Amazon Redshift は、2026 年 6 月 30 日以降、Python UDF の使用をサポートしなくなります。これは段階的に実施されます。Python のサポート終了と移行オプションの詳細については、2025 年 6 月 30 日に公開されたブログ記事を参照してください。

CREATE MATERIALIZED VIEW

1 つ以上の Amazon Redshift テーブルに基づいてマテリアライズドビューを作成します。また、Spectrum やフェデレーションクエリを使用して作成した外部テーブルに基づいてマテリアライズドビューを作成することもできます。Spectrum の詳細については、「Amazon Redshift Spectrum」を参照してください。フェデレーションクエリの詳細については、「Amazon Redshift での横串検索を使用したデータのクエリの実行」を参照してください。

構文

CREATE MATERIALIZED VIEW mv_name
[ BACKUP { YES | NO } ]
[ table_attributes ]
[ AUTO REFRESH { YES | NO } ]
AS query 

次の構文は、データを Apache Iceberg テーブルとして保存するマテリアライズドビューを作成します。詳細については、「Apache Iceberg テーブルとして保存されているマテリアライズドビュー」を参照してください。

CREATE MATERIALIZED VIEW mv_name
USING ICEBERG
[LOCATION 's3://bucket/path/']
[PARTITIONED BY (partition_transform [, ...])]
[TABLE PROPERTIES ('property_name' = 'property_value' [, ...])]
AS query

partition_transform は次のようになります。

    column_name |
    YEAR( column_name ) |
    MONTH( column_name ) |
    DAY( column_name ) |
    HOUR( column_name ) |
    BUCKET( integer, column_name ) |
    TRUNCATE( integer, column_name )

パラメータ

使用に関する注意事項

マテリアライズドビューを作成するには、次の権限が必要です。

mv_name で外部データベース名を指定することで、リモートデータ共有クラスターからマテリアライズドビューを作成できます。

Iceberg マテリアライズドビュー

Iceberg マテリアライズドビューを作成するには、ターゲットの AWS Glue Data Catalog データベースに CREATE TABLE アクセス許可が必要です。外部スキーマに関連付けられた IAM ロール (MV 定義ロール) には、クエリで参照されるすべてのソーステーブルに対する SELECT アクセス許可が必要です。

マテリアライズドビュー定義のすべての識別子 (テーブル名、列名、エイリアス) は小文字である必要があります。AWS Glue Data Catalog は Hive との互換性のために識別子を小文字で保存します。Amazon Redshift は、大文字の識別子を含む USING ICEBERG を使用した CREATE MATERIALIZED VIEW ステートメントを拒否します。

enable_case_sensitive_identifier が true に設定されている場合、Iceberg マテリアライズドビューの作成または更新はサポートされません。この制限は、AWS Glue Data Catalog が大文字と小文字を区別する識別子をサポートしていないため存在します。クラスターまたはワークグループで enable_case_sensitive_identifier が有効になっている場合は、Iceberg マテリアライズドビューを作成または更新する前に、セッションで false に設定してください。

SET enable_case_sensitive_identifier TO false;

ソーステーブルは Apache Iceberg 形式バージョン 2 以下である必要があります。Iceberg 以外のテーブルを Iceberg マテリアライズドビューのソーステーブルとして使用することはできません。

Iceberg マテリアライズドビューでは、以下を使用できません。

Iceberg マテリアライズドビューの機能と制限の詳細については、「Apache Iceberg テーブルとして保存されているマテリアライズドビュー」を参照してください。

データ共有内のマテリアライズドビューの増分更新

Amazon Redshift は、ベーステーブルを共有している場合、コンシューマーデータ共有でのマテリアライズドビューの自動更新と増分更新をサポートしています。増分更新は、Amazon Redshift が前回の更新後に発生したベーステーブルの変更を特定し、マテリアライズドビューの対応するレコードのみを更新する操作です。これにより、フル更新と比べて、実行が迅速化し、ワークロードのパフォーマンスが向上します。増分更新を利用するために、マテリアライズドビュー定義を変更する必要はありません。

マテリアライズドビューによる増分更新を利用する場合、次の 2 つの注意すべき制限があります。

データ共有でのマテリアライズドビューの作成の詳細については、「Amazon Redshift データ共有でのビューの使用」を参照してください。これには、いくつかのクエリ例も含まれています。

マテリアライズドビューまたはベーステーブルの DDL の更新

Amazon Redshift でマテリアライズドビューを使用する場合は、マテリアライズドビューまたはベーステーブルのデータ定義言語 (DDL) の更新に関する以下の注意事項に従ってください。

制限事項

次のものを参照する、または含むマテリアライズドビューは定義できません。

USING ICEBERG を使用して作成された Iceberg マテリアライズドビューには、次の追加の制限が適用されます。

例

次の例では、結合および集計された 3 つのベーステーブルからマテリアライズドビューを作成します。各行は、カテゴリと販売されたチケット数を表します。tickets_mv マテリアライズドビューのクエリを実行すると、tickets_mv マテリアライズドビューの計算済みのデータに直接アクセスします。

CREATE MATERIALIZED VIEW tickets_mv AS
    select   catgroup,
    sum(qtysold) as sold
    from     category c, event e, sales s
    where    c.catid = e.catid
    and      e.eventid = s.eventid
    group by catgroup;

以下の例は、前の例と同様のマテリアライズドビューを作成し、集計関数 MAX() を使用します。

CREATE MATERIALIZED VIEW tickets_mv_max AS
    select   catgroup,
    max(qtysold) as sold
    from     category c, event e, sales s
    where    c.catid = e.catid
    and      e.eventid = s.eventid
    group by catgroup;

SELECT name, state FROM STV_MV_INFO;

次の例では、UNION ALL 句を使用して Amazon Redshift public_sales テーブルと Redshift Spectrum spectrum.sales テーブルを結合し、mv_sales_vw マテリアルビューを作成します。Amazon Redshift Spectrum の CREATE EXTERNAL TABLE コマンドの詳細については、CREATE EXTERNAL TABLE を参照してください。Redshift Spectrum 外部テーブルは、Amazon S3 のデータを参照します。

CREATE MATERIALIZED VIEW mv_sales_vw as
select salesid, qtysold, pricepaid, commission, saletime from public.sales
union all
select salesid, qtysold, pricepaid, commission, saletime from spectrum.sales

次の例では、横串検索の外部テーブルに基づいてマテリアライズドビュー mv_fq を作成します。横串検索の詳細については、「CREATE EXTERNAL SCHEMA」を参照してください。

CREATE MATERIALIZED VIEW mv_fq as select firstname, lastname from apg.mv_fq_example;

select firstname, lastname from mv_fq;
 firstname | lastname
-----------+----------
 John      | Day
 Jane      | Doe
(2 rows)

次の例は、マテリアライズドビューの定義を示しています。

SELECT pg_catalog.pg_get_viewdef('mv_sales_vw'::regclass::oid, true);

pg_get_viewdef
---------------------------------------------------
create materialized view mv_sales_vw as select a from t;

次のサンプルは、マテリアライズドビューの定義で AUTO REFRESH を設定する方法を示しています。また DISTSTYLE を指定しています。まず、簡単なベーステーブルを作成します。

CREATE TABLE baseball_table (ball int, bat int);

次に、マテリアライズドビューを作成します。

CREATE MATERIALIZED VIEW mv_baseball DISTSTYLE ALL AUTO REFRESH YES AS SELECT ball AS baseball FROM baseball_table;

これで mv_baseball マテリアライズドビューをクエリできるようになりました。マテリアライズドビューの AUTO REFRESH がオンになっているかどうかを確認するには、「STV_MV_INFO」を参照してください。

次のサンプルでは、別のデータベースのソーステーブルを参照するマテリアライズドビューを作成します。ソーステーブル database_A を含むデータベースが、database_B で作成したマテリアライズドビューと同じクラスターまたはワークグループにあることを前提としています (サンプルの代わりに独自のデータベースを使用できます)。まず、database_A に、cityname 列がある、cities という名前のテーブルを作成します。列のデータ型を VARCHAR にします。ソーステーブルを作成したら、database_B で次のコマンドを実行して、cities テーブルをソースとするマテリアライズドビューを作成します。FROM 句に必ずソーステーブルのデータベースとスキーマを指定してください。

CREATE MATERIALIZED VIEW cities_mv AS
SELECT  cityname
FROM    database_A.public.cities;

作成したマテリアライズドビューをクエリします。クエリは、元のソースが database_A の cities テーブルであるレコードを取得します。

select * from cities_mv;

SELECT ステートメントを実行すると、cities_mv はレコードを返します。REFRESH ステートメントが実行されたときにのみ、レコードはソーステーブルから更新されます。また、マテリアライズドビューでレコードを直接更新できないことに注意してください。マテリアライズドビューのデータを更新する方法については、REFRESH MATERIALIZED VIEW を参照してください。

マテリアライズドビューの概要およびマテリアライズドビューの更新や削除に使用する SQL コマンドの詳細については、以下のトピックを参照してください。

次の例では、パーティション分割を使用して Amazon S3 テーブルバケットに Iceberg マテリアライズドビューを作成します。

CREATE MATERIALIZED VIEW "my-bucket@s3tablescatalog".analytics.sales_by_region
USING ICEBERG
PARTITIONED BY (region)
AS SELECT region, count(*) as order_count, sum(amount) as total_sales
   FROM "my-bucket@s3tablescatalog".production.orders
   GROUP BY region;

次の例では、パーティション変換と圧縮が指定された汎用 Amazon S3 バケットに Iceberg マテリアライズドビューを作成します。

CREATE MATERIALIZED VIEW awsdatacatalog.mydb.daily_revenue
USING ICEBERG
LOCATION 's3://my-analytics-bucket/mvs/daily_revenue/'
PARTITIONED BY (day(order_date))
TABLE PROPERTIES ('write.parquet.compression-codec' = 'zstd')
AS SELECT order_date, sum(amount) as revenue, count(*) as num_orders
   FROM awsdatacatalog.mydb.orders
   GROUP BY order_date;

次の例では、2 つの部分からなる外部スキーマを使用して Iceberg マテリアライズドビューを作成します。

CREATE MATERIALIZED VIEW my_ext_schema.customer_totals
USING ICEBERG
LOCATION 's3://my-analytics-bucket/mvs/customer_totals/'
AS SELECT customer_id, count(*) as order_count, sum(amount) as total_spent
   FROM my_ext_schema.orders
   GROUP BY customer_id;