2026 年，智能体将在企业级应用中取得哪些实质性突破？点击下载《2026 年 AI 与数据发展预测》白皮书，获悉专家一手前瞻，抢先拥抱新的工作方式！

聚合流水线是 Snowflake 在动态表（Dynamic Tables）客户中观察到的最常见模式之一：将订单数据按客户汇总、将会话数据按账户汇总，或将传感器读数按设备汇总。只需在动态表中定义 GROUP BY，流水线就能自动保持数据最新，无需编写任何刷新逻辑。

Snowflake 已显著提升这一模式的运行效率。对于动态表定义中位于顶层的受支持聚合操作，Snowflake 现在可以利用已经存储的聚合结果进行刷新，无需从头重新计算受影响的数据分组。

这一优化完全自动完成，无需使用新的关键字，也无需设置任何选项。只要动态表的定义符合相应的结构要求，优化就会自动生效。下面将详细介绍其工作原理。

增量刷新中容易被忽视的问题

假设有一张动态表，用于持续汇总每个电表的累计用电量及峰值读数：

CREATE OR ALTER DYNAMIC TABLE dt_meter_consumption  TARGET_LAG = '5 minutes'  WAREHOUSE = pipeline_whAS  SELECT    meter_id,    SUM(kwh) AS kwh_total,    MAX(kwh) AS kwh_peak  FROM meter_readings  GROUP BY meter_id;

理论上，这条查询应该能够进行增量更新，并具有良好的成本效益。毕竟，meter_readings 中只有一小部分数据发生变化，所需的计算工作量理应也很小。

这个判断有一半是正确的。假设新增了 100 条读数，涉及 40 个电表，那么只有 40 个数据分组受到影响，其余数百万个分组都没有变化，可以完全不予处理。将计算范围缩小至受影响的分组，是最容易实现的优化。动态表一直具备这一能力。

真正复杂的是另一半：知道哪些分组发生了变化，并不意味着能够直接得出它们更新后的值。聚合值需要根据分组内的所有行计算得出，因此，获取新聚合值最直接的方法，就是重新读取该分组的所有数据行并再次计算。这意味着，即使某个电表只新增了一条读数，只要它已有 100 万条历史读数，就需要重新读取这 100 万条数据参与计算。变化的只有一行数据，计算成本却相当于处理整个分组。

这正是动态表此前存在的不对称性：计算工作量取决于受影响分组的大小，而非引发变化的数据量。

利用已有结果进行增量计算

这一优化的关键在于，动态表已经保存了上一次刷新时的计算结果。如果某个电表此前的累计用电量已知，此后又新增了一条读数，那么计算新的累计值就不需要重新遍历多年的历史数据。

Snowflake 现在采用的正是这一方式。对于符合条件的动态表定义，刷新过程会复用动态表中已经存储的值，仅根据实际发生变化的数据行更新聚合结果。这样一来，计算工作量就与变化的数据量成正比，而不再取决于受影响分组的大小。

具体实现方式取决于聚合函数。SUM 是最简单的情况，因为新值可以直接根据旧值进行算术运算：

newSum = oldSum + insertedSum - deletedSum

换句话说，新值等于原有存储值，加上新增数据的汇总值，再减去删除数据的汇总值，完全不需要读取任何源数据行。计数也采用相同的方式，Snowflake 基于求和与计数推导出的其他聚合结果同样能够受益，包括平均值、标准差和方差等。

对于 MAX，只要数据变化仅涉及新增行，也可以采用类似的方法：新读数要么超过此前存储的峰值，要么没有超过。因此，新值就是 max(oldPeak, insertedPeak)。

删除操作则更加复杂，因为并非所有聚合函数都具有可逆性。对于 SUM，只需执行公式中的减法即可：如果从 meter_readings 中删除一条重复的 12 kWh 读数，累计值就会相应减少 12 kWh。但对于 MAX，如果当前最大值被删除，情况就不同了。原先存储的最大值已经失效，而新的最大值可能是该分组中其余 100 万条数据中的任意一个，因此，仅依靠原有值无法完成更新。Snowflake 能够识别此类情况并重新计算聚合值，但只会对确实需要重新计算的分组执行这一操作，其他所有分组仍然可以享受新优化带来的收益。

性能提升的幅度取决于聚合函数以及数据变化的具体情况，但整体效果十分显著。Snowflake 的内部测量涵盖了符合此次优化条件、且具有顶层 GROUP BY 操作的动态表，测量范围仅限于此前刷新耗时超过 3 秒的情况。结果显示，总刷新耗时平均降低约 40%，超过三分之二的刷新任务耗时至少缩短了 10%。 其中，观察到的最大单次性能提升达到 147 倍：某次刷新原本需要约 377 秒，优化后仅用约 2.5 秒便完成。

当聚合操作之上还有连接操作时

这一优化对结构有明确要求：GROUP BY 必须是动态表的顶层操作。如果聚合操作之上还有其他操作，例如连接（JOIN）或联合（UNION），就无法启用该优化。HAVING 子句则受到支持，因为它属于分组操作的一部分。

假设有一张表用于跟踪每个电表的用电读数，并通过关联每个电表所属站点的信息来丰富数据：

CREATE OR ALTER DYNAMIC TABLE dt_site_consumption  TARGET_LAG = '5 minutes'  WAREHOUSE = pipeline_whAS  SELECT    s.site_name,    s.tariff_band,    m.kwh_total,    m.kwh_peak  FROM (    SELECT meter_id, SUM(kwh) AS kwh_total, MAX(kwh) AS kwh_peak    FROM meter_readings    GROUP BY meter_id  ) m  JOIN dim_sites s ON m.meter_id = s.meter_id;

在这个定义中，聚合操作位于子查询内部，其上层还有连接操作，因此 GROUP BY 并不是顶层操作，该定义不符合优化条件。

解决方法是将这两项任务拆分到两张动态表中。第一张表只负责聚合，第二张表则在聚合结果的基础上执行连接操作：

CREATE OR ALTER DYNAMIC TABLE dt_meter_consumption  TARGET_LAG = DOWNSTREAM  WAREHOUSE = pipeline_whAS  SELECT    meter_id,    SUM(kwh) AS kwh_total,    MAX(kwh) AS kwh_peak  FROM meter_readings  GROUP BY meter_id;CREATE OR ALTER DYNAMIC TABLE dt_site_consumption  TARGET_LAG = '5 minutes'  WAREHOUSE = pipeline_whAS  SELECT    s.site_name,    s.tariff_band,    m.kwh_total,    m.kwh_peak  FROM dt_meter_consumption m  JOIN dim_sites s ON m.meter_id = s.meter_id;

现在，聚合操作有了一张独立的动态表，GROUP BY 位于顶层，并且分组键和两个聚合值都直接出现在查询的选择列表中，因此符合优化条件。TARGET_LAG = DOWNSTREAM 使这张表能够根据下游使用方的需求，按照相应的调度计划进行刷新；连接操作则被移至另一张专门负责连接的动态表中。

此外，这种拆分还有一个额外好处：聚合结果现在可以供其他需要使用它的对象复用。

如何享受这一优化带来的收益

对于具有顶层聚合操作的动态表，此次优化进一步提升了其性能与成本效益。请参阅 动态表刷新优化文档，确认您使用的动态表是否能够从这一优化中受益。

原文地址：https://www.snowflake.com/en/blog/engineering/dynamic-tables-with-aggregates-just-got-more-price-performant/

点击链接立即报名注册：https://www.snowflake.com/events/snowflake-ascent-china/更多 Snowflake 精彩活动请关注专区