Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

# Materialisierte Ansichten des AWS Glue Datenkatalogs abfragen
<a name="querying-iceberg-gdc-mv"></a>

Mit Athena können Sie materialisierte AWS Glue Datenkatalogansichten abfragen. Materialisierte Ansichten von Glue Data Catalog speichern vorberechnete Ergebnisse von SQL-Abfragen als Apache Iceberg-Tabellen.

Wenn Sie materialisierte Ansichten von Glue Data Catalog mit Apache Spark in Amazon EMR oder erstellen AWS Glue, werden die Ansichtsdefinitionen und Metadaten im AWS Glue Datenkatalog gespeichert. Die vorberechneten Ergebnisse werden als Apache Iceberg-Tabellen in Amazon S3 gespeichert. Sie können diese materialisierten Ansichten von Athena mit `SELECT` Standard-SQL-Anweisungen abfragen, genauso wie Sie normale Iceberg-Tabellen abfragen würden.

## Voraussetzungen
<a name="querying-iceberg-gdc-mv-prerequisites"></a>

Bevor Sie materialisierte Ansichten in Athena abfragen, stellen Sie Folgendes sicher:
+ Die materialisierte Ansicht ist im AWS Glue Datenkatalog vorhanden und wurde mit Apache Spark (Amazon EMR Version 7.12.0 oder höher oder AWS Glue Version 5.1 oder höher) erstellt
+ Um materialisierte Ansichten in Athena abzufragen, benötigen Sie die folgenden Berechtigungen: AWS Lake Formation 
  + `SELECT`Erlaubnis für die materialisierte Ansicht
  + `DESCRIBE`Genehmigung für die materialisierte Ansicht
  + Zugriff auf den zugrunde liegenden Amazon S3 S3-Speicherort, an dem die materialisierten View-Daten gespeichert sind
+ Die der materialisierten Ansicht zugrunde liegenden Daten werden in Amazon S3 S3-Tabellen-Buckets oder Amazon S3 S3-Allzweck-Buckets gespeichert.
+ Sie haben Zugriff auf die AWS Glue Data Catalog-Datenbank, die die materialisierte Ansicht enthält
+ Stellen Sie für materialisierte Ansichten, die in Amazon S3 Tables-Buckets gespeichert sind, sicher, dass Ihre IAM-Rolle über die erforderlichen Berechtigungen für den Zugriff auf den S3 Tables-Katalog verfügt.

## Überlegungen und Einschränkungen
<a name="querying-iceberg-gdc-mv-considerations"></a>
+ Athena unterstützt die folgenden Operationen für materialisierte Ansichten nicht:`ALTER`,,`CREATE MATERIALIZED VIEW`,`REFRESH MATERIALIZED VIEW`,`DROP`,`INSERT`,`UPDATE`, `MERGE``DELETE`,`OPTIMIZE`. `VACUUM` Verwenden Sie Apache Spark in Amazon EMR oder, um materialisierte Ansichten zu erstellen. AWS Glue Aktualisierungsvorgänge müssen über die AWS Glue Data Catalog API oder Apache Spark ausgeführt werden. Ändern Sie materialisierte Ansichten mit Apache Spark.

## Abfragen materialisierter Ansichten
<a name="querying-iceberg-gdc-mv-operations"></a>

Athena behandelt materialisierte Ansichten wie standardmäßige Iceberg-Tabellen für Lesevorgänge, sodass Sie auf die vorberechneten Daten zugreifen können, ohne dass spezielle Syntax- oder Konfigurationsänderungen erforderlich sind.

Verwenden Sie `SELECT` Standardanweisungen, um eine materialisierte Ansicht in Athena abzufragen:

```
SELECT * FROM my_database.sales_summary_mv;
```

Sie können Filter, Aggregationen und Verknüpfungen genauso anwenden, wie Sie es mit normalen Tabellen tun würden:

```
SELECT
  region,
  SUM(total_sales) as sales_total
FROM my_database.sales_summary_mv
WHERE year = 2025
GROUP BY region
ORDER BY sales_total DESC;
```

## Unterstützte Vorgänge
<a name="querying-iceberg-gdc-mv-supported"></a>

Athena unterstützt die folgenden Operationen für materialisierte Ansichten:
+ `SELECT`Abfragen — Lesen Sie Daten aus materialisierten Ansichten mithilfe von Standard-SQL-Anweisungen `SELECT`
+ `DESCRIBE`- Sehen Sie sich das Schema und die Metadaten materialisierter Ansichten an
+ `SHOW TABLES`- Listet materialisierte Ansichten zusammen mit anderen Tabellen in einer Datenbank auf
+ `JOIN`Operationen — Verbindet materialisierte Ansichten mit anderen Tabellen oder Ansichten
+ Filterung und Aggregation — Wenden Sie `WHERE` Klauseln und Aggregatfunktionen `GROUP BY` an