最佳实践

更新时间：2025-08-21

异步物化视图使用原则

时效性考虑： 异步物化视图通常用于对数据时效性要求不高的场景，一般是 T+1 的数据。如果时效性要求高，应考虑使用同步物化视图。
加速效果与一致性考虑： 在查询加速场景，创建物化视图时，DBA 应将常见查询 SQL 模式分组，尽量使组之间无重合。SQL 模式组划分越清晰，物化视图构建的质量越高。一个查询可能使用多个物化视图，同时一个物化视图也可能被多个查询使用。构建物化视图需要综合考虑命中物化视图的响应时间（加速效果）、构建成本、数据一致性要求等。
物化视图定义与构建成本考虑：
- 物化视图定义和原查询越接近，查询加速效果越好，但物化的通用性和复用性越差，意味着构建成本越高。
- 物化视图定义越通用（例如没有 WHERE 条件和更多聚合维度），查询加速效果较低，但物化的通用性和复用性越好，意味着构建成本越低。

注意：

物化视图数量控制： 物化视图并非越多越好。物化视图构建和刷新需要资源。物化视图参与透明改写，CBO 代价模型选择最优物化视图需要时间。理论上，物化视图越多，透明改写的时间越长。
定期检查物化视图使用状态： 如果未使用，应及时删除。
基表数据更新频率： 如果物化视图的基表数据频繁更新，可能不太适合使用物化视图，因为这会导致物化视图频繁失效，不能用于透明改写（可直查）。如果需要使用此类物化视图进行透明改写，需要允许查询的数据有一定的时效延迟，并可以设定grace_period。具体见grace_period的适用介绍。

物化视图刷新方式选择原则

当满足以下条件时，建议创建分区物化视图：

物化视图的基表数据量很大，并且基表是分区表。
物化视图使用的表除了分区表外，其他表不经常变化。
物化视图的定义 SQL 和分区字段满足分区推导的要求，即符合分区增量更新的要求。
物化视图分区数不多，分区过多会导致分区多物化视图构建时间会过长。

当物化视图的部分分区失效时，透明改写可以使用物化视图的有效分区 UNION ALL 基表返回数据。

如果不能构建分区物化视图，可以考虑选择全量刷新的物化视图。

分区物化视图常见使用方式

当物化视图的基表数据量很大，且基表是分区表时，如果物化视图的定义 SQL 和分区字段满足分区推导的要求，此种场景比较适合构建分区物化视图。

物化视图的分区是跟随基表的分区映射创建的，一般和基表的分区是 1:1 或者 1:n 的关系。

如果基表的分区发生数据变更，如新增分区、删除分区等情况，物化视图对应的分区也会失效。失效的分区不能用于透明改写，但可以直查。透明改写时发现物化视图的分区数据失效，失效的分区会通过联合基表来响应查询。

确认物化视图分区状态的命令详见查看物化视图状态，主要是show partitions from mv_name命令。
如果物化视图引用的非分区表发生数据变更，会触发物化视图所有分区失效，导致此物化视图不能用于透明改写。需要刷新物化视图所有分区的数据，命令为REFRESH MATERIALIZED VIEW mv1 AUTO;。此命令会尝试刷新物化视图所有数据变化的分区。

因此，一般将数据频繁变化的表放在分区物化视图引用的分区表，将不经常变化的维表放在非引用分区表的位置。
如果物化视图引用的非分区表发生数据变更，非分区表数据只是新增，不涉及修改，创建物化视图的时候可以指定属性 excluded_trigger_tables = '非分区表名1,非分区表名2'，这样非分区表的数据变化就不会使物化视图的所有分区失效，下次刷新时，只刷新分区表对应的物化视图失效分区。

分区物化视图的透明改写是分区粒度的，即使物化视图的部分分区失效，此物化视图仍然可用于透明改写。但如果只查询了一个分区，并且物化视图这个分区数据失效了，那么此物化视图不能用于透明改写。

例如：

SQL

1CREATE TABLE IF NOT EXISTS lineitem (
2    l_orderkey INTEGER NOT NULL, 
3    l_partkey INTEGER NOT NULL, 
4    l_suppkey INTEGER NOT NULL, 
5    l_linenumber INTEGER NOT NULL, 
6    l_ordertime DATETIME NOT NULL, 
7    l_quantity DECIMALV3(15, 2) NOT NULL, 
8    l_extendedprice DECIMALV3(15, 2) NOT NULL, 
9    l_discount DECIMALV3(15, 2) NOT NULL, 
10    l_tax DECIMALV3(15, 2) NOT NULL, 
11    l_returnflag CHAR(1) NOT NULL, 
12    l_linestatus CHAR(1) NOT NULL, 
13    l_shipdate DATE NOT NULL, 
14    l_commitdate DATE NOT NULL, 
15    l_receiptdate DATE NOT NULL, 
16    l_shipinstruct CHAR(25) NOT NULL, 
17    l_shipmode CHAR(10) NOT NULL, 
18    l_comment VARCHAR(44) NOT NULL
19  ) DUPLICATE KEY(
20    l_orderkey, l_partkey, l_suppkey, 
21    l_linenumber
22  ) PARTITION BY RANGE(l_ordertime) (
23    FROM 
24      ('2024-05-01') TO ('2024-06-30') INTERVAL 1 DAY
25  )
26DISTRIBUTED BY HASH(l_orderkey) BUCKETS 3;
27
28INSERT INTO lineitem VALUES      
29(1, 2, 3, 4, '2024-05-01 01:45:05', 5.5, 6.5, 0.1, 8.5, 'o', 'k', '2024-05-01', '2024-05-01', '2024-05-01', 'a', 'b', 'yyyyyyyyy'),    
30(1, 2, 3, 4, '2024-05-15 02:35:05', 5.5, 6.5, 0.15, 8.5, 'o', 'k', '2024-05-15', '2024-05-15', '2024-05-15', 'a', 'b', 'yyyyyyyyy'),     
31(2, 2, 3, 5, '2024-05-25 08:30:06', 5.5, 6.5, 0.2, 8.5, 'o', 'k', '2024-05-25', '2024-05-25', '2024-05-25', 'a', 'b', 'yyyyyyyyy'),     
32(3, 4, 3, 6, '2024-06-02 09:25:07', 5.5, 6.5, 0.3, 8.5, 'o', 'k', '2024-06-02', '2024-06-02', '2024-06-02', 'a', 'b', 'yyyyyyyyy'),     
33(4, 4, 3, 7, '2024-06-15 13:20:09', 5.5, 6.5, 0, 8.5, 'o', 'k', '2024-06-15', '2024-06-15', '2024-06-15', 'a', 'b', 'yyyyyyyyy'),     
34(5, 5, 6, 8, '2024-06-25 15:15:36', 5.5, 6.5, 0.12, 8.5, 'o', 'k', '2024-06-25', '2024-06-25', '2024-06-25', 'a', 'b', 'yyyyyyyyy'),     
35(5, 5, 6, 9, '2024-06-29 21:10:52', 5.5, 6.5, 0.1, 8.5, 'o', 'k', '2024-06-30', '2024-06-30', '2024-06-30', 'a', 'b', 'yyyyyyyyy'),     
36(5, 6, 5, 10, '2024-06-03 22:05:50', 7.5, 8.5, 0.1, 10.5, 'k', 'o', '2024-06-03', '2024-06-03', '2024-06-03', 'c', 'd', 'xxxxxxxxx');     
37  
38CREATE TABLE IF NOT EXISTS partsupp (
39    ps_partkey INTEGER NOT NULL, 
40    ps_suppkey INTEGER NOT NULL, 
41    ps_availqty INTEGER NOT NULL, 
42    ps_supplycost DECIMALV3(15, 2) NOT NULL, 
43    ps_comment VARCHAR(199) NOT NULL
44  )
45DUPLICATE KEY(ps_partkey, ps_suppkey)
46DISTRIBUTED BY HASH(ps_partkey) BUCKETS 3;
47
48
49INSERT INTO partsupp VALUES     
50(2, 3, 9, 10.01, 'supply1'),     
51(4, 3, 9, 10.01, 'supply2'),     
52(5, 6, 9, 10.01, 'supply3'),     
53(6, 5, 10, 11.01, 'supply4');

在这个例子中，orders表的o_ordertime字段是分区字段，类型是DATETIME，按照天分区。

查询主要是按照"天"的粒度

SQL

1SELECT 
2  l_linestatus, 
3  sum(
4    l_extendedprice * (1 - l_discount)
5  ) AS revenue, 
6  ps_partkey 
7FROM 
8  lineitem 
9  LEFT JOIN partsupp ON l_partkey = ps_partkey 
10  and l_suppkey = ps_suppkey 
11WHERE 
12  date_trunc(l_ordertime, 'day') <= DATE '2024-05-25' 
13  AND date_trunc(l_ordertime, 'day') >= DATE '2024-05-05' 
14GROUP BY 
15  l_linestatus, 
16  ps_partkey;

为了不让物化视图每次刷新的分区数量过多，物化视图的分区粒度可以和基表orders一致，也按"天"分区。

物化视图的定义 SQL 的粒度可以按照"天"，并且按照"天"来聚合数据，

SQL

1CREATE MATERIALIZED VIEW rollup_partition_mv 
2BUILD IMMEDIATE REFRESH AUTO ON MANUAL 
3partition by(order_date) 
4DISTRIBUTED BY RANDOM BUCKETS 2 
5AS 
6SELECT 
7  l_linestatus, 
8  sum(
9    l_extendedprice * (1 - l_discount)
10  ) AS revenue, 
11  ps_partkey, 
12  date_trunc(l_ordertime, 'day') as order_date 
13FROM 
14  lineitem 
15  LEFT JOIN partsupp ON l_partkey = ps_partkey 
16  and l_suppkey = ps_suppkey 
17GROUP BY 
18  l_linestatus, 
19  ps_partkey, 
20  date_trunc(l_ordertime, 'day');

如何使用物化视图加速查询

使用物化视图查询加速，首先需要查看 profile 文件，找到一个查询消耗时间最多的操作，一般出现在连接（Join）、聚合（Aggregate）、过滤（Filter）或者表达式计算（Calculated Expressions）。

对于 Join、Aggregate、Filters、Calculated Expressions，构建物化视图都能起到加速查询的作用。如果一个查询中 Join 占用了大量的计算资源，而 Aggregate 相对而言占用较小的资源，则可以针对 Join 构建物化视图。

接下来，将详细说明如何针对上述四种操作构建物化视图：

对于 Join

可以提取查询中使用的公共的表连接模式来构建物化视图。透明改写如果使用了此物化视图，可以节省 Join 连接的计算。将查询中的 Filters 去除，这样就是一个比较通用的 Join 物化视图。
对于 Aggregate

建议尽量使用低基数的字段作为维度来构建物化视图。如果维度相关，那么聚合后的数量可以尽量减少。

比如表 t1，原表的数据量是 1000000，查询语句 SQL 中有 group by a, b, c。如果 a，b，c 的基数分别是 100，50，15，那么聚合后的数据大概在 75000 左右，说明此物化视图是有效的。如果 a，b，c 具有相关性，那么聚合后的数据量会进一步减少。

如果 a, b, c 的基数很高，会导致聚合后的数据急速膨胀。如果聚合后的数据比原表的数据还多，可能这样的场景不太适合构建物化视图。比如 c 的基数是 3500，那么聚合后的数据量在 17000000 左右，比原表数据量大的多，构建这样的物化视图性能加速收益低。

物化视图的聚合粒度要比查询细，即物化视图的聚合维度包含查询的聚合维度，这样才能提供查询所需的数据。查询可以不写 Group By，同理，物化视图的聚合函数应该包含查询的聚合函数。
对于 Filter

如果查询中经常出现对相同字段的过滤，那么通过在物化视图中添加相应的 Filter，可以减少物化视图中的数据量，从而提高查询时命中物化视图的性能。

要注意的是，物化视图应该比查询中出现的 Filter 少，查询的 Filter 要包含物化的 Filter。比如查询是 a > 10 and b > 5，物化视图可以没有 Filter，如果有 Filter 的话应对 a 和 b 过滤，并且数据范围要求比查询大，例如物化视图可以是 a > 5 and b > 5，也可以是 a > 5 等。

对于 Calculated Expressions

以 case when、处理字符串等函数为例，这部分表达式计算非常消耗性能，如果在物化视图中能够提前计算好，透明改写使用计算好的物化视图则可以提高查询的性能。

建议物化视图的列数量尽量不要过多。如果查询使用了多个字段，应该根据最开始的查询 SQL 模式分组，分别构建对应列的物化视图，避免单个物化视图的列过多。

以聚合查询加速为例：

查询 1：

SQL

1SELECT 
2 l_linestatus, 
3 sum(
4   l_extendedprice * (1 - l_discount)
5 ) AS revenue, 
6 o_shippriority 
7FROM 
8 orders 
9 LEFT JOIN lineitem ON l_orderkey = o_orderkey 
10WHERE 
11 o_orderdate <= DATE '2024-06-30' 
12 AND o_orderdate >= DATE '2024-05-01' 
13GROUP BY 
14 l_linestatus, 
15 o_shippriority,
16 l_partkey;

查询 2：

SQL

1SELECT 
2 l_linestatus, 
3 sum(
4   l_extendedprice * (1 - l_discount)
5 ) AS revenue, 
6 o_shippriority 
7FROM 
8 orders 
9 LEFT JOIN lineitem ON l_orderkey = o_orderkey 
10WHERE 
11 o_orderdate <= DATE '2024-06-30' 
12 AND o_orderdate >= DATE '2024-05-01' 
13GROUP BY 
14 l_linestatus, 
15 o_shippriority,
16 l_suppkey;

根据以上两个 SQL 查询，我们可以构建一个更为通用的包含 Aggregate 的物化视图。在这个物化视图中，我们将 l_partkey 和 l_suppkey 都作为聚合的 group by 维度，并将 o_orderdate 作为过滤条件。值得注意的是，o_orderdate 不仅在物化视图的条件补偿中使用，同时也需要被包含在物化视图的聚合 group by 维度中。

通过这种方式构建的物化视图后，查询 1 和查询 2 都可以命中该物化视图，物化视图定义如下：

SQL

1CREATE MATERIALIZED VIEW common_agg_mv
2BUILD IMMEDIATE REFRESH AUTO ON MANUAL
3DISTRIBUTED BY RANDOM BUCKETS 2
4AS 
5SELECT 
6 l_linestatus, 
7 sum(
8   l_extendedprice * (1 - l_discount)
9 ) AS revenue, 
10 o_shippriority,
11 l_suppkey,
12 l_partkey,
13 o_orderdate
14FROM 
15 orders 
16 LEFT JOIN lineitem ON l_orderkey = o_orderkey 
17GROUP BY 
18 l_linestatus, 
19 o_shippriority,
20 l_suppkey,
21 l_partkey,
22 o_orderdate;

使用场景

场景一：查询加速

在 BI 报表场景或其他加速场景中，用户对于查询响应时间较为敏感，通常要求能够秒级别返回结果。而查询通常涉及多张表先进行 Join 计算、再聚合计算，该过程会消耗大量计算资源，并且有时难以保证时效性。对此，异步物化视图能够很好应对，它不仅支持直接查询，也支持透明改写，优化器会依据改写算法和代价模型，自动选择最优的物化视图来响应请求。

用例 1 多表连接聚合查询加速

通过构建更通用的物化视图能够加速多表连接聚合查询。

以下面三个查询 SQL 为例：

查询 1：

SQL

1SELECT 
2  l_linestatus, 
3  l_extendedprice * (1 - l_discount)
4  o_shippriority 
5FROM 
6  orders 
7  LEFT JOIN lineitem ON l_orderkey = o_orderkey 
8WHERE 
9  o_orderdate <= DATE '2024-06-30' 
10  AND o_orderdate >= DATE '2024-05-01';

查询 2：

SQL

1SELECT 
2  l_linestatus, 
3  sum(
4    l_extendedprice * (1 - l_discount)
5  ) AS revenue, 
6  o_orderdate, 
7  o_shippriority 
8FROM 
9  orders 
10  LEFT JOIN lineitem ON l_orderkey = o_orderkey 
11WHERE 
12  o_orderdate <= DATE '2024-06-30' 
13  AND o_orderdate >= DATE '2024-05-01' 
14GROUP BY 
15  l_linestatus, 
16  o_orderdate, 
17  o_shippriority;

查询 3：

SQL

1SELECT 
2  l_linestatus, 
3  l_extendedprice * (1 - l_discount),
4  o_orderdate, 
5  o_shippriority 
6FROM 
7  orders 
8  LEFT JOIN lineitem ON l_orderkey = o_orderkey;

对于如上查询，可以构建如下物化视图来满足上述所有查询。

物化视图的定义中去除了查询 1 和查询 2 的过滤条件，得到了一个更通用的 Join，并提前计算了表达式l_extendedprice * (1 - l_discount)，这样当查询命中物化视图时，可以节省表达式的计算。

SQL

1CREATE MATERIALIZED VIEW common_join_mv
2BUILD IMMEDIATE REFRESH AUTO ON MANUAL
3DISTRIBUTED BY RANDOM BUCKETS 2
4AS 
5SELECT 
6  l_linestatus, 
7  l_extendedprice * (1 - l_discount),
8  o_orderdate, 
9  o_shippriority 
10FROM 
11  orders 
12  LEFT JOIN lineitem ON l_orderkey = o_orderkey;

如果上述物化视图不能满足查询 2 的加速性能要求，可以构建聚合物化视图。为了保持通用性，可以去除对o_orderdate字段的过滤条件。

SQL

1CREATE MATERIALIZED VIEW target_agg_mv
2BUILD IMMEDIATE REFRESH AUTO ON MANUAL
3DISTRIBUTED BY RANDOM BUCKETS 2
4AS 
5SELECT 
6  l_linestatus, 
7  sum(
8    l_extendedprice * (1 - l_discount)
9  ) AS revenue, 
10  o_orderdate, 
11  o_shippriority 
12FROM 
13  orders 
14  LEFT JOIN lineitem ON l_orderkey = o_orderkey 
15GROUP BY 
16  l_linestatus, 
17  o_orderdate, 
18  o_shippriority;

用例 2 日志查询加速

在日志查询加速场景中，建议不局限于单独使用异步物化视图，可以结合同步物化视图。

一般基表是分区表，按照小时分区居多，单表聚合查询，一般过滤条件是按照时间，还有一些标识位。有时查询的响应速度无法达到要求，一般可以构建异步物化视图进行加速。

例如，基表的定义可能如下：

SQL

1CREATE TABLE IF NOT EXISTS test (
2`app_name` VARCHAR(64) NULL COMMENT '标识', 
3`event_id` VARCHAR(128) NULL COMMENT '标识', 
4`decision` VARCHAR(32) NULL COMMENT '枚举值', 
5`time` DATETIME NULL COMMENT '查询时间', 
6`id` VARCHAR(35) NOT NULL COMMENT 'od', 
7`code` VARCHAR(64) NULL COMMENT '标识', 
8`event_type` VARCHAR(32) NULL COMMENT '事件类型' 
9)
10DUPLICATE KEY(app_name, event_id)
11PARTITION BY RANGE(time)                                    
12(                                                                                                                                      
13    FROM ("2024-07-01 00:00:00") TO ("2024-07-15 00:00:00") INTERVAL 1 HOUR                                                                     
14)     
15DISTRIBUTED BY HASH(event_id)
16BUCKETS 3;

物化视图可以按照分钟聚合数据，这样也能达到一定的聚合效果。例如：

SQL

1CREATE MATERIALIZED VIEW sync_mv
2    AS
3    SELECT 
4      decision,
5      code, 
6      app_name, 
7      event_id, 
8      event_type, 
9      date_trunc(time, 'minute'), 
10      DATE_FORMAT(
11        `time`, '%Y-%m-%d'
12      ), 
13      cast(FLOOR(MINUTE(time) / 15) as decimal(9, 0)),
14      count(id) as cnt
15    from 
16      test 
17    group by 
18      code, 
19      app_name, 
20      event_id, 
21      event_type, 
22      date_trunc(time, 'minute'), 
23      decision, 
24      DATE_FORMAT(time, '%Y-%m-%d'), 
25      cast(FLOOR(MINUTE(`time`) / 15) as decimal(9, 0));

查询语句可能如下：

SQL

1SELECT 
2    decision, 
3    CONCAT(
4        CONCAT(
5          DATE_FORMAT(
6            `time`, '%Y-%m-%d'
7          ), 
8          '', 
9          LPAD(
10            cast(FLOOR(MINUTE(`time`) / 15) as decimal(9, 0)) * 15, 
11            5, 
12            '00'
13          ), 
14          ':00'
15        )
16      ) as time, 
17      count(id) as cnt 
18    from 
19      test 
20    where 
21    date_trunc(time, 'minute') BETWEEN '2024-07-02 18:00:00' 
22      AND '2024-07-03 20:00:00' 
23    group by 
24      decision, 
25      DATE_FORMAT(
26        `time`, "%Y-%m-%d"
27      ), 
28      cast(FLOOR(MINUTE(`time`) / 15) as decimal(9, 0));

场景二：数据建模（ETL）

数据分析工作往往需要对多表进行连接和聚合，这一过程通常涉及复杂且频繁重复的查询。这类查询可能引发查询延迟高或资源消耗大的问题。然而，如果采用异步物化视图构建数据分层模型，则可以很好避免该问题，利用创建好的物化视图创建更高层级的物化视图（2.1.3 支持），灵活满足不同的需求。

不同层级的物化视图可以设置各自的触发方式，例如：

第一层的物化视图可以设置为定时刷新，第二层的设置为触发刷新。这样，第一层的物化视图刷新完成后，会自动触发第二层物化视图的刷新。
如果每层的物化视图都设置为定时刷新，那么第二层物化视图刷新的时候，不会考虑第一层的物化视图数据是否和基表同步，只会把第一层物化视图的数据加工后同步到第二层。

接下来，通过 TPC-H 数据集说明异步物化视图在数据建模中的应用，以分析每月各地区和国家的订单数量和利润为例：

原始查询（未使用物化视图）：

SQL

1SELECT
2n_name,
3date_trunc(o.o_orderdate, 'month') as month,
4count(distinct o.o_orderkey) as order_count,
5sum(l.l_extendedprice * (1 - l.l_discount)) as revenue
6FROM orders o
7JOIN lineitem l ON o.o_orderkey = l.l_orderkey
8JOIN customer c ON o.o_custkey = c.c_custkey
9JOIN nation n ON c.c_nationkey = n.n_nationkey
10JOIN region r ON n.n_regionkey = r.r_regionkey
11GROUP BY n_name, month;

使用异步物化视图分层建模：

构建 DWD 层（明细数据），处理订单明细宽表

SQL

1CREATE MATERIALIZED VIEW dwd_order_detail
2BUILD IMMEDIATE REFRESH AUTO ON COMMIT
3DISTRIBUTED BY RANDOM BUCKETS 16
4AS
5select
6o.o_orderkey,
7o.o_custkey,
8o.o_orderstatus,
9o.o_totalprice,
10o.o_orderdate,
11c.c_name,
12c.c_nationkey,
13n.n_name as nation_name,
14r.r_name as region_name,
15l.l_partkey,
16l.l_quantity,
17l.l_extendedprice,
18l.l_discount,
19l.l_tax
20from orders o
21join customer c on o.o_custkey = c.c_custkey
22join nation n on c.c_nationkey = n.n_nationkey
23join region r on n.n_regionkey = r.r_regionkey
24join lineitem l on o.o_orderkey = l.l_orderkey;

构建 DWS 层（汇总数据），进行每日订单汇总

SQL

1CREATE MATERIALIZED VIEW dws_daily_sales
2BUILD IMMEDIATE REFRESH AUTO ON COMMIT
3DISTRIBUTED BY RANDOM BUCKETS 16
4AS
5select
6date_trunc(o_orderdate, 'month') as month,
7nation_name,
8region_name,
9bitmap_union(to_bitmap(o_orderkey)) as order_count,
10sum(l_extendedprice * (1 - l_discount)) as net_revenue
11from dwd_order_detail
12group by
13date_trunc(o_orderdate, 'month'),
14nation_name,
15region_name;

使用物化视图优化查询如下：

SQL

1SELECT
2nation_name,
3month,
4bitmap_union_count(order_count),
5sum(net_revenue) as revenue
6FROM dws_daily_sales
7GROUP BY nation_name, month;

场景三：湖仓一体联邦数据查询

在现代化的数据架构中，企业通常会采用湖仓一体设计，以平衡数据的存储成本与查询性能。在这种架构下，经常会遇到两个关键挑战：

查询性能受限：频繁查询数据湖中的数据时，可能会受到网络延迟和第三方服务的影响，从而导致查询延迟，进而影响用户体验。
数据分层建模的复杂性：在数据湖到实时数仓的数据流转和转换过程中，通常需要复杂的 ETL 流程，这增加了维护成本和开发难度。

使用 PALO 异步物化视图，可以很好的应对上述挑战：

透明改写加速查询：将常用的数据湖查询结果物化到 PALO 内部存储，采用透明改写可有效提升查询性能。
简化分层建模：支持基于数据湖中的表创建物化视图，实现从数据湖到实时数仓的便捷转换，极大简化了数据建模流程。

如下，以 Hive 示例说明：

基于 Hive 创建 Catalog，使用 TPC-H 数据集

SQL

1CREATE CATALOG hive_catalog PROPERTIES (
2'type'='hms', -- hive meta store 地址
3'hive.metastore.uris' = 'thrift://172.21.0.1:7004'
4);

基于 Hive Catalog 创建物化视图

SQL

1-- 物化视图只能在 internal 的 catalog 上创建，切换到内部 catalog
2switch internal;
3create database hive_mv_db;
4use hive_mv_db;
5
6CREATE MATERIALIZED VIEW external_hive_mv
7BUILD IMMEDIATE REFRESH AUTO ON MANUAL
8DISTRIBUTED BY RANDOM BUCKETS 12
9AS
10SELECT
11n_name,
12o_orderdate,
13sum(l_extendedprice * (1 - l_discount)) AS revenue
14FROM
15customer,
16orders,
17lineitem,
18supplier,
19nation,
20region
21WHERE
22c_custkey = o_custkey
23AND l_orderkey = o_orderkey
24AND l_suppkey = s_suppkey
25AND c_nationkey = s_nationkey
26AND s_nationkey = n_nationkey
27AND n_regionkey = r_regionkey
28AND r_name = 'ASIA'
29GROUP BY
30n_name,
31o_orderdate;

运行如下的查询，通过透明改写自动使用物化视图加速查询。

SQL

1SELECT
2n_name,
3sum(l_extendedprice * (1 - l_discount)) AS revenue
4FROM
5customer,
6orders,
7lineitem,
8supplier,
9nation,
10region
11WHERE
12c_custkey = o_custkey
13AND l_orderkey = o_orderkey
14AND l_suppkey = s_suppkey
15AND c_nationkey = s_nationkey
16AND s_nationkey = n_nationkey
17AND n_regionkey = r_regionkey
18AND r_name = 'ASIA'
19AND o_orderdate >= DATE '1994-01-01'
20AND o_orderdate < DATE '1994-01-01' + INTERVAL '1' YEAR
21GROUP BY
22n_name
23ORDER BY
24revenue DESC;

提示： PALO 暂无法感知除 Hive 外的其他外表数据变更。当外表数据不一致时，使用物化视图可能出现数据不一致的情况。以下开关表示：参与透明改写的物化视图是否允许包含外表，默认 false。如接受数据不一致或者通过定时刷新来保证外表数据一致性，可以将此开关设置成 true。设置包含外表的物化视图是否可用于透明改写，默认不允许，如果可以接受数据不一致或者可以自行保证数据一致，可以开启

SET materialized_view_rewrite_enable_contain_external_table = true;

如果物化视图在 MaterializedViewRewriteSuccessButNotChose 状态，说明改写成功但 plan 未被 CBO 选择，可能是因为外表的统计信息不完整。启用统计信息从文件中获取行数

SET enable_get_row_count_from_file_list = true;

查看外表统计信息，确认是否已收集完整

SHOW TABLE STATS external_table_name;

场景四：提升写入效率，减少资源竞争

在高吞吐的数据写入的场景中，系统性能的稳定性与数据处理的高效性同样重要。通过异步物化视图灵活的刷新策略，用户可以根据具体场景选择合适的刷新方式，从而降低写入压力，避免资源争抢。

相比之下，异步物化视图提供了手动触发、触发式、周期性触发三种灵活的刷新策略。用户可以根据场景需求差异，选择合适的刷新策略。当基表数据变更时，不会立即触发物化视图刷新，延迟刷新有利于降低资源压力，有效避免写入资源争抢。

如下所示，选择的刷新方式为定时刷新，每 2 小时刷新一次。当 orders 和 lineitem 导入数据时，不会立即触发物化视图刷新。

SQL

1CREATE MATERIALIZED VIEW common_schedule_join_mv
2BUILD IMMEDIATE REFRESH AUTO ON SCHEDULE EVERY 2 HOUR
3DISTRIBUTED BY RANDOM BUCKETS 16
4AS
5SELECT
6l_linestatus,
7l_extendedprice * (1 - l_discount),
8o_orderdate,
9o_shippriority
10FROM
11orders
12LEFT JOIN lineitem ON l_orderkey = o_orderkey;

透明改写能够对查询 SQL 的改写，实现了查询加速，同时也能对导入 SQL 进行改写，从而提升导入效率。从 2.1.6 版本开始，当物化视图和基表数据强一致时，可对 DML 操作如 Insert Into 或者 Insert Overwrite 进行透明改写，这对于数据导入场景的性能提升有显著效果。

创建 Insert Into 数据的目标表

SQL

1CREATE TABLE IF NOT EXISTS target_table  (
2orderdate      DATE NOT NULL,
3shippriority   INTEGER NOT NULL,
4linestatus     CHAR(1) NOT NULL,
5sale           DECIMALV3(15,2) NOT NULL
6)
7DUPLICATE KEY(orderdate, shippriority)
8DISTRIBUTED BY HASH(shippriority) BUCKETS 3;

common_schedule_join_mv

SQL

1CREATE MATERIALIZED VIEW common_schedule_join_mv
2BUILD IMMEDIATE REFRESH AUTO ON SCHEDULE EVERY 2 HOUR
3DISTRIBUTED BY RANDOM BUCKETS 16
4AS
5SELECT
6l_linestatus,
7l_extendedprice * (1 - l_discount),
8o_orderdate,
9o_shippriority
10FROM
11orders
12LEFT JOIN lineitem ON l_orderkey = o_orderkey;

未经改写的导入语句如下：

SQL

1INSERT INTO target_table
2SELECT
3o_orderdate,
4o_shippriority,
5l_linestatus,
6l_extendedprice * (1 - l_discount)
7FROM
8orders
9LEFT JOIN lineitem ON l_orderkey = o_orderkey;

经过透明改写后，语句如下：

SQL

1INSERT INTO target_table
2SELECT *
3FROM common_schedule_join_mv;

需要注意的是：如果 DML 操作的是无法感知数据变更的外表，透明改写可能导致基表最新数据无法实时导入目标表。如果用户可以接受数据不一致或能够自行保证数据一致性，可以打开如下开关

DML 时，当物化视图存在无法实时感知数据的外表时，是否开启基于结构信息的物化视图透明改写，默认关闭

SET enable_dml_materialized_view_rewrite_when_base_table_unawareness = true;

异步物化视图常见问题

异步物化视图概述

数据仓库 PALO