如何通过dbt在Snowflake中创建物化视图？

方法1：通过自定义宏实现 #

dbt核心未内置物化视图的原生支持，但可以编写自定义宏调用Snowflake的原生语法：

{% macro create_materialized_view(view_identifier, query_sql) %}
CREATE OR REPLACE MATERIALIZED VIEW {{ view_identifier }}
AS {{ query_sql }};
{% endmacro %}

运行宏的命令：

dbt run-operation create_materialized_view --args '{view_identifier: "analytics.my_mv", query_sql: "SELECT user_id, count(*) FROM raw.events GROUP BY user_id"}'

方法2：使用dbt-snowflake适配器的原生支持 #

较新版本的dbt-snowflake适配器已支持materialized: 'materialized_view'配置，直接在模型文件中定义：

{{ config(
    materialized='materialized_view',
    warehouse='ANALYTICS_WH',
    database='ANALYTICS_DB',
    schema='REPORTING'
) }}

SELECT 
    order_id,
    customer_id,
    sum(amount) as total_spend,
    date_trunc('month', order_date) as order_month
FROM {{ ref('raw_orders') }}
GROUP BY order_id, customer_id, order_month

执行dbt run即可自动创建Snowflake物化视图。

除了你提到的View、Table、Incremental，还有这些常用类型：

• Ephemeral：临时模型，不会在数据库生成实体，仅作为子查询嵌入到引用它的模型中，适合轻量中间层，减少冗余对象。
• Materialized View：就是你需要的物化视图，依赖数据仓库原生支持（如Snowflake、BigQuery），dbt通过适配器实现该类型的创建与刷新。
• Snapshot：用于捕获数据历史变化，实现SCD2（缓慢变化维度），属于dbt的增量数据追踪方案，并非传统表/视图类型，但也是核心转换能力之一。

如果BI团队查询普通视图慢，除了切换到物化视图，还可以试试这些方案：

• 给底层表添加聚簇键或启用搜索优化服务（Snowflake专属），加速视图的底层查询。
• 构建预聚合模型：将视图中的复杂计算提前落地为汇总表，让BI直接查询汇总层，避免重复计算。
• 临时调整Snowflake仓库大小：针对大查询临时提升仓库规格，完成后再调回。

内容的提问来源于stack exchange，提问作者Abhishek Tiwari