福建建设人才市场网站百度搜索指数是怎么计算的

物化视图是既包含计算逻辑也包含数据的实体。它不同于视图，因为视图仅包含计算逻辑，本身不存储数据。

物化视图的使用场景​

物化视图根据 SQL 定义计算并存储数据，且根据策略进行周期性或实时性更新。物化视图可直接查询，也可以将查询透明改写。它可用于以下几个场景：

查询加速​

在决策支持系统中，如 BI 报表、Ad-Hoc 查询等，这类分析型查询通常包含聚合操作，可能还涉及多表连接。由于计算此类查询结果较为消耗资源、响应时间可能长达分钟级，且业务场景往往要求秒级响应，可以构建物化视图，对常见查询进行加速。

轻量化 ETL（数据建模）​

在数据分层场景中，可以通过嵌套物化视图来构建 DWD 和 DWM 层，利用物化视图的调度刷新能力。

湖仓一体​

针对多种外部数据源，可以将这些数据源所使用的表进行物化视图构建，以此来节省从外部表导入到内部表的成本，并且加速查询过程。

物化视图的分类​

按照数据时效性分类：同步 vs 异步​

• 同步物化视图需要与基表的数据保持强一致性。

• 异步物化视图与基表的数据保持最终一致性，可能会有一定的延迟。它通常用于对数据时效性要求不高的场景，一般使用 T+1 或小时级别的数据来构建物化视图。如果时效性要求高，则考虑使用同步物化视图。

目前，同步物化视图不支持直接查询，而异步物化视图支持直接查询。

按照支持透明改写的 SQL 模式分类：单表 vs 多表​

物化视图的定义 SQL 可以包含单表查询，也可以包含多表查询。从使用表的数量角度出发，可以划分物化视图为单表物化视图或多表物化视图。

• 对于异步物化视图，可以使用单表或多表。

• 对于同步物化视图，只能使用单表。

按照物化视图刷新分类：全量刷新 vs 分区增量刷新 vs 实时刷新​

对于异步物化视图

• 全量刷新：计算物化视图定义 SQL 的所有数据。

• 分区增量刷新：当物化视图基表的分区数据发生变化时，识别出物化视图对应变化的分区，并仅刷新这些分区，从而实现分区增量刷新，而无需刷新整个物化视图。

对于同步物化视图

• 可以理解为实时更新，保持与基表的数据一致。