如何解析Snowflake中CREATE VIEW语句并关联视图与源表属性

核心前提建议 #

直接放弃正则解析方案，正则仅能处理固定格式的简单场景，无法覆盖Snowflake复杂SQL语法（嵌套子查询、CTE、递归逻辑、函数计算、跨实例引用等），优先选用支持Snowflake原生方言的SQL语法解析器（比如ANTLR的Snowflake语法模板、Python生态的sqlglot库等），通过生成抽象语法树（AST）做全链路节点遍历，实现100%语法覆盖。

分场景解析逻辑 #

1. 基础属性统一提取 #

所有类型视图的第一步解析逻辑统一：

• 遍历AST根节点，匹配CREATE节点下的视图类型标记，直接提取以下核心属性：
  • 视图类型标记：是否为物化视图（MATERIALIZED）、是否为递归视图（RECURSIVE）
  • 视图全限定名：补全为数据库名.模式名.视图名格式，避免重名冲突
  • 自定义字段列表：如果建视图语句指定了输出字段名，优先留存该列表作为最终输出字段的基准
• 定位AS关键字后的查询体节点，作为后续字段血缘追踪的核心解析对象。

2. 不同类型视图的查询体解析逻辑 #

• 普通视图、物化视图
  遍历查询体下所有SELECT投影节点，逐个字段追踪来源：
  • 如果字段是源表的直接引用：直接关联源表对应字段与视图输出字段的映射关系
  • 如果字段是计算字段（如a.col1 + b.col2 * 100 as calc_col）：记录该字段依赖的所有源表字段，将所有依赖项都和视图输出字段做关联
  • 如果出现SELECT *类星号投影：调用Snowflake的INFORMATION_SCHEMA.COLUMNS元数据接口，拉取对应源表的全量字段列表，补全字段级映射关系
• 递归视图
  递归视图的查询体固定为WITH RECURSIVE <cte名> AS (初始查询 UNION ALL 递归查询)结构：
  1. 先解析初始查询部分的源表与字段映射，留存初始依赖链路
  2. 再解析递归查询部分，过滤掉对CTE自身的引用，提取其他物理源表的依赖关系
  3. 合并两部分依赖，关联到最终视图的输出字段即可。

3. 复杂场景兼容处理 #

• 嵌套子查询/多层CTE：每层子查询、CTE单独做临时字段映射追踪，把子查询/CTE的输出字段和其内部依赖的源字段做关联，上层引用时逐层回溯，直到映射到最底层的物理表字段
• 跨库/跨模式引用：所有表标识符统一补全全限定名，避免同名字段、同名表导致的映射错误

批量处理优化 #

如果需要覆盖全库所有视图，不需要手动拉取建表语句，直接调用Snowflake原生函数GET_DDL('VIEW', '<视图全限定名>')批量导出所有视图的DDL语句，再统一解析即可。

内容的提问来源于stack exchange，提问作者Kishor Kumar