大网数据广告活动
数据库部署与 SQL 参考

物化视图概览

· 52CE 我爱测

物化视图(Materialized View)是**既包含计算逻辑、也包含数据**的实体;与仅存储计算逻辑、不存储数据的普通视图不同,物化视图会按策略周期或实时刷新数据,可直接被查询,也可对查询进行透明改写。

物化视图(Materialized View)是既包含计算逻辑、也包含数据的实体;与仅存储计算逻辑、不存储数据的普通视图不同,物化视图会按策略周期或实时刷新数据,可直接被查询,也可对查询进行透明改写。

阅读须知

在选择和使用物化视图前,建议先确认以下问题:

  • 想解决什么问题?查询加速、数据建模,还是湖仓加速?
  • 对数据时效性要求多高?需要强一致还是最终一致?
  • 定义 SQL 涉及单表还是多表?
  • 刷新方式希望是全量、分区增量,还是实时?

下文将围绕这些问题逐一展开。

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,并按策略进行周期性或实时性更新。它可被直接查询,也可以将查询透明改写。常见适用场景如下:

查询加速

在决策支持系统(如 BI 报表、Ad-Hoc 查询)中,分析型查询通常包含聚合操作,可能还涉及多表连接。

  • 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。
  • 业务场景往往要求秒级响应。
  • 可通过构建物化视图,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,可以使用物化视图的嵌套来构建 DWD 和 DWM 层,并利用物化视图的调度刷新能力替代部分 ETL 任务。

湖仓一体

针对多种外部数据源,可对其使用的表构建物化视图,从而:

  • 节省从外部表导入数据到内部表的成本;
  • 加速对外部数据源的查询过程。

物化视图的分类

可以从数据时效性、SQL 模式、刷新方式三个维度对物化视图进行分类。

按数据时效性分类:同步 vs 异步

分类 数据一致性 典型时效 是否支持直接查询 适用场景
同步物化视图 与基表强一致 实时 不支持 时效性要求高的场景
异步物化视图 与基表最终一致 T+1 / 小时级 支持 时效性要求不高的常规分析场景

选型建议:

  • 时效性要求高 → 选择同步物化视图。
  • 时效性要求不高,可接受一定延迟 → 选择异步物化视图。

按支持透明改写的 SQL 模式分类:单表 vs 多表

物化视图的定义 SQL 既可以是单表查询,也可以是多表查询。从所用表数量出发,可分为单表物化视图和多表物化视图:

  • 异步物化视图:可使用单表,也可使用多表。
  • 同步物化视图:仅支持单表。

按刷新方式分类:全量 vs 分区增量 vs 实时

不同类别的物化视图支持的刷新方式不同:

物化视图类型 全量刷新 分区增量刷新 实时刷新
异步物化视图 支持 支持 不支持
同步物化视图 - - 支持

各刷新方式的含义:

  • 全量刷新(异步):计算物化视图定义 SQL 的所有数据。
  • 分区增量刷新(异步):当物化视图基表的分区数据发生变化时,识别出对应变化的分区并仅刷新这些分区,无需刷新整个物化视图。
  • 实时刷新(同步):可以理解为实时刷新,始终保持与基表的数据一致。

本文来自 Apache Doris 文档贡献者,按 Apache 2.0 整理版式与相对链接,保留正文与代码。图示请参阅原文。作者与贡献记录。

资料来源与适用范围

资料来源
Apache Doris 文档贡献者
适用范围
master 文档快照(2026-11-16)
内容语言
中文;命令、路径和错误标识保留技术原文
本地收录日期
2026-11-16
授权说明
Apache 2.0

正文与所需资源由本站本地存储。查看来源及更新记录 ↗

请按适用版本和实际日志确认原因;本站没有对每一种系统或设备逐项执行文中的操作。