Hologres:BUAT TABEL DINAMIS

Sintaks pembuatan tabel

Mulai Hologres V3.1, Anda dapat menggunakan sintaks berikut untuk membuat Tabel Dinamis:

CREATE DYNAMIC TABLE [ IF NOT EXISTS ] [<schema_name>.]<table_name>
[ (<col_name> [, ...] ) ]
[LOGICAL PARTITION BY LIST(<partition_key>)]
WITH (
  -- Properti tabel dinamis
  freshness = '<num> {minutes | hours}', -- Wajib
  [auto_refresh_enable = {true | false},] -- Opsional
  [auto_refresh_mode = {'full' | 'incremental' | 'auto'},] -- Opsional
  
  [base_table_cdc_format = {'stream' | 'binlog'},] -- Opsional

  [auto_refresh_partition_active_time = '<num> {minutes | hours | days}',] -- Opsional
  [partition_key_time_format = {'YYYYMMDDHH24' | 'YYYY-MM-DD-HH24' | 'YYYY-MM-DD_HH24' | 'YYYYMMDD' | 'YYYY-MM-DD' | 'YYYYMM' | 'YYYY-MM' | 'YYYY'},] -- Opsional
  
  [computing_resource = {'local' | 'serverless' | '<warehouse_name>'},] -- Opsional. warehouse_name hanya didukung di Hologres V4.0.7 dan versi selanjutnya.
  [refresh_guc_hg_experimental_serverless_computing_required_cores=xxx,]-- Opsional. Spesifikasi sumber daya komputasi.
  
  [refresh_guc_<guc_name> = '<guc_value>',] -- Opsional

  -- Properti umum
  [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>; -- Definisi kueri

Deskripsi parameter

Sintaks pembuatan tabel

Anda dapat menggunakan sintaks berikut untuk membuat Tabel Dinamis di Hologres V3.0:

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',]

  -- Parameter untuk refresh inkremental:
    [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>',]

   -- Parameter untuk refresh penuh:
    [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 default-nya serverless dan dapat disetel di tingkat DB. Pengguna dapat mengabaikan pengaturan ini.
    [full_guc_hg_experimental_serverless_computing_required_cores='<num>',]
    
   -- Parameter bersama. Pengaturan GUC diperbolehkan:
   [refresh_guc_<guc>='xxx]',] 
   
  -- Properti Tabel Dinamis umum:
    [orientation = '[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> -- Definisi kueri

Deskripsi parameter

Contoh 1: Buat Tabel Dinamis dengan refresh inkremental

Sebelum menjalankan langkah-langkah berikut, impor dataset publik tpch_10g ke Hologres. Untuk informasi lebih lanjut, lihat Impor satu-klik dataset publik.

-- Buat Tabel Dinamis inkremental single-table dengan refresh dimulai segera dan dijalankan setiap 3 menit
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;

Contoh 2: Buat Tabel Dinamis dengan refresh inkremental JOIN multi-tabel

Sebelum menjalankan langkah-langkah berikut, impor dataset publik tpch_10g ke Hologres. Untuk informasi lebih lanjut, lihat Impor satu-klik dataset publik.

-- Buat Tabel Dinamis dengan refresh inkremental JOIN multi-tabel
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;

Contoh 3: Buat Tabel Dinamis dengan auto-refresh

Anda dapat menyetel Tabel Dinamis untuk auto-refresh. Mesin secara otomatis memilih mode refresh. Mode refresh inkremental diprioritaskan dan beralih ke refresh penuh jika refresh inkremental tidak didukung.

Sebelum menjalankan langkah-langkah berikut, impor dataset publik tpch_10g ke Hologres. Untuk informasi lebih lanjut, lihat Impor satu-klik dataset publik.

-- Buat Tabel Dinamis dengan auto-refresh. Mesin secara otomatis memilih mode refresh (inkremental dalam kasus ini)
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;

Contoh 4: Buat Tabel Dinamis berpartisi logis

Dalam skenario seperti dasbor transaksi real-time, Anda mungkin memerlukan tampilan near real-time dari data terkini dan kemampuan untuk memperbaiki data historis. Ini adalah skenario analisis hibrid real-time dan offline. Untuk informasi lebih lanjut, lihat Pemahaman bisnis dan data. Anda dapat menggunakan Tabel Dinamis berpartisi logis untuk tujuan ini:

• Tabel sumber dipartisi berdasarkan hari. Partisi terbaru menerima tulisan real-time atau near real-time dari Flink. Partisi historis menerima data dari MaxCompute.

• Tabel Dinamis menggunakan partisi logis. Dua partisi terbaru aktif dan menggunakan refresh inkremental untuk analitik near real-time.

• Partisi historis tidak aktif dan menggunakan refresh penuh. Jika data sumber historis diperbaiki atau diisi ulang, Anda dapat menggunakan refresh penuh untuk partisi historis tersebut.

Contoh ini menggunakan dataset publik GitHub.

1. Siapkan tabel dasar.

   Data terbaru ditulis secara real-time oleh Flink. Untuk informasi lebih lanjut, lihat Praktik terpadu offline dan real-time menggunakan dataset event publik GitHub.

   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 'Event ID';
   COMMENT ON COLUMN public.gh_realtime_data.actor_id IS 'Actor ID';
   COMMENT ON COLUMN public.gh_realtime_data.actor_login IS 'Nama login Actor';
   COMMENT ON COLUMN public.gh_realtime_data.repo_id IS 'Repo ID';
   COMMENT ON COLUMN public.gh_realtime_data.repo_name IS 'Nama Repo';
   COMMENT ON COLUMN public.gh_realtime_data.org_id IS 'Organization ID';
   COMMENT ON COLUMN public.gh_realtime_data.org_login IS 'Nama Organization';
   COMMENT ON COLUMN public.gh_realtime_data.type IS 'Jenis Event';
   COMMENT ON COLUMN public.gh_realtime_data.created_at IS 'Waktu kejadian Event';
   COMMENT ON COLUMN public.gh_realtime_data.action IS 'Perilaku Event';
   COMMENT ON COLUMN public.gh_realtime_data.iss_or_pr_id IS 'ID Issue/pull request';
   COMMENT ON COLUMN public.gh_realtime_data.number IS 'Nomor Issue/pull request';
   COMMENT ON COLUMN public.gh_realtime_data.comment_id IS 'ID Komentar';
   COMMENT ON COLUMN public.gh_realtime_data.commit_id IS 'ID Commit';
   COMMENT ON COLUMN public.gh_realtime_data.member_id IS 'ID Anggota';
   COMMENT ON COLUMN public.gh_realtime_data.rev_or_push_or_rel_id IS 'ID Review/push/release';
   COMMENT ON COLUMN public.gh_realtime_data.ref IS 'Nama resource yang dibuat/dihapus';
   COMMENT ON COLUMN public.gh_realtime_data.ref_type IS 'Jenis resource yang dibuat/dihapus';
   COMMENT ON COLUMN public.gh_realtime_data.state IS 'Status issue/pull request/review';
   COMMENT ON COLUMN public.gh_realtime_data.author_association IS 'Hubungan antara actor dan repo';
   COMMENT ON COLUMN public.gh_realtime_data.language IS 'Bahasa pemrograman';
   COMMENT ON COLUMN public.gh_realtime_data.merged IS 'Apakah digabung';
   COMMENT ON COLUMN public.gh_realtime_data.merged_at IS 'Waktu penggabungan';
   COMMENT ON COLUMN public.gh_realtime_data.additions IS 'Baris ditambahkan';
   COMMENT ON COLUMN public.gh_realtime_data.deletions IS 'Baris dihapus';
   COMMENT ON COLUMN public.gh_realtime_data.changed_files IS 'File yang diubah dalam pull request';
   COMMENT ON COLUMN public.gh_realtime_data.push_size IS 'Jumlah push';
   COMMENT ON COLUMN public.gh_realtime_data.push_distinct_size IS 'Jumlah push berbeda';
   COMMENT ON COLUMN public.gh_realtime_data.hr IS 'Jam kejadian event (misalnya, 00 untuk 00:23)';
   COMMENT ON COLUMN public.gh_realtime_data.month IS 'Bulan kejadian event (misalnya, 2015-10 untuk Oktober 2015)';
   COMMENT ON COLUMN public.gh_realtime_data.year IS 'Tahun kejadian event (misalnya, 2015)';
   COMMENT ON COLUMN public.gh_realtime_data.ds IS 'Tanggal kejadian event (yyyy-mm-dd)';
   
   COMMIT;

2. Buat Tabel Dinamis berpartisi logis.

   CREATE  DYNAMIC TABLE ads_dt_github_event
   LOGICAL PARTITION BY LIST(ds)
   WITH (
     -- Properti tabel dinamis
     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

3. Kueri Tabel Dinamis.

   SELECT * FROM ads_dt_github_event ;

4. Isi ulang partisi historis.

   Jika data historis di tabel sumber berubah—misalnya, data untuk 2025-04-01 diperbarui—Anda dapat menyinkronkan Tabel Dinamis dengan menyetel partisi historis ke mode refresh penuh dan menjalankan refresh menggunakan Serverless.

   REFRESH OVERWRITE DYNAMIC TABLE ads_dt_github_event
   PARTITION (ds = '2025-04-01') 
   WITH (
     refresh_mode = 'full'
   );

Contoh 5: Hitung UV periode panjang apa pun menggunakan refresh inkremental

Mulai Hologres V3.1, Tabel Dinamis dengan refresh inkremental mendukung fungsi RB_BUILD_AGG untuk menghitung unique visitors (UV) periode panjang. Dibandingkan dengan pre-agregasi, refresh inkremental memberikan manfaat berikut:

• Performa lebih baik: hanya data inkremental yang dihitung pada setiap refresh.

• Biaya lebih rendah: lebih sedikit data diproses, sehingga mengurangi penggunaan sumber daya komputasi dan memungkinkan perhitungan periode lebih panjang.

Contoh:

1. Siapkan tabel detail pengguna.

   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');
   -- Set distribution_key berdasarkan kebutuhan kueri real-time
   CALL set_table_property('ods_app_detail', 'distribution_key', 'uid');
   -- Set clustering_key dan event_time_column untuk filter WHERE dengan field tanggal-waktu lengkap
   CALL set_table_property('ods_app_detail', 'clustering_key', 'ymd');
   CALL set_table_property('ods_app_detail', 'event_time_column', 'ymd');
   COMMIT;

2. Hitung UV menggunakan refresh inkremental.

   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;

3. Kueri UV untuk periode apa pun.

   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;

Contoh 1: Buat Tabel Dinamis dengan refresh penuh dan mulai merefresh segera

Sebelum menjalankan langkah-langkah berikut, impor dataset publik tpch_10g ke Hologres. Untuk informasi lebih lanjut, lihat Impor satu-klik dataset publik.

-- Buat skema "test"
CREATE SCHEMA test;

-- Buat Tabel Dinamis single-table dengan refresh penuh, mulai merefresh segera, dan refresh setiap jam
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;

Contoh 2: Buat Tabel Dinamis dengan refresh inkremental dan waktu mulai kustom

Sebelum menjalankan langkah-langkah berikut, impor dataset publik tpch_10g ke Hologres. Untuk informasi lebih lanjut, lihat Impor satu-klik dataset publik.

Contoh berikut menunjukkan cara membuat Tabel Dinamis dengan refresh inkremental:

-- Aktifkan binlog untuk tabel sumber:
BEGIN;
CALL set_table_property('hologres_dataset_tpch_10g.lineitem', 'binlog.level', 'replica');
COMMIT;

-- Buat Tabel Dinamis single-table dengan refresh inkremental, mulai merefresh pada waktu kustom, dan refresh setiap 3 menit
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
;

Contoh 3: Buat Tabel Dinamis JOIN multi-tabel dengan refresh penuh

-- Buat Tabel Dinamis JOIN multi-tabel dengan mode refresh penuh, merefresh setiap 3 jam
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;

Contoh 4: Membuat tabel dimensi JOIN Dynamic Table yang diperbarui secara inkremental

Contoh: Menggabungkan tabel dimensi dengan Tabel Dinamis dengan refresh inkremental:

Semantik JOIN tabel dimensi: setiap catatan data hanya di-join dengan versi terbaru tabel dimensi pada saat pemrosesan. Jika data di tabel dimensi berubah setelah operasi JOIN, data yang sebelumnya telah di-join tidak diperbarui. Berikut adalah contoh pernyataan SQL:

-- Tabel detail
BEGIN;
CREATE TABLE public.sale_detail(
        app_id TEXT,
        uid TEXT,
        product TEXT,
        gmv BIGINT,
        order_time TIMESTAMPTZ
);
-- Aktifkan binlog untuk tabel sumber (tabel dimensi tidak memerlukannya)
CALL set_table_property('public.sale_detail', 'binlog.level', 'replica');
COMMIT;

-- Tabel atribut
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;

Contoh 5: Buat Tabel Dinamis partisi

Untuk skenario seperti dasbor transaksi real-time, Anda mungkin memerlukan tampilan near real-time dari data terkini dan dukungan untuk koreksi data historis. Dalam hal ini, Anda dapat menggunakan refresh inkremental dan refresh penuh untuk Tabel Dinamis:

1. Buat tabel sumber berpartisi. Data ditulis ke partisi terbaru secara real-time atau near real-time. Koreksi data kadang-kadang dilakukan pada partisi historis.

2. Buat Tabel Dinamis sebagai tabel partisi induk. Gunakan refresh inkremental untuk partisi terbaru guna memenuhi kebutuhan analitik near real-time.

3. Alihkan partisi historis ke mode refresh penuh. Jika data di partisi sumber historis diperbaiki atau diisi ulang, Anda dapat merefresh partisi Tabel Dinamis historis yang sesuai menggunakan refresh penuh. Anda dapat menggunakan Serverless untuk mempercepat proses pengisian ulang.

Contoh:

1. Siapkan tabel sumber dan data.

   Tabel sumber dipartisi. Data ditulis ke partisi terbaru secara real-time.

   -- Buat tabel sumber berpartisi
   CREATE TABLE base_sales(
     uid INT,
     opreate_time TIMESTAMPTZ,
     amount FLOAT,
     tt TEXT NOT NULL,
     ds TEXT,
     PRIMARY KEY(ds)
   ) PARTITION BY LIST (ds) ;
   
   -- Partisi historis
   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');
   
   -- Partisi terbaru (biasanya tulisan real-time)
   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');

2. Buat tabel partisi induk untuk Tabel Dinamis. Pada langkah ini, Anda hanya perlu mendefinisikan kueri dan tidak perlu menyetel mode refresh.

   -- Buat ekstensi
   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;

3. Buat tabel anak dan setel mode refresh-nya.

   Anda dapat membuat tabel anak untuk partisi Tabel Dinamis secara manual atau menggunakan DataWorks untuk membuatnya secara dinamis. Gunakan refresh inkremental untuk partisi terbaru dan refresh penuh untuk partisi historis.

   -- Aktifkan binlog untuk tabel sumber
   ALTER TABLE base_sales SET (binlog_level = replica);
   
   -- Asumsikan tabel anak partisi Tabel Dinamis historis sudah ada:
   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'
          );
   
   -- Buat tabel anak partisi Tabel Dinamis baru dengan refresh inkremental untuk partisi terbaru, mulai segera dengan interval 30 menit menggunakan sumber daya instans
   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'
          );
   
   -- Alihkan partisi historis ke mode refresh penuh
   ALTER DYNAMIC TABLE partition_dt_base_sales_20240615 SET (refresh_mode = 'full');
   -- Jika partisi historis memerlukan koreksi data, jalankan refresh. Gunakan Serverless untuk performa lebih baik
   SET hg_computing_resource = 'serverless';
   REFRESH DYNAMIC TABLE partition_dt_base_sales_20240615;