SQL 命令 - Amazon Redshift
CREATE TABLECREATE TABLE AS SELECTSHOW TABLEINSERT INTODROP TABLE
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异，请参阅 中国的 Amazon Web Services 服务入门 (PDF)。

从 2025 年 11 月 1 日起，Amazon Redshift 将不再支持创建新的 Python UDF。如果您想要使用 Python UDF，请在该日期之前创建 UDF。现有的 Python UDF 将继续正常运行。有关更多信息，请参阅博客文章。

SQL 命令

Amazon Redshift 中的 Apache Iceberg 表提供了一种强大的方法用于管理数据湖中的大型分析数据集。这些表支持 ACID 事务、架构发展和时间旅行功能，同时保持了高性能的分析工作负载。使用 Apache Iceberg 表，您可以高效地组织和分区数据，控制文件格式和文件压缩，并与其他 Amazon 服务无缝集成。

您可以使用 CREATE TABLE ... USING ICEBERG 和 CREATE TABLE ... USING ICEBERG AS SELECT 命令创建分区和未分区的 Iceberg 表。您可以使用外部架构表示法 (external_schema.table_name) 或三部分表示法 ("catalog_name".database_name.table_name) 引用 Iceberg 表。本部分中的示例将演示这两种方法。

创建表之后，您可以使用标准 INSERT 命令添加数据。请记住，虽然 Amazon Redshift 可处理许多 Iceberg 数据类型，但在插入信息时，您可能需要转换某些数据格式。

您可以使用 SHOW TABLES 命令查看 Iceberg 表。如果要从 Amazon Glue Data Catalog 中移除表，您可以使用 DROP TABLE 命令。请注意，这只会移除表注册信息。实际数据仍保留在存储中，直到您单独将其删除。

Iceberg 表目前尚不支持所有其他 SQL 语句，例如 DELETE、UPDATE、MERGE 和 ALTER TABLE。

以下部分演示了在 Amazon Redshift 中创建、插入和管理 Iceberg 表的语法。

CREATE TABLE

CREATE TABLE [IF NOT EXISTS] <external_schema>.<table_name> (
  column_name data_type [, ...]
)
USING ICEBERG
[LOCATION 's3://your-bucket-name/prefix/']
[PARTITIONED BY [[column_name | transform_function]], ...]
[TABLE PROPERTIES ('compression_type'='<compression_value>')]

对于 S3 表存储桶，您也可以使用三部分表示法。

CREATE TABLE "<table_bucket_name>@s3tablescatalog".<database_name>.<table_name> (
  column_name data_type [, ...]
)
USING ICEBERG
[PARTITIONED BY [[column_name | transform_function]], ...]
[TABLE PROPERTIES ('compression_type'='<compression_value>')]

请注意，<external_schema> 必须是创建外部表时使用的现有外部架构名称。有关如何创建和管理外部架构的更多信息，请参阅 Amazon Redshift 文档中的 CREATE EXTERNAL SCHEMA。

LOCATION 子句定义此新创建的 Iceberg 表的表位置。对于 Amazon S3 表，无法指定 LOCATION，因为表的位置由 Amazon S3 表目录 (s3tablescatalog) 确定。

在所有其他情况下，LOCATION 均必填，并且应为空位置，也就是说没有现有的 Amazon S3 对象共享了这个相同的存储桶和前缀。请注意，Amazon S3 存储桶必须与 Amazon Redshift 集群位于同一区域。

但是，Amazon 提供了一种方法，用于将存储在一个 Amazon Web Services 区域的 Amazon Glue Data Catalog 中的 Iceberg 表的数据复制到不同 Amazon Web Services 区域，这样您就可以将写入操作复制到不同的区域。有关更多信息，请参阅跨 Amazon Web Services 区域复制数据。

PARTITIONED BY 定义 Iceberg 表分区。Amazon Redshift 支持所有 Iceberg v2 分区转换，但 void 除外。以下是当前支持的转换列表：

  • 身份

  • bucket[N]

  • truncate[W]

  • 年

  • 个月

  • day

  • 小时

有关这些转换的完整定义以及兼容的数据类型，请参阅 Apache Iceberg 文档中的 Partition Transforms。

PARTITIONED BY 支持多个级别的分区。例如，您可以运行以下命令：

CREATE TABLE ...
USING ICEBERG
LOCATION ...
PARTITIONED BY (bucket(16, id), year(ship_date));

但是，Amazon Redshift 不支持在多个转换中使用单列。例如，不支持以下语法。

CREATE TABLE ...
USING ICEBERG
LOCATION ...
PARTITIONED BY (bucket(16, ship_date), year(ship_date));

TABLE PROPERTIES 子句定义此 Iceberg 表的额外表属性。唯一支持的表属性是 compression_type，该属性定义默认的 Parquet 数据文件压缩。如果未指定该项，则使用 snappy 作为压缩编解码器。compression_type 的可能值包括 zstd、brotli、gzip、snappy 和 uncompressed。

注意

Iceberg 表不支持 CREATE TABLE ... LIKE ...。此外，Iceberg 表不支持列约束和列属性，这与 RMS 表不同。

或者，您可以使用 CREATE TABLE AS SELECT 在单个操作中创建和填充 Iceberg 表：

CREATE TABLE AS SELECT

CREATE TABLE <external_schema>.<table_name> [(
  column_name[, ...]
)]
USING ICEBERG
[LOCATION 's3://your-bucket-name/prefix/']
[PARTITIONED BY [[column_name | transform_function]], ...]
[TABLE PROPERTIES ('compression_type'='<compression-value>')]
AS
SELECT query

您也可以使用三部分表示法在自动挂载目录中创建表：

CREATE TABLE "<catalog_name>".<database_name>.<table_name> [(
  column_name[, ...]
)]
USING ICEBERG
[LOCATION 's3://your-bucket-name/prefix/']
[PARTITIONED BY [[column_name | transform_function]], ...]
[TABLE PROPERTIES ('compression_type'='<compression-value>')]
AS
SELECT query

这与 CREATE TABLE 语句类似，不同之处在于 CREATE 后跟 SELECT 语句，用于在表中填充 SELECT 查询结果。

此处的 CREATE TABLE 子句不再允许您指定数据类型，因为列的数据类型将由 SELECT 查询决定。

如果 SELECT 查询因任何原因失败，则此查询将失败，并且不会创建 Iceberg 表。

您可以使用 SHOW TABLE 查看 Iceberg 表的结构：

SHOW TABLE

SHOW TABLE <external_schema>.<table_name>

您还可以对自动挂载目录使用三部分表示法：

SHOW TABLE "<catalog_name>".<database_name>.<table_name>

SHOW TABLE 显示 Iceberg 表的 CREATE TABLE 语句。该命令将根据表的类型显示相应的结果。以下是 Iceberg 表的 SHOW TABLE 输出示例：

CREATE TABLE my_schema.items (id int, price decimal(5, 2))
USING ICEBERG
LOCATION 's3://my_s3_bucket/items/'
PARTITIONED BY (bucket(16, id))
TABLE PROPERTIES ('compression_type'='snappy')
注意

对于 Amazon S3 表，由于表位置由 Amazon S3 表目录管理，因此 SHOW TABLE 结果中将省略 LOCATION 子句。

创建表后，您可以使用 INSERT INTO 添加数据：

INSERT INTO

INSERT INTO <external_schema>.<table_name> [(column_name [, ...])] VALUES (...)
INSERT INTO <external_schema>.<table_name> [(column_name [, ...])] (SELECT query)

-- Using three-part notation for S3 table buckets:
INSERT INTO "<table_bucket_name>@s3tablescatalog".<database_name>.<table_name> [(column_name [, ...])] VALUES (...)
INSERT INTO "<table_bucket_name>@s3tablescatalog".<database_name>.<table_name> [(column_name [, ...])] (SELECT query)

您可以使用上述语法对现有 Iceberg 表执行 INSERT INTO。如果使用 VALUES 子句，则按 column_name 列出您为列提供的值，如果省略了 column_name 部分，则提供所有列的值。

将数据插入分区表时，将根据预定义的分区规范分布新行。如果 SELECT 查询由于任何原因失败，则查询将失败，并且不向 Iceberg 表中插入任何数据。

您可以对并非由 Amazon Redshift 创建的 Iceberg 表执行 INSERT INTO 操作。但是，这里有一些限制：

  • 该表必须是 Iceberg v2 表。

  • 该表必须使用 Parquet 作为默认数据格式。

  • 该表不可将元数据压缩设置为 True。

  • 该表不可启用写入-审计-发布（WAP）。

要从目录中删除 Iceberg 表，请使用 DROP TABLE 命令：

DROP TABLE

DROP TABLE <external_schema>.<table_name>

您还可以对自动挂载目录使用三部分表示法：

DROP TABLE "<catalog_name>.<database_name>.<table_name>

使用 DROP 命令删除 Iceberg 表是仅对元数据执行的操作。如果表是 Amazon S3 表，则它会从 Amazon Glue Data Catalog 和 Amazon S3 表目录中删除该表条目。Amazon Redshift 不会清理或删除表位置下的任何现有数据文件或元数据文件。您可以使用 Amazon Glue 和 Amazon S3 表中的功能来移除孤立文件。对于 Amazon Glue，请参阅删除孤立文件。对于 Amazon S3 表，请参阅表维护。