Databricks中是否可以创建等同于SQL临时表的功能？

下面提供3种比你当前手动建删表更优的实现方式，均不需要手动维护生命周期，且能保证取到的是笔记本启动时刻的固定数据：

方案1：Delta 时间旅行 + 临时视图（推荐，无需额外存储开销） #

Delta 原生支持时间旅行特性，你只需要在笔记本启动时统一获取当前时间戳，创建视图时给所有关联的Delta表绑定该时间戳即可，后续视图读取的永远是对应时间点的历史版本，不受源表更新影响。
代码示例：

# 笔记本第一行先获取当前运行时刻的时间戳
run_timestamp = spark.sql("SELECT current_timestamp()").collect()[0][0]

# 创建绑定固定时间戳的全局临时视图，全会话可用
spark.sql(f"""
CREATE OR REPLACE GLOBAL TEMP VIEW task_snapshot_view AS
-- 此处替换为你原来的视图查询逻辑，所有Delta表都加TIMESTAMP AS OF绑定时间戳
SELECT t1.*, t2.column_x, t2.column_y
FROM delta.`/your/delta/table1/path` TIMESTAMP AS OF '{run_timestamp}' t1
INNER JOIN delta.`/your/delta/table2/path` TIMESTAMP AS OF '{run_timestamp}' t2
ON t1.join_key = t2.join_key
""")

优势：

• 无额外存储开销，直接读取Delta历史版本数据
• 临时视图随Spark会话自动销毁，笔记本运行结束后自动清除，不需要手动删
• 完全规避源表更新导致的视图数据变化问题

方案2：DataFrame 缓存 + 注册临时表（适合小数据量场景，查询更快） #

如果你的快照数据量不大，可以直接在启动时把快照数据加载到内存缓存，再注册为临时表，查询效率更高：

# 读取启动时刻的快照数据并缓存
snapshot_df = spark.sql("""
-- 替换为你的视图查询逻辑
SELECT t1.*, t2.column_x, t2.column_y
FROM delta_table1 t1 INNER JOIN delta_table2 t2 ON t1.join_key = t2.join_key
""").cache()

# 注册为会话临时表，后续直接用SQL查询
snapshot_df.createOrReplaceTempView("task_snapshot_view")

优势：

• 数据缓存在集群内存（内存不足时自动溢写磁盘），查询速度远高于读磁盘历史版本
• 同样自动随会话销毁，无残留风险

方案3：临时Delta表（适合需要持久化落地的大数据量场景） #

如果你的快照数据量很大，不想占用内存也不想每次读历史版本，可以直接创建会话级临时Delta表，无需手动删除：

CREATE OR REPLACE TEMP TABLE task_snapshot_table
USING DELTA
AS
-- 替换为你的视图查询逻辑
SELECT t1.*, t2.column_x, t2.column_y
FROM delta_table1 t1 INNER JOIN delta_table2 t2 ON t1.join_key = t2.join_key

优势：

• 自动在后台存储临时数据，会话结束后自动删除，不会出现异常中断导致残留表的问题
• 支持Delta的所有查询优化特性，性能比普通手动建的表更好

你当前使用的手动建普通表再删除的方案最大的问题是，一旦笔记本运行异常中断，删除逻辑无法执行就会产生冗余残留表，上述3种方案都可以完全规避这个问题。

内容的提问来源于stack exchange，提问作者Roo