`.
2. 새 레코드만(`SELECT`로 생성됨) 스테이징 테이블에 삽입합니다.
3. 새 파티션만(스테이징 테이블에 있는 파티션) 대상 테이블에 대체합니다.
이 접근 방식에는 다음과 같은 장점이 있습니다:
* 전체 테이블을 복사하지 않으므로 기본 전략보다 더 빠릅니다.
* `INSERT` 작업이 성공적으로 완료될 때까지 원본 테이블을 수정하지 않으므로 다른 전략보다 더 안전합니다:
중간에 실패하더라도 원본 테이블은 수정되지 않습니다.
* 데이터 엔지니어링 모범 사례인 "파티션 불변성"을 구현합니다. 이를 통해 증분 및 병렬 데이터
처리, 롤백 등이 단순해집니다.
이 전략을 사용하려면 모델 구성에서 `partition_by`를 설정해야 합니다. 모델 구성의 다른 모든 전략별
매개변수는 무시됩니다.
## 머티리얼라이즈: materialized\_view
`materialized_view` 머티리얼라이즈는 삽입 트리거 역할을 하는 ClickHouse [materialized view](/ko/reference/statements/create/view#materialized-view)를 생성하며, 원본 테이블의 새 행을 자동으로 변환해 대상 테이블에 삽입합니다. 이는 dbt-clickhouse에서 사용할 수 있는 가장 강력한 머티리얼라이즈 중 하나입니다.
이 머티리얼라이즈는 내용이 방대하므로 전용 페이지에서 별도로 다룹니다. 전체 문서는 \*\*[Materialized Views 가이드](/ko/integrations/connectors/data-ingestion/etl-tools/dbt/materialization-materialized-view)\*\*를 참조하십시오.
## 머티리얼라이즈: 딕셔너리 (실험적)
ClickHouse 딕셔너리용 머티리얼라이즈를
구현하는 방법에 대한
예시는 [https://github.com/ClickHouse/dbt-clickhouse/blob/main/tests/integration/adapter/dictionary/test\_dictionary.py의](https://github.com/ClickHouse/dbt-clickhouse/blob/main/tests/integration/adapter/dictionary/test\_dictionary.py의) 테스트를
참조하십시오
## 머티리얼라이즈: distributed\_table (실험적)
분산 테이블은 다음 단계에 따라 생성됩니다:
1. 올바른 구조를 가져오기 위한 SQL 쿼리로 임시 뷰를 생성합니다
2. 뷰를 기반으로 빈 로컬 테이블을 생성합니다
3. 로컬 테이블을 기반으로 분산 테이블을 생성합니다.
4. 데이터는 분산 테이블에 삽입되며, 중복 없이 세그먼트 전체에 분산됩니다.
참고:
* dbt-clickhouse 쿼리에는 이제 다음을 보장하기 위해 `insert_distributed_sync = 1` 설정이 자동으로 포함됩니다
후속 증분
머티리얼라이즈 작업이 올바르게 실행되도록 합니다. 이로 인해 일부 분산 테이블 삽입이
예상보다 더 느리게 실행될 수 있습니다.
### 분산 테이블 모델 예시
```sql theme={null}
{{
config(
materialized='distributed_table',
order_by='id, created_at',
sharding_key='cityHash64(id)',
engine='ReplacingMergeTree'
)
}}
select id, created_at, item
from {{ source('db', 'table') }}
```
### 생성된 마이그레이션
```sql theme={null}
CREATE TABLE db.table_local on cluster cluster (
`id` UInt64,
`created_at` DateTime,
`item` String
)
ENGINE = ReplacingMergeTree
ORDER BY (id, created_at);
CREATE TABLE db.table on cluster cluster (
`id` UInt64,
`created_at` DateTime,
`item` String
)
ENGINE = Distributed ('cluster', 'db', 'table_local', cityHash64(id));
```
### 구성
이 머티리얼라이즈 유형에만 해당하는 구성은 아래와 같습니다:
| 옵션 | 설명 | 기본값(있는 경우) |
| ------------- | ----------------------------------------------------------------------------------- | ---------- |
| sharding\_key | 세그먼트 분할 키는 분산 엔진 테이블에 삽입할 때 대상 서버를 결정합니다. 세그먼트 분할 키는 무작위일 수도 있고 해시 함수의 출력일 수도 있습니다. | `rand()`) |
## 머티리얼라이즈: distributed\_incremental (실험적)
분산 테이블과 같은 아이디어를 기반으로 한 증분 모델이며, 가장 큰 어려움은 모든 증분 전략을 올바르게 처리하는 것입니다.
1. \_Append 전략\_은 데이터를 분산 테이블에 그대로 삽입합니다.
2. *Delete+Insert* 전략은 모든 세그먼트의 모든 데이터를 처리할 수 있도록 분산 임시 테이블을 생성합니다.
3. \_Default (Legacy) 전략\_은 같은 이유로 분산 임시 테이블과 중간 테이블을 생성합니다.
분산 테이블은 데이터를 저장하지 않으므로 교체되는 것은 세그먼트 테이블뿐입니다.
분산 테이블은 full\_refresh 모드가 활성화된 경우 또는 테이블 구조가 변경되었을 수 있는 경우에만 다시 로드됩니다.
### 분산 증분 모델 예시
```sql theme={null}
{{
config(
materialized='distributed_incremental',
engine='MergeTree',
incremental_strategy='append',
unique_key='id,created_at'
)
}}
select id, created_at, item
from {{ source('db', 'table') }}
```
### 생성된 마이그레이션
```sql theme={null}
CREATE TABLE db.table_local on cluster cluster (
`id` UInt64,
`created_at` DateTime,
`item` String
)
ENGINE = MergeTree;
CREATE TABLE db.table on cluster cluster (
`id` UInt64,
`created_at` DateTime,
`item` String
)
ENGINE = Distributed ('cluster', 'db', 'table_local', cityHash64(id));
```
## 스냅샷
dbt 스냅샷은 시간의 흐름에 따라 변경되는 가변 모델의 변경 이력을 기록할 수 있도록 합니다. 이를 통해 모델에 대해 특정 시점 기준의
쿼리를 수행할 수 있으며, 분석가는 모델의 이전 상태를 "과거 시점으로 돌아가" 확인할 수 있습니다. 이 기능은
ClickHouse Connector에서 지원되며, 다음 구문을 사용해 구성합니다:
`snapshots/.sql`의 설정 블록:
```python theme={null}
{{
config(
schema = "",
unique_key = "",
strategy = "",
updated_at = "",
)
}}
```
구성에 대한 자세한 내용은 [snapshot 구성](https://docs.getdbt.com/docs/build/snapshots#snapshot-configs) 참고 페이지를 참조하세요.
## 계약 및 제약 조건
정확히 일치하는 컬럼 유형 계약만 지원됩니다. 예를 들어, `UInt32` 컬럼 유형 계약은 모델이
`UInt64` 또는 다른 정수 유형을 반환하는 경우 실패합니다.
ClickHouse는 테이블/모델 전체에 대한 `CHECK` 제약 조건 *만* 지원합니다. 프라이머리 키, 외래 키, 고유 제약 조건 및
컬럼 수준의 `CHECK` 제약 조건은 지원되지 않습니다.
(프라이머리 키/ORDER BY 키는 ClickHouse 문서를 참조하십시오.)