CREATE DYNAMIC TABLE_实时数仓 Hologres(Hologres)-阿里云帮助中心

本文为您介绍如何创建Dynamic Table。

注意事项

Dynamic Table的使用限制请参见Dynamic Table支持范围和限制。
从Hologres V3.1版本开始，新建Dynamic Table默认使用新语法。对于V3.0版本中已存在的Dynamic Table，仅支持执行ALTER操作，不支持使用V3.0版本的语法创建表。非分区表可以通过语法转换命令，将V3.0版本的语法转换成V3.1版本的新语法，如果是分区表，请手动重新创建。
从Hologres V3.1版本开始，增量刷新的Dynamic Table需重新创建，您可以通过语法转换命令进行重建。
从Hologres V3.1版本开始，引擎自适应优化Dynamic Table的Refresh执行过程，使Refresh更加稳定地执行。因此，与Refresh相关的Query ID出现负数的情况属于正常现象。

语法

V3.1（新语法）

说明

从Hologres V3.1版本开始，仅支持使用新语法建表。

建表语法

从Hologres V3.1版本开始，Dynamic Table的建表语法如下：

CREATE DYNAMIC TABLE [ IF NOT EXISTS ] [<schema_name>.]<table_name> (
[col_name],
[col_name],
[col_name]
)
[LOGICAL PARTITION BY LIST(<partition_key>)]
WITH (
  -- dynamic table的属性
  freshness = '<num> {minutes | hours}', -- 必填
  [auto_refresh_mode = '[full | incremental | auto]',] -- 非必填
  [auto_refresh_enable = [true | false],] -- 非必填
  [base_table_cdc_format = ['stream' | 'binlog'],] -- 非必填
  
  [auto_refresh_partition_active_time = '<num> {minutes | hours | days}',] -- 非必填
  [partition_key_time_format = '[YYYY-MM-DD | [,...]]',] --非必填
  [computing_resource = '[local | serverless]',] -- 非必填
  [refresh_guc_<guc_name> = '<guc_value>',] -- 非必填

  -- 通用属性
  [orientation = '[column | row | row,column]',]
  [table_group = '[tableGroupName]',]
  [distribution_key = 'columnName[,...]]',]
  [clustering_key = '[columnName{:asc]} [,...]]',]
  [event_time_column = '[columnName [,...]]',]
  [bitmap_columns = '[columnName [,...]]',]
  [dictionary_encoding_columns = '[columnName [,...]]',]
  [time_to_live_in_seconds = '<non_negative_literal>',]
  [storage_mode = '[hot | cold]',]

)
AS
<query>; -- query的定义

参数说明

刷新模式与资源

参数名	描述	是否必填	默认值
freshness	数据的新鲜度，单位为minutes \| hours，最小值为1mins，引擎会根据每次的Refresh时间、设置的freshness值，自动进行下一次Refresh，相比设置interval刷新周期，freshness会更加自动化地最大程度保障数据的新鲜度。	是	无
auto_refresh_mode	刷新模式。取值如下： auto：自动模式。如果Query支持增量刷新，则优先执行增量刷新，否则退化为全量刷新。 incremental：增量刷新，每次只刷新增量数据。使用详情请参见增量刷新。 full：全量刷新，每次都以全量的方式刷新表数据。使用详情请参见全量刷新。	否	auto
auto_refresh_enable	开启或关闭自动刷新。取值为： true：开启自动刷新。 false：关闭自动刷新。关闭之后，表的后续刷新都会被停止。	否	true
base_table_cdc_format	增量刷新消费基表的方式。 stream（默认）：从文件级别读取数据的变化记录，计算增量数据，相比Binlog方式，无额外的存储开销，性能也更高。详情请参见Dynamic Table。 binlog：以Binlog的方式消费基表的数据，设置了该参数后，还需要手动为基表开启Binlog。详情请参见订阅Hologres Binlog。 `begin; call set_table_property('<table_name>', 'binlog.level', 'replica'); call set_table_property('<table_name>', 'binlog.ttl', '2592000'); commit;` 说明从V3.1版本开始，所有表都默认使用Stream方式消费基表数据变更。如果您的表开启过Binlog，请及时关闭，以避免存储浪费。当基表为行存表时，仅支持使用Binlog方式，不支持使用Stream方式。创建表后不支持修改该参数，如需修改请重新建表。	否	stream
computing_resource	刷新的计算资源。取值为： serverless（默认）：默认使用Serverless资源，如果不满足Serverless的执行条件，将会默认退化为Local资源。Serverless使用详情请参见Serverless Computing使用指南。 local：本实例资源。说明从V3.1版本开始，新建表默认使用Serverless资源，V3.0版本中创建的表仍然使用创建表时指定的刷新计算资源。	否	serverless
refresh_guc_<guc_name>	支持对Refresh设置GUC参数，支持的GUC请参见GUC参数。	否	无

分区属性

逻辑分区参数

参数名	描述	是否必填	默认值
LOGICAL PARTITION BY LIST(<partition_key>)	创建Dynamic Table为逻辑分区表，还需要为分区表设置`auto_refresh_partition_active_time`和`partition_key_time_format`两个参数，才能使用。	否	无
auto_refresh_partition_active_time	分区的刷新范围。取值单位包括minutes \| hours \| days。系统会根据设置的auto_refresh_partition_active_time，从当前时间开始追溯历史分区，自动刷新范围内的分区数据。活跃分区：是指`当前时间 - 分区开始时间（由分区名推导出的时间）< auto_refresh_partition_active_time`。说明 auto_refresh_partition_active_time的单位必须大于一个Partition单位。例如按照天分区，auto_refresh_partition_active_time必须大于24h。支持修改该参数值，修改后仅对未来分区生效。	是	`分区时间单位 + 1 hour`，即允许基表的数据延迟为1小时，例如：如果按天分区，则默认值为25小时（1 day + 1 hour）。
partition_key_time_format	分区格式，当Dynamic Table为逻辑分区表时，系统会根据指定的分区格式生成对应的分区。分区字段支持的类型及对应的数据格式如下： Partition Key为TEXT/VARCHAR类型： YYYYMMDDHH24、YYYY-MM-DD-HH24、YYYY-MM-DD_HH24、YYYYMMDD、YYYY-MM-DD、YYYYMM、YYYY-MM、YYYY。 Partition Key为INT类型： YYYYMMDDHH24、YYYYMMDD、YYYYMM、YYYY。 Partition Key为DATE类型： YYYY-MM-DD	是	无

物理分区参数

参数名

描述

是否必填

默认值

PARTITION BY LIST(<partition_key>)

创建Dynamic Table为普通分区表。

相比逻辑分区Dynamic Table，普通分区Dynamic Table没有动态分区的能力，使用上存在一定的限制，建议优先使用逻辑分区。二者区别请参见分区表介绍。

否

无

表属性参数

参数	描述	是否必填	默认值
参数	描述	是否必填	full	incremental
col_name	Dynamic Table的字段名。可以显式指定Dynamic Table的列名，但是不能指定列的属性和数据类型，引擎会自动推导。说明若指定了列的属性和数据类型，会导致引擎推导不正确。	否	Query列名	Query列名
orientation	指定Dynamic Table的存储模式，取值如下： `column`：列存。 `row`：行存。	否	column	column
table_group	指定Dynamic Table所在的Table Group，默认为当前数据库下的Default Table Group，详情请参见Table Group与Shard Count操作指南。	否	默认Table Group名称	默认Table Group名称
distribution_key	指定Dynamic Table的Distribution Key，详情请参见分布键Distribution Key。	否	无	无
clustering_key	指定Dynamic Table的Clustering Key，详情请参见聚簇索引Clustering Key。	否	允许设置，有默认推导值。	允许设置，有默认推导值。
event_time_column	指定Dynamic Table的event_time_column，详情请参见Event Time Column（Segment Key）。	否	无	无
bitmap_columns	指定Dynamic Table的bitmap_columns，详情请参见位图索引Bitmap。	否	TEXT类型字段	TEXT类型字段
dictionary_encoding_columns	指定Dynamic Table的dictionary_encoding_columns，详情请参见字典编码Dictionary Encoding。	否	TEXT类型字段	TEXT类型字段
time_to_live_in_seconds	指定Dynamic Table数据的生命周期。	否	永久	永久
storage_mode	Dynamic Table的存储模式，取值如下： hot：热存， cold：冷存。说明存储模式详情请参见数据分层存储。	否	hot	hot

Query

Dynamic Table中数据生成的Query，设置的刷新模式不同，支持的Query类型和基表类型也不同，详情请参见Dynamic Table支持范围和限制。

V3.0

建表语法

Hologres V3.0版本Dynamic Table的建表语法如下：

CREATE DYNAMIC TABLE [IF NOT EXISTS] <schema.tablename>(
[col_name],
[col_name]
  ) [PARTITION BY LIST (col_name)]
WITH (
    [refresh_mode='[full|incremental]',]
    [auto_refresh_enable='[true|false',]

  --增量刷新专用参数：
    [incremental_auto_refresh_schd_start_time='[immediate|<timestamptz>]',]
    [incremental_auto_refresh_interval='[<num> {minute|minutes|hour|hours]',]  
    [incremental_guc_hg_computing_resource='[ local | serverless]',]
    [incremental_guc_hg_experimental_serverless_computing_required_cores='<num>',]

   --全量刷新专用参数：
    [full_auto_refresh_schd_start_time='[immediate|<timestamptz>]',]
    [full_auto_refresh_interval='[<num> {minute|minutes|hour|hours]',] 
    [full_guc_hg_computing_resource='[ local | serverless]',]--hg_full_refresh_computing_resource默认serverless，可以db级别设置，用户可以不设置
    [full_guc_hg_experimental_serverless_computing_required_cores='<num>',]
    
   --共用参数，允许设置guc：
   [refresh_guc_<guc>='xxx]',] 
   
  -- Dynamic Table的通用属性：
    [orientation = '[column | row | row,column]',]
    [table_group = '[tableGroupName]',]
    [distribution_key = 'columnName[,...]]',]
    [clustering_key = '[columnName{:asc]} [,...]]',]
    [event_time_column = '[columnName [,...]]',]
    [bitmap_columns = '[columnName [,...]]',]
    [dictionary_encoding_columns = '[columnName [,...]]',]
    [time_to_live_in_seconds = '<non_negative_literal>',]
    [storage_mode = '[hot | cold]']
    ) 
AS
<query> --query的定义

参数说明

刷新模式与资源

参数分类	参数名	描述	是否必填	默认值
共用刷新参数	refresh_mode	指定数据的刷新模式，支持full、incremental两种刷新模式。若不设置该参数，则表示不进行刷新。	否	无
	auto_refresh_enable	是否开启自动刷新。取值为： true：开启自动刷新。 false：不开启自动刷新。	否	false
	refresh_guc_<guc>	支持对Refresh设置GUC参数，支持的GUC请参见GUC参数。说明例如GUC参数中`timezone`时区设置，参数配置`refresh_guc_timezone = 'GMT-8:00'`。	否	无
增量刷新（incremental）	incremental_auto_refresh_schd_start_time	增量刷新的开始时间。取值为： immediate：默认值，建表成功后立即启动增量刷新。 <timestamptz>：自定义的增量刷新开始时间，例如设置为2024-08-24 1:00，则表示2024-08-24 1:00开始执行刷新任务。	否	immediate
	incremental_auto_refresh_interval	增量刷新的时间间隔，单位有minute、minutes、hour和hours。取值区间为[1min，48hours]。若不设置该参数，则表示只会在Refresh开始时间执行一次刷新操作。	否	无
	incremental_guc_hg_computing_resource	指定执行增量刷新的计算资源，取值为： local：本实例资源。 serverless：使用Serverless资源，但需注意查看实例是否满足Serverless需求，详情请参见Serverless Computing使用指南。说明支持使用`ALTER DATABASE xxx SET incremental_guc_hg_computing_resource=xx`命令在DB级别设置执行增量刷新的计算资源。	否	local
	incremental_guc_hg_experimental_serverless_computing_required_cores	如果使用Serverless资源执行刷新，则需要设置刷新的计算资源量。说明不同规格的实例可使用的Serverless资源有一定的限制，详情请参见Serverless Computing使用指南。	否	无
全量刷新（full）	full_auto_refresh_schd_start_time	全量刷新的开始时间。取值为： immediate：默认值，建表成功后立即启动全量刷新。 <timestamptz>：自定义的全量刷新开始时间，例如设置为2024-08-24 1:00，则表示2024-08-24 1:00开始执行刷新任务。	否	immediate
	full_auto_refresh_interval	全量刷新的时间间隔，单位有minute、minutes、hour和hours。取值区间为[1min，48hours]。若不设置该参数，则表示只会在Refresh开始时间执行一次刷新操作。	否	无
	full_guc_hg_computing_resource	指定执行全量刷新的计算资源，取值为： local：本实例资源。 serverless：使用Serverless资源，但需注意查看实例是否满足Serverless需求，详情请参见Serverless Computing使用指南。说明支持使用`ALTER DATABASE xxx SET full_guc_hg_computing_resource=xx`命令在DB级别设置执行全量刷新的计算资源。	否	local
	full_guc_hg_experimental_serverless_computing_required_cores	如果使用Serverless执行刷新，则需要设置刷新的计算资源量。说明不同规格的实例可使用的Serverless资源有一定的限制，详情请参见Serverless Computing使用指南。	否	无

表属性参数

参数	描述	是否必填	默认值
参数	描述	是否必填	full	incremental
col_name	Dynamic Table的字段名。可以显式指定Dynamic Table的列名，但是不能指定列的属性和数据类型，引擎会自动推导。说明若指定了列的属性和数据类型，会导致引擎推导不正确。	否	Query列名	Query列名
orientation	指定Dynamic Table的存储模式，取值如下： `column`：列存。 `row`：行存。	否	column	column
table_group	指定Dynamic Table所在的Table Group，默认为当前数据库下的Default Table Group，详情请参见Table Group与Shard Count操作指南。	否	默认Table Group名称	默认Table Group名称
distribution_key	指定Dynamic Table的Distribution Key，详情请参见分布键Distribution Key。	否	无	无
clustering_key	指定Dynamic Table的Clustering Key，详情请参见聚簇索引Clustering Key。	否	允许设置，有默认推导值。	允许设置，有默认推导值。
event_time_column	指定Dynamic Table的event_time_column，详情请参见Event Time Column（Segment Key）。	否	无	无
bitmap_columns	指定Dynamic Table的bitmap_columns，详情请参见位图索引Bitmap。	否	TEXT类型字段	TEXT类型字段
dictionary_encoding_columns	指定Dynamic Table的dictionary_encoding_columns，详情请参见字典编码Dictionary Encoding。	否	TEXT类型字段	TEXT类型字段
time_to_live_in_seconds	指定Dynamic Table数据的生命周期。	否	永久	永久
storage_mode	Dynamic Table的存储模式，取值如下： hot：热存， cold：冷存。说明存储模式详情请参见数据分层存储。	否	hot	hot
PARTITION BY LIST	是否为分区表，支持创建Dynamic Table分区表，使用方式与普通分区表相同，不同分区子表可以设置不同的刷新模式，来满足业务不同场景的时效性需求。	否	非分区表	非分区表

Query

Dynamic Table中数据生成的Query，设置的刷新模式不同，支持的Query类型和基表类型也不同，详情请参见Dynamic Table支持范围和限制。

增量刷新

增量刷新通过自动感知基表数据的变化，将Query中的数据以增量的方式写入Dynamic Table。相比于全量刷新，增量刷新处理的数据量更少，处理时效性会更高。在实际应用中，如果有分钟级近实时数据查询的需求，更推荐使用增量刷新模式，但在使用增量Dynamic Table时需要注意如下几点：

基表的限制：
- Hologres V3.1版本默认使用Stream模式消费增量数据。如果您的基表在V3.0版本已经开启过Binlog，建议及时关闭，防止存储成本增加。
- V3.0版本，需要为基表开启Binlog，如果是维表JOIN，维表无需开启Binlog。基表开启Binlog后，会有一定的存储开销，您可参考表存储明细查询Binlog占用存储。
开启增量刷新后，系统会在后台生成一张状态表，用于记录中间聚合结果，关于状态表技术原理请参见Dynamic Table。状态表会存储中间聚合数据，因此会占用一定的存储，查看存储请参见查看Dynamic Table表结构和血缘。
当前增量刷新支持的Query和算子详情，请参见Dynamic Table支持范围和限制。

多表JOIN（双流JOIN）

双流JOIN即多表JOIN，语义与OLAP查询相同，基于HASH JOIN实现，支持INNER JOIN、LEFT/RIGHT/FULL OUTER JOIN四种JOIN类型。

V3.1版本

说明

从Hologres V3.1版本开始，双流JOIN的GUC默认开启，无需再手动设置。

示例SQL如下：

CREATE TABLE users (
  user_id INT,
  user_name TEXT,
  PRIMARY KEY (user_id)
);
INSERT INTO users VALUES(1, 'hologres');

CREATE TABLE orders (
  order_id INT,
  user_id INT,
  PRIMARY KEY (order_id)
);
INSERT INTO orders VALUES(1, 1);

CREATE DYNAMIC TABLE dt WITH (
  auto_refresh_mode = 'incremental',
  freshness='10 minutes'
) 
AS 
SELECT order_id, orders.user_id, user_name 
FROM orders LEFT JOIN users ON orders.user_id = users.user_id;

-- 刷新之后可以看到一条关联数据
REFRESH TABLE dt;
SELECT * FROM dt;
 order_id | user_id | user_name 
----------+---------+-----------
        1 |       1 | hologres
(1 row)


UPDATE users SET user_name = 'dynamic table' WHERE user_id = 1;
INSERT INTO orders VALUES(4, 1);

-- 刷新之后可以看到两条关联数据，维表更新对所有数据生效，可以订正已关联数据
REFRESH TABLE dt;
SELECT * FROM dt;

返回结果如下：

 order_id | user_id |   user_name   
----------+---------+---------------
        1 |       1 | dynamic table
        4 |       1 | dynamic table
(2 rows)

V3.0版本

Hologres从V3.0.26版本开始支持多表JOIN（双流JOIN），在使用之前请先升级实例版本，同时需要执行如下GUC开启双流JOIN。

-- Session级别开启
SET hg_experimental_incremental_dynamic_table_enable_hash_join TO ON;

--DB级别开启，新建连接生效
ALTER database <db_name> SET hg_experimental_incremental_dynamic_table_enable_hash_join TO ON;

示例SQL如下：

CREATE TABLE users (
  user_id INT,
  user_name TEXT,
  PRIMARY KEY (user_id)
) WITH (binlog_level = 'replica');
INSERT INTO users VALUES(1, 'hologres');

CREATE TABLE orders (
  order_id INT,
  user_id INT,
  PRIMARY KEY (order_id)
)  WITH (binlog_level = 'replica');
INSERT INTO orders VALUES(1, 1);

CREATE DYNAMIC TABLE dt WITH (refresh_mode = 'incremental') 
AS 
SELECT order_id, orders.user_id, user_name 
FROM orders LEFT JOIN users ON orders.user_id = users.user_id;

-- 刷新之后可以看到一条关联数据
REFRESH TABLE dt;
SELECT * FROM dt;
 order_id | user_id | user_name 
----------+---------+-----------
        1 |       1 | hologres
(1 row)


UPDATE users SET user_name = 'dynamic table' WHERE user_id = 1;
INSERT INTO orders VALUES(4, 1);

-- 刷新之后可以看到两条关联数据，维表更新对所有数据生效，可以订正已关联数据
REFRESH TABLE dt;
SELECT * FROM dt;

返回结果如下：

 order_id | user_id |   user_name   
----------+---------+---------------
        1 |       1 | dynamic table
        4 |       1 | dynamic table
(2 rows)

维表JON

维表JOIN的语义是：对每条数据，只会关联当时维表的最新版本数据，即JOIN行为只发生在处理时间（Processing Time）。如果JOIN行为发生后，维表中的数据发生了变化（新增、更新或删除），则已关联的维表数据不会同步更新。示例SQL如下：

说明

维表的JOIN操作与参与表的数据量无关，只要在SQL中采用维表的JOIN语义即可。

V3.1版本

CREATE TABLE users (
  user_id INT,
  user_name TEXT,
  PRIMARY KEY (user_id)
);
INSERT INTO users VALUES(1, 'hologres');

CREATE TABLE orders (
  order_id INT,
  user_id INT,
  PRIMARY KEY (order_id)
)  WITH (binlog_level = 'replica');

INSERT INTO orders VALUES(1, 1);
CREATE DYNAMIC TABLE dt_join_2 WITH (
    auto_refresh_mode = 'incremental',
    freshness='10 minutes') 
AS 
SELECT order_id, orders.user_id, user_name 
-- FOR SYSTEM_TIME AS OF PROCTIME()用于标识users做为维表
FROM orders LEFT JOIN users FOR SYSTEM_TIME AS OF PROCTIME()
ON orders.user_id = users.user_id;

-- 刷新之后可以看到一条关联数据
REFRESH TABLE dt_join_2;
SELECT * FROM dt_join_2;
 order_id | user_id | user_name 
----------+---------+-----------
        1 |       1 | hologres
(1 row)


UPDATE users SET user_name = 'dynamic table' WHERE user_id = 1;
INSERT INTO orders VALUES(4, 1);

-- 刷新之后可以看到两条关联数据，维表更新只对新增数据生效，无法订正已关联数据
REFRESH TABLE dt_join_2;
SELECT * FROM dt_join_2;

返回结果如下：

 order_id | user_id |   user_name   
----------+---------+---------------
        1 |       1 | hologres
        4 |       1 | dynamic table
(2 rows)

V3.0版本

CREATE TABLE users (
  user_id INT,
  user_name TEXT,
  PRIMARY KEY (user_id)
);
INSERT INTO users VALUES(1, 'hologres');

CREATE TABLE orders (
  order_id INT,
  user_id INT,
  PRIMARY KEY (order_id)
)  WITH (binlog_level = 'replica');
INSERT INTO orders VALUES(1, 1);

CREATE DYNAMIC TABLE dt_join_2 WITH (refresh_mode = 'incremental') 
AS 
SELECT order_id, orders.user_id, user_name 
-- FOR SYSTEM_TIME AS OF PROCTIME()用于标识users做为维表
FROM orders LEFT JOIN users FOR SYSTEM_TIME AS OF PROCTIME()
ON orders.user_id = users.user_id;

-- 刷新之后可以看到一条关联数据
REFRESH TABLE dt_join_2;
SELECT * FROM dt_join_2;

order_id | user_id | user_name 
----------+---------+-----------
        1 |       1 | hologres
(1 row)
 
UPDATE users SET user_name = 'dynamic table' WHERE user_id = 1;
INSERT INTO orders VALUES(4, 1);

-- 刷新之后可以看到两条关联数据，维表更新只对新增数据生效，无法订正已关联数据
REFRESH TABLE dt_join_2;
SELECT * FROM dt_join_2;

返回结果如下：

 order_id | user_id |   user_name   
----------+---------+---------------
        1 |       1 | hologres
        4 |       1 | dynamic table
(2 rows)

增量消费湖表（Paimon）

增量刷新支持消费Paimon湖表，实现湖仓一体化。详情请参见使用Hologres完成湖上数据实时入仓以及聚合分析。

全增量一体化刷新

当前增量Dynamic Table也支持全增量一体消费，即首先消费Query命中的基表全量数据，再消费基表新增的数据。

V3.1版本

V3.1版本，全增量一体化刷新默认开启。使用示例如下：

--准备基表，并开启binlog插入数据
CREATE TABLE base_sales(
  day TEXT NOT NULL,
  hour INT,
  user_id BIGINT,
  ts TIMESTAMPTZ,
  amount FLOAT,
  pk text NOT NULL PRIMARY KEY
);

-- 为基表导入数据
INSERT INTO base_sales values ('2024-08-29',1,222222,'2024-08-29 16:41:19.141528+08',5,'ddd');


-- 再为基表导入增量数据
INSERT INTO base_sales VALUES ('2024-08-29',2,3333,'2024-08-29 17:44:19.141528+08',100,'aaaaa');


-- 创建自动刷新的增量Dynamic Table，并开启全增量数据一体消费的GUC
CREATE DYNAMIC TABLE sales_incremental
  WITH (
    auto_refresh_mode='incremental',
    freshness='10 minutes'
  ) 
AS 
  SELECT day, hour, SUM(amount), COUNT(1) 
    FROM base_sales 
  GROUP BY day, hour;

对比数据一致性：

查询基表

SELECT day, hour, SUM(amount), COUNT(1) 
    FROM base_sales 
  GROUP BY day, hour;

返回结果：

day	    hour	sum	count
2024-08-29	2	100	1
2024-08-29	1	5	1

查询Dynamic Table

SELECT * FROM sales_incremental;

返回结果：

day	    hour	sum	count
2024-08-29	1	5	1
2024-08-29	2	100	1

V3.0版本

V3.0版本，需要开启GUC实现全增量一体化刷新。使用示例如下：

--准备基表，并开启binlog插入数据
CREATE TABLE base_sales(
  day TEXT NOT NULL,
  hour INT,
  user_id BIGINT,
  ts TIMESTAMPTZ,
  amount FLOAT,
  pk text NOT NULL PRIMARY KEY
);

-- 为基表导入数据
INSERT INTO base_sales values ('2024-08-29',1,222222,'2024-08-29 16:41:19.141528+08',5,'ddd');

-- 为基表打开Binlog
ALTER TABLE base_sales SET (binlog_level = replica);

-- 再为基表导入增量数据
INSERT INTO base_sales VALUES ('2024-08-29',2,3333,'2024-08-29 17:44:19.141528+08',100,'aaaaa');


-- 创建自动刷新的增量Dynamic Table，并开启全增量数据一体消费的GUC
CREATE DYNAMIC TABLE sales_incremental
  WITH (
    refresh_mode='incremental',
    incremental_auto_refresh_schd_start_time = 'immediate',
    incremental_auto_refresh_interval = '3 minutes',
    incremental_guc_hg_experimental_enable_hybrid_incremental_mode= 'true'
  ) 
AS 
  SELECT day, hour, SUM(amount), COUNT(1) 
    FROM base_sales 
  GROUP BY day, hour;

对比数据一致性：

查询基表

SELECT day, hour, SUM(amount), COUNT(1) 
    FROM base_sales 
  GROUP BY day, hour;

返回结果：

day	    hour	sum	count
2024-08-29	2	100	1
2024-08-29	1	5	1

查询Dynamic Table

SELECT * FROM sales_incremental;

返回结果：

day	    hour	sum	count
2024-08-29	1	5	1
2024-08-29	2	100	1

全量刷新

全量刷新会将Query中的数据以全量的方式写入Dynamic Table。相比于增量刷新，全量刷新的优势在于：

支持更多的基表类型。
支持更丰富的Query类型、算子支持等。

全量刷新相比增量刷新，处理的数据量更多，消耗的资源可能更多，因此更推荐的应用场景包括：定期报表查看、定期回刷数据等。

说明

更多关于全量刷新的信息请参见全量刷新。

使用示例

V3.1版本

示例1：创建增量刷新Dynamic Table

执行下述操作前，请先参考一键导入公共数据集将tpch_10g公共数据集的数据导入至Hologres。

说明

创建增量Dynamic Table之前，需要为基表开启Binlog（维表无需开启）。

--创建单表赠量刷新的dynamic table，并指定开始刷新时间，每3min刷新一次。
CREATE DYNAMIC TABLE public.tpch_q1_incremental 
WITH (
auto_refresh_mode='incremental',
freshness='3 minutes'
) AS SELECT
        l_returnflag,
        l_linestatus,
        COUNT(*) AS count_order
FROM
        hologres_dataset_tpch_10g.lineitem
WHERE
        l_shipdate <= DATE '1998-12-01' - INTERVAL '120' DAY
GROUP BY
        l_returnflag,
        l_linestatus;

示例2：创建多表JOIN的增量刷新Dynamic Table

执行下述操作前，请先参考一键导入公共数据集将tpch_10g公共数据集的数据导入至Hologres。

说明

在创建增量Dynamic Table之前，需要为基表开启Binlog（维表不需要开启）。

--创建多表join的增量刷新dynamic table
CREATE DYNAMIC TABLE dt_join
  WITH (
    auto_refresh_mode='incremental',
    freshness='30 minutes'
  ) 
AS 
SELECT
        l_shipmode,
        SUM(CASE
                WHEN o_orderpriority = '1-URGENT'
                        OR o_orderpriority = '2-HIGH'
                        THEN 1
                ELSE 0
        END) AS high_line_count,
        SUM(CASE
                WHEN o_orderpriority <> '1-URGENT'
                        AND o_orderpriority <> '2-HIGH'
                        THEN 1
                ELSE 0
        END) AS low_line_count
FROM
        hologres_dataset_tpch_10g.orders,
        hologres_dataset_tpch_10g.lineitem
WHERE
        o_orderkey = l_orderkey
        AND l_shipmode IN ('FOB', 'AIR')
        AND l_commitdate < l_receiptdate
        AND l_shipdate < l_commitdate
        AND l_receiptdate >= DATE '1997-01-01'
        AND l_receiptdate < DATE '1997-01-01' + INTERVAL '1' YEAR
GROUP BY
        l_shipmode;

示例3：创建自动刷新Dynamic Table

将Dynamic Table设置为自动刷新，引擎自动选择刷新模式，优先使用增量刷新，若不支持增量刷新，则退化为全量刷新。

执行下述操作前，请先参考一键导入公共数据集将tpch_10g公共数据集的数据导入至Hologres。

--创建自动刷新的dynamic table，引擎自动选择刷新模型。执行的结果是使用增量刷新模式
CREATE DYNAMIC TABLE thch_q6_auto
  WITH (
    auto_refresh_mode='auto',
    freshness='1 hours'
       ) 
AS
SELECT
        SUM(l_extendedprice * l_discount) AS revenue
FROM
        hologres_dataset_tpch_100g.lineitem
WHERE
        l_shipdate >= DATE '1996-01-01'
        AND l_shipdate < DATE '1996-01-01' + INTERVAL '1' YEAR
        AND l_discount BETWEEN 0.02 - 0.01 AND 0.02 + 0.01
        AND l_quantity < 24;

示例4：创建逻辑分区Dynamic Table

以实时交易大屏为例，业务通常会有近实时查看当天数据，同时又需要修正历史数据的实时离线一体化分析需求（详情请参见业务与数据认知）。我们通常使用Dynamic Table逻辑分区来实现该场景。具体方案如下：

基表是按天分区，最新分区是Flink实时/近实时写入，历史分区数据从MaxCompute写入。
Dynamic Table基于基表创建，使用逻辑分区表，最新的2个分区是活跃分区，通过增量刷新模式刷新，满足业务的近实时数据分析需求
历史分区是不活跃的分区，使用全量刷新模式，如果源表的历史分区有进行过数据修正/回刷，可以将历史分区使用全量刷新进行回刷

本示例使用Github公共数据集进行演示。

准备基表。

基表的最新数据来源于Flink实时写入，详细操作流程请参见基于GitHub公开事件数据集的离线实时一体化实践。

DROP TABLE IF EXISTS gh_realtime_data;

BEGIN;
CREATE TABLE gh_realtime_data (
    id BIGINT,
    actor_id BIGINT,
    actor_login TEXT,
    repo_id BIGINT,
    repo_name TEXT,
    org_id BIGINT,
    org_login TEXT,
    type TEXT,
    created_at timestamp with time zone NOT NULL,
    action TEXT,
    iss_or_pr_id BIGINT,
    number BIGINT,
    comment_id BIGINT,
    commit_id TEXT,
    member_id BIGINT,
    rev_or_push_or_rel_id BIGINT,
    ref TEXT,
    ref_type TEXT,
    state TEXT,
    author_association TEXT,
    language TEXT,
    merged BOOLEAN,
    merged_at TIMESTAMP WITH TIME ZONE,
    additions BIGINT,
    deletions BIGINT,
    changed_files BIGINT,
    push_size BIGINT,
    push_distinct_size BIGINT,
    hr TEXT,
    month TEXT,
    year TEXT,
    ds TEXT,
    PRIMARY KEY (id,ds)
)
PARTITION BY LIST (ds);
CALL set_table_property('public.gh_realtime_data', 'distribution_key', 'id');
CALL set_table_property('public.gh_realtime_data', 'event_time_column', 'created_at');
CALL set_table_property('public.gh_realtime_data', 'clustering_key', 'created_at');

COMMENT ON COLUMN public.gh_realtime_data.id IS '事件ID';
COMMENT ON COLUMN public.gh_realtime_data.actor_id IS '事件发起人ID';
COMMENT ON COLUMN public.gh_realtime_data.actor_login IS '事件发起人登录名';
COMMENT ON COLUMN public.gh_realtime_data.repo_id IS 'repoID';
COMMENT ON COLUMN public.gh_realtime_data.repo_name IS 'repo名称';
COMMENT ON COLUMN public.gh_realtime_data.org_id IS 'repo所属组织ID';
COMMENT ON COLUMN public.gh_realtime_data.org_login IS 'repo所属组织名称';
COMMENT ON COLUMN public.gh_realtime_data.type IS '事件类型';
COMMENT ON COLUMN public.gh_realtime_data.created_at IS '事件发生时间';
COMMENT ON COLUMN public.gh_realtime_data.action IS '事件行为';
COMMENT ON COLUMN public.gh_realtime_data.iss_or_pr_id IS 'issue/pull_request ID';
COMMENT ON COLUMN public.gh_realtime_data.number IS 'issue/pull_request 序号';
COMMENT ON COLUMN public.gh_realtime_data.comment_id IS 'comment（评论）ID';
COMMENT ON COLUMN public.gh_realtime_data.commit_id IS '提交记录ID';
COMMENT ON COLUMN public.gh_realtime_data.member_id IS '成员ID';
COMMENT ON COLUMN public.gh_realtime_data.rev_or_push_or_rel_id IS 'review/push/release ID';
COMMENT ON COLUMN public.gh_realtime_data.ref IS '创建/删除的资源名称';
COMMENT ON COLUMN public.gh_realtime_data.ref_type IS '创建/删除的资源类型';
COMMENT ON COLUMN public.gh_realtime_data.state IS 'issue/pull_request/pull_request_review的状态';
COMMENT ON COLUMN public.gh_realtime_data.author_association IS 'actor与repo之间的关系';
COMMENT ON COLUMN public.gh_realtime_data.language IS '编程语言';
COMMENT ON COLUMN public.gh_realtime_data.merged IS '是否接受合并';
COMMENT ON COLUMN public.gh_realtime_data.merged_at IS '代码合并时间';
COMMENT ON COLUMN public.gh_realtime_data.additions IS '代码增加行数';
COMMENT ON COLUMN public.gh_realtime_data.deletions IS '代码减少行数';
COMMENT ON COLUMN public.gh_realtime_data.changed_files IS 'pull request 改变文件数量';
COMMENT ON COLUMN public.gh_realtime_data.push_size IS '提交数量';
COMMENT ON COLUMN public.gh_realtime_data.push_distinct_size IS '不同的提交数量';
COMMENT ON COLUMN public.gh_realtime_data.hr IS '事件发生所在小时，如00点23分，hr=00';
COMMENT ON COLUMN public.gh_realtime_data.month IS '事件发生所在月，如2015年10月，month=2015-10';
COMMENT ON COLUMN public.gh_realtime_data.year IS '事件发生所在年，如2015年，year=2015';
COMMENT ON COLUMN public.gh_realtime_data.ds IS '事件发生所在日，ds=yyyy-mm-dd';

COMMIT;

创建Dynamic Table逻辑分区表。

CREATE  DYNAMIC TABLE ads_dt_github_event
LOGICAL PARTITION BY LIST(ds)
WITH (
  -- dynamic table的属性
  freshness = '5 minutes', 
  auto_refresh_mode = 'auto', 
  auto_refresh_partition_active_time = '2 days' ,
  partition_key_time_format = 'YYYY-MM-DD'
)
AS
SELECT
    repo_name,
    COUNT(*) AS events,
    ds
FROM
    gh_realtime_data
GROUP BY repo_name,ds

查询Dynamic Table。
```
SELECT * FROM ads_dt_github_event ;
```
回刷历史分区。
如果基表有历史数据变更，例如2025-04-01的数据有变更，Dynamic Table的数据需要同步更新，可以将Dynamic Table的历史分区设置成全量刷新模式，并结合Serverless执行一次刷新。
```
REFRESH OVERWRITE DYNAMIC TABLE ads_dt_github_event
PARTITION (ds = '2025-04-01') 
WITH (
  refresh_mode = 'full'
);
```

示例5：通过Dynamic Table增量刷新计算任意长周期UV计算

从Hologres V3.1版本开始，Dynamic Table增量刷新支持RB_BUILD_AGG函数，以实现任意长周期的UV等计算，相比原预聚合方案，增量刷新的优势在于：

更快的性能：每次计算时只需要计算增量的数据，计算性能更快。
更低的成本：参与计算的数据量减少，使用的计算资源也随之减少，有效降低成本。可以支持更长周期的数据量计算。

示例如下：

准备一张用户明细表。

BEGIN;
CREATE TABLE IF NOT EXISTS ods_app_detail (
     uid INT,
     country TEXT,
     prov TEXT,
     city TEXT,
     channel TEXT,
     operator TEXT,
     brand TEXT,
     ip TEXT,
     click_time TEXT,
     year TEXT,
     month TEXT,
     day TEXT,
     ymd TEXT NOT NULL
);
CALL set_table_property('ods_app_detail', 'orientation', 'column');
CALL set_table_property('ods_app_detail', 'bitmap_columns', 'country,prov,city,channel,operator,brand,ip,click_time, year, month, day, ymd');
--distribution_key根据需求设置，根据该表的实时查询需求，从什么维度做分片能够取得较好效果即可
CALL set_table_property('ods_app_detail', 'distribution_key', 'uid');
--用于做where过滤条件，包含完整年月日时间字段推荐设为clustering_key和event_time_column
CALL set_table_property('ods_app_detail', 'clustering_key', 'ymd');
CALL set_table_property('ods_app_detail', 'event_time_column', 'ymd');
COMMIT;

通过Dynamic Table增量刷新计算UV。

CREATE DYNAMIC TABLE ads_uv_dt
  WITH (
    freshness = '5 minutes', 
    auto_refresh_mode = 'incremental') 
  AS 
SELECT  
 RB_BUILD_AGG(uid),
 country,
 prov,
 city,
 ymd,
COUNT(1)
FROM    ods_app_detail
WHERE ymd >= '20231201' AND ymd <='20240502'
GROUP BY country,prov,city,ymd;

查询任意周期的UV。

SELECT  
RB_CARDINALITY(RB_OR_AGG(rb_uid)) AS uv,
  country,
  prov,
  city,
  SUM(pv) AS pv
FROM    ads_uv_dt
WHERE   ymd = '20240329'
GROUP BY country,prov,city;

V3.0版本

示例1：创建全量刷新Dynamic Table并自动开始执行刷新

执行下述操作前，请先参考一键导入公共数据集将tpch_10g公共数据集的数据导入至Hologres。

--创建 “test” Schema
CREATE SCHEMA test;

--创建单表全量刷新的dynamic table，并立即开始刷新，每1小时刷新一次。
CREATE DYNAMIC TABLE test.thch_q1_full
  WITH (
    refresh_mode='full',
    auto_refresh_enable='true',
    full_auto_refresh_interval='1 hours',
    full_guc_hg_computing_resource='serverless',
    full_guc_hg_experimental_serverless_computing_required_cores='32'
       ) 
AS
  SELECT
        l_returnflag,
        l_linestatus,
        SUM(l_quantity) AS sum_qty,
        SUM(l_extendedprice) AS sum_base_price,
        SUM(l_extendedprice * (1 - l_discount)) AS sum_disc_price,
        SUM(l_extendedprice * (1 - l_discount) * (1 + l_tax)) AS sum_charge,
        AVG(l_quantity) AS avg_qty,
        AVG(l_extendedprice) AS avg_price,
        AVG(l_discount) AS avg_disc,
        COUNT(*) AS count_order
FROM
        hologres_dataset_tpch_10g.lineitem
WHERE
        l_shipdate <= DATE '1998-12-01' - INTERVAL '120' DAY
GROUP BY
        l_returnflag,
        l_linestatus;

示例2：创建增量刷新的Dynamic Table并指定开始刷新时间

执行下述操作前，请先参考一键导入公共数据集将tpch_10g公共数据集的数据导入至Hologres。

创建增量Dynamic Table示例如下：

说明

在创建增量Dynamic Table之前，需要为基表开启Binlog（维表不需要开启）。

--为基表开binlog：
BEGIN;
CALL set_table_property('hologres_dataset_tpch_10g.lineitem', 'binlog.level', 'replica');
COMMIT;

--创建单表赠量刷新的dynamic table，并指定开始刷新时间，每3min刷新一次
CREATE DYNAMIC TABLE public.tpch_q1_incremental 
WITH (
refresh_mode='incremental',
auto_refresh_enable='true',
incremental_auto_refresh_schd_start_time='2024-09-15 23:50:0',
incremental_auto_refresh_interval='3 minutes',
incremental_guc_hg_computing_resource='serverless',
incremental_guc_hg_experimental_serverless_computing_required_cores='30'
) AS SELECT
        l_returnflag,
        l_linestatus,
        COUNT(*) AS count_order
FROM
        hologres_dataset_tpch_10g.lineitem
WHERE
        l_shipdate <= DATE '1998-12-01' - INTERVAL '120' DAY
GROUP BY
        l_returnflag,
        l_linestatus
;

示例3：创建多表JOIN的全量刷新Dynamic Table

--创建query为多表join的dynamic table，全量刷新模式，每3小时刷新一次。
CREATE DYNAMIC TABLE dt_q_full
  WITH (
    refresh_mode='full',
    auto_refresh_enable='true',
    full_auto_refresh_schd_start_time='immediate',
    full_auto_refresh_interval='3 hours',
    full_guc_hg_computing_resource='serverless',
    full_guc_hg_experimental_serverless_computing_required_cores='64'
  ) 
AS 
SELECT
        o_orderpriority,
        COUNT(*) AS order_count
FROM
        hologres_dataset_tpch_10g.orders
WHERE
        o_orderdate >= DATE '1996-07-01'
        AND o_orderdate < DATE '1996-07-01' + INTERVAL '3' MONTH
        AND EXISTS (
                SELECT
                        *
                FROM
                        hologres_dataset_tpch_10g.lineitem
                WHERE
                        l_orderkey = o_orderkey
                        AND l_commitdate < l_receiptdate
        )
GROUP BY
        o_orderpriority;

示例4：创建维表JOIN的增量刷新Dynamic Table

创建维表JOIN的增量Dynamic Table示例如下：

说明

在创建增量Dynamic Table之前，需要为基表开启Binlog（维表不需要开启）。

维表JOIN的语义是：对每条数据，只会关联当时维表的最新版本数据，即JOIN行为只发生在处理时间（Processing Time）。如果JOIN行为发生后，维表中的数据发生了变化（新增、更新或删除），则已关联的维表数据不会被同步变化。SQL示例如下：

--明细表
BEGIN;
CREATE TABLE public.sale_detail(
        app_id TEXT,
        uid TEXT,
        product TEXT,
        gmv BIGINT,
        order_time TIMESTAMPTZ
);
--为基表开binlog，维表不需要开启
CALL set_table_property('public.sale_detail', 'binlog.level', 'replica');
COMMIT;

--属性表
CREATE TABLE public.user_info(
        uid TEXT,
        province TEXT,
        city TEXT
);

CREATE DYNAMIC TABLE public.dt_sales_incremental
  WITH (
    refresh_mode='incremental',
    auto_refresh_enable='true',
    incremental_auto_refresh_schd_start_time='2024-09-15 00:00:00',
    incremental_auto_refresh_interval='5 minutes',
    incremental_guc_hg_computing_resource='serverless',
    incremental_guc_hg_experimental_serverless_computing_required_cores='128') 
AS 
SELECT 
    sale_detail.app_id,
    sale_detail.uid,
    product,
    SUM(sale_detail.gmv) AS sum_gmv,
    sale_detail.order_time,
    user_info.province,
    user_info.city 
FROM public.sale_detail 
INNER JOIN public.user_info  FOR SYSTEM_TIME AS OF PROCTIME()
ON sale_detail.uid =user_info.uid
GROUP BY sale_detail.app_id,sale_detail.uid,sale_detail.product,sale_detail.order_time,user_info.province,user_info.city;

示例5：创建分区Dynamic Table

以实时交易大屏为例，业务通常会有近实时查看当天数据，同时又需要修正历史数据的需求。在这种场景下，我们通常使用Dynamic Table增量刷新和全量刷新来实现。做法如下：

创建分区表作为基表，最新分区采用实时/近实时写入方式，历史分区偶尔有数据修正的操作。
创建Dynamic Table，将其作为分区父表，最新的分区使用增量刷新模式，满足业务的近实时数据分析需求。
将历史分区切换成全量刷新模式，如果源表的历史分区进行过数据修正/回刷，则Dynamic Table的历史分区也可以使用全量刷新模式进行一次回刷，同时建议结合Serverless提升回刷速度。

示例如下：

准备基表和数据。

基表为分区表，最新分区采用实时数据写入方式。

-- 创建分区源表
CREATE TABLE base_sales(
  uid INT,
  opreate_time TIMESTAMPTZ,
  amount FLOAT,
  tt TEXT NOT NULL,
  ds TEXT,
  PRIMARY KEY(ds)
) PARTITION BY LIST (ds) ;

--历史分区
CREATE TABLE base_sales_20240615 PARTITION OF base_sales FOR VALUES IN ('20240615');
INSERT INTO base_sales_20240615 VALUES (2,'2024-06-15 16:18:25.387466+08','111','2','20240615');

--最新分区，一般是实时写入
CREATE TABLE base_sales_20240616 PARTITION OF base_sales FOR VALUES IN ('20240616');
INSERT INTO base_sales_20240616 VALUES (1,'2024-06-16 16:08:25.387466+08','2','1','20240616');

创建Dynamic Table分区父表，父表只设置Query的定义，不设置刷新模式。

--创建extension
CREATE EXTENSION roaringbitmap;

CREATE DYNAMIC TABLE partition_dt_base_sales
PARTITION BY LIST (ds)
as
SELECT  
 public.RB_BUILD_AGG(uid),
 opreate_time,
 amount,
 tt,
 ds,
COUNT(1)
FROM    base_sales
GROUP BY opreate_time ,amount,tt,ds;

创建子表，并为子表设置刷新模式。

您可手动创建Dynamic Table分区子表，也可以使用DataWorks数据开发动态创建Dynamic Table分区子表。最新分区创建为增量刷新模式，历史分区设置为全量刷新模式。

-- 为基表打开Binlog
ALTER TABLE base_sales SET (binlog_level = replica);

-- 假设历史Dynamic Table分区子表如下：
CREATE DYNAMIC TABLE partition_dt_base_sales_20240615 PARTITION OF partition_dt_base_sales FOR VALUES IN ('20240615')
  WITH (
    refresh_mode='incremental',
    auto_refresh_enable='true',
    incremental_auto_refresh_schd_start_time='immediate',
    incremental_auto_refresh_interval='30 minutes'
       );

-- 创建新的Dynamic Table分区子表,并指定最新分区的刷新模式为增量刷新，建表成功后立即开始启动刷新，刷新间隔为30分钟，并使用本实例资源刷新。
CREATE DYNAMIC TABLE partition_dt_base_sales_20240616 PARTITION OF partition_dt_base_sales FOR VALUES IN ('20240616')
  WITH (
    refresh_mode='incremental',
    auto_refresh_enable='true',
    incremental_auto_refresh_schd_start_time='immediate',
    incremental_auto_refresh_interval='30 minutes'
       );

--将历史分区转换为全量刷新模式
ALTER DYNAMIC TABLE partition_dt_base_sales_20240615 SET (refresh_mode = 'full');
--如果历史分区需要数据订正，可以执行一次refresh，建议配合serverless来执行。
SET hg_computing_resource = 'serverless';
REFRESH DYNAMIC TABLE partition_dt_base_sales_20240615;

语法转换命令

Hologres 自V3.1版本开始，Dynamic Table的语法有所升级。当您从V3.0版本升级后，需要使用V3.1语法重新建表，Hologres提供语法转换工具，方便您更加简便的完成语法转换。

需重新建表场景

增量刷新的Dynamic Table：若是Dynamic Table是增量刷新，则必须重新创建。
升级检查中语法不兼容，必须重新建表，具体情况需以升级检查报告为准。

说明

通过V3.0语法创建的Dynamic Table除以上场景外，可以不需要重新创建，但只能对表执行ALTER，不能使用V3.0版本语法建表。

转换语法命令的适用场景

仅适用于非分区表（刷新模式包含增量刷新和全量刷新），如果您在V3.0版本是Dynamic Table分区表，需要手动重建，并建议您使用Dynamic Table逻辑分区。

转换语法命令的使用

在使用转换语法命令需注意以下情况：

仅Hologres V3.1.11及以上版本支持该命令语法。
需要表Owner或Superuser执行该命令。
执行完成后，如果表开启了自动刷新，将会继续启动自动刷新。

转换语法的命令如下：

--仅适用于非分区表（刷新模式包含全量刷新和增量刷新），分区表请手动重新创建，并建议使用逻辑分区。
CALL hg_upgrade_all_normal_dynamic_tables();

语法参数映射

使用语法转换命令，V3.0版本和V3.1版本的参数以及对应的值映射如下：

V3.0版本参数名	V3.1版本参数名	说明
refresh_mode	auto_refresh_mode	转换后与转换前参数值保持一致。例如：转换前配置为`refresh_mode='incremental'`，转换后为`auto_refresh_mode='incremental'`。
auto_refresh_enable	auto_refresh_enable	参数值保持一致。
{refresh_mode}_auto_refresh_schd_start_time	freshness	auto_refresh_interval的值将会为转换为freshness的值。例如：转换前配置为`full_auto_refresh_interval='30 minutes'`，转换后为`freshness='30 minutes'`。
{refresh_mode}_auto_refresh_interval	freshness
{refresh_mode}_guc_hg_computing_resource	computing_resource	转换后与转换前参数值保持一致。例如：转换前配置为`full_guc_hg_computing_resource='serverless'`，转换后为`computing_resource='serverless'`。
{refresh_mode}_guc_hg_experimental_serverless_computing_required_cores	refresh_guc_hg_experimental_serverless_computing_required_cores	转换后与转换前参数值保持一致。
{refresh_mode}_guc_<guc>	refresh_guc_<guc_name>	转换后与转换前参数值保持一致。例如：转换前配置为 `incremental_guc_hg_experimental_max_consumed_rows_per_refresh='1000000'`，转换后为`refresh_guc_hg_experimental_max_consumed_rows_per_refresh='1000000'` 。
orientation等表属性	orientation等表属性	表的基本属性都会保持不变。

下一步：管理Dynamic Table

Dynamic Table创建成功后，您可以执行如下操作：

查看Dynamic Table DDL、血缘关系等。详情请参见查看Dynamic Table表结构和血缘。
修改Dynamic Table相关属性，详情请参见ALTER DYNAMIC TABLE。