DLT视图与物化视图语法及声明，银层视图类型咨询

我正在使用Medallion架构构建DLT管道，在Silver层采用CDC/SCD1按日期获取最新ID，目前运行正常，但对@dlt.view装饰器存在疑问。

当前管道结构如下：

BRONZE层 #

dlt.create_table(xxx)
def bronze_table():
     return(spark.readStream.transform(transformation_function))

SILVER层 #

根据CDC文档，由于流式表不支持直接作为apply_changes的源，我需要创建视图：

@dlt.view
def view():
    return dlt.readStream("bronze_table")
        
dlt.create_streaming_table("target")
        
dlt.apply_changes(
        # 相关CDC配置参数
    )

我的问题是：我创建的这个视图是静态视图还是物化视图？DLT管道UI显示它只是普通视图，但我希望它是物化视图以尽可能降低延迟，充分利用DLT的优化能力。如果当前是静态视图，需要使用什么语法来创建物化视图？我尝试过dlt.table，但它仅创建了流式表，盼解答。

• 你用@dlt.view创建的是虚拟视图（非物化）：它仅定义了查询逻辑，不会持久化存储任何数据。每次被下游组件（比如apply_changes）引用时，才会执行对应的流式查询逻辑进行计算，没有预计算和存储结果，因此无法降低重复计算的延迟。

• 要创建物化的流式中间层，直接使用@dlt.table装饰器返回流式查询结果即可：
  这种方式创建的是流式物化表，数据会被持久化存储在Delta表中，DLT会自动维护表的增量更新，相当于流式版本的物化视图。示例代码如下：

  @dlt.table(name="silver_intermediate", table_properties={"pipelines.reset.allowed": "true"})
  def silver_intermediate():
      # 这里可以加入你的预处理逻辑
      return dlt.readStream("bronze_table").transform(your_transformation_func)
  

  之后在apply_changes中直接引用这个物化的流式表作为源：

  dlt.create_streaming_table("target")
  dlt.apply_changes(
      target="target",
      source="silver_intermediate",
      keys=["your_key_column"],
      sequence_by="your_sequence_column", # 比如CDC的时间戳或操作序列ID
      apply_as_deletes="your_delete_flag_condition",
      # 其他SCD1相关配置
  )
  

• 关于你提到的dlt.table创建流式表的问题：
  当你用@dlt.table返回dlt.readStream的结果时，DLT会自动识别为流式表，这本身就是物化的——数据会被持久化存储，而非虚拟视图。这种表正是你需要的物化中间层，它会持续处理Bronze层的增量数据并存储结果，下游的apply_changes可以直接读取已存储的数据，减少重复计算，降低延迟。

内容的提问来源于stack exchange，提问作者Itachi07