從主資料表傳回查詢結果，會比從快取具體化檢視表資料傳回結果，產生更高的運算費用。定期重新整理具體化檢視區塊的快取資料，可減少直接從基本資料表傳回的資料量，進而降低運算成本。

本節將說明如何執行下列操作：

• 設定自動重新整理
• 手動重新整理具體化檢視表

注意： 如果未先刪除具體化檢視表就刪除基礎資料表，具體化檢視表就會無法重新整理。如要重新建立資料表，也必須重新建立具體化檢視區塊。

自動重新整理

你隨時可以啟用或停用自動重新整理功能。自動重新整理工作是由 [e-mail] 服務帳戶執行，並顯示在具體化檢視專案的工作記錄中。

根據預設，實體化檢視中的快取資料會在基本資料表變更後 5 到 30 分鐘內，自動從基本資料表重新整理，例如插入或刪除資料列。

您可以設定重新整理頻率上限，管理快取資料的自動重新整理頻率，進而管理具體化檢視區塊的費用和查詢效能。

啟用及停用自動重新整理

如要在建立具體化檢視表時關閉自動重新整理功能，請將 enable_refresh 設為 false。

CREATE MATERIALIZED VIEW PROJECT.DATASET.MATERIALIZED_VIEW
PARTITION BY RANGE_BUCKET(column_name, buckets)
OPTIONS (enable_refresh = false)
AS SELECT ...

如為現有的具體化檢視區塊，您可以使用 ALTER MATERIALIZED VIEW 修改 enable_refresh 值。

ALTER MATERIALIZED VIEW PROJECT.DATASET.MATERIALIZED_VIEW
SET OPTIONS (enable_refresh = true);

注意： 啟用自動重新整理功能後，系統會立即自動重新整理具體化檢視區塊。

設定展示頻率上限

您可以設定自動重新整理的頻率上限。根據預設，具體化檢視區塊的重新整理頻率不會超過每 30 分鐘一次。

您隨時可以變更重新整理頻率上限。

如要在建立具體化檢視表時設定重新整理頻率上限，請在 DDL 中將 refresh_interval_minutes (或在 API 和 bq 指令列工具中將 refresh_interval_ms) 設為所需值。

CREATE MATERIALIZED VIEW PROJECT.DATASET.MATERIALIZED_VIEW
OPTIONS (enable_refresh = true, refresh_interval_minutes = 60)
AS SELECT ...

同樣地，您可以在修改具體化檢視區塊時設定展示頻率上限。這個範例假設您已啟用自動重新整理功能，現在只想變更展示頻率上限：

ALTER MATERIALIZED VIEW PROJECT.DATASET.MATERIALIZED_VIEW
SET OPTIONS (refresh_interval_minutes = 60);

重新整理頻率上限下限為 1 分鐘。重新整理頻率上限最多為 7 天。

您可以隨時手動重新整理具體化檢視表，且時間不受頻率上限限制。

盡可能提供最佳服務

系統會盡可能自動重新整理。 如果基礎資料表在 30 分鐘內發生變更，BigQuery 會嘗試在 5 分鐘內啟動重新整理作業，但無法保證會在該時間啟動，也無法保證何時完成。

注意： 查詢 materialized view 時，系統會反映基礎資料表的最新狀態，但如果檢視區塊最近未重新整理，查詢費用或延遲時間可能會高於預期。

自動重新整理的處理方式與批次優先順序的查詢類似。如果具體化檢視區塊的專案目前沒有容量，系統會延後重新整理。如果專案包含許多重新整理成本很高的檢視區塊，每個檢視區塊相對於其基礎資料表，可能會大幅延遲。

手動重新整理

您隨時可以手動重新整理具體化檢視區塊。

所需權限

如要手動重新整理具體化檢視表，您需要 bigquery.tables.getData、bigquery.tables.update 和 bigquery.tables.updateData IAM 權限。

下列預先定義的 IAM 角色都包含手動重新整理具體化檢視區塊所需的權限：

• bigquery.dataEditor
• bigquery.dataOwner
• bigquery.admin

如要進一步瞭解 BigQuery Identity and Access Management (IAM)，請參閱「預先定義的角色與權限」。

如要更新具體化檢視區塊中的資料，請呼叫 BQ.REFRESH_MATERIALIZED_VIEW 系統程序。呼叫這個程序時，BigQuery 會找出基礎資料表中的變更，並將這些變更套用至具體化檢視區塊。查詢會在重新整理完成時結束。BQ.REFRESH_MATERIALIZED_VIEW

CALL BQ.REFRESH_MATERIALIZED_VIEW('PROJECT.DATASET.MATERIALIZED_VIEW');

注意： 請勿一次執行多項重新整理作業。如果對同一個具體化檢視區塊同時執行多項重新整理作業，只有第一個完成的重新整理作業會成功。

監控具體化檢視表

您可以使用 BigQuery API 取得具體化檢視表和具體化檢視表重新整理工作的相關資訊。詳情請參閱「監控具體化檢視區塊」。