SelectDB物化视图概览 - 云数据库 SelectDB 版

使用场景

物化视图主要适用于以下三类场景：

查询加速：对于包含复杂聚合、多表JOIN的高频查询，预先将计算结果物化存储，查询时直接读取物化结果，避免重复计算，大幅降低查询延迟。
轻量ETL（数据加工）：物化视图可以作为轻量级的ETL工具，对原始数据进行预聚合、转换，为下游报表或分析提供加工后的数据层，实现数仓分层建设。
湖仓一体加速：对于存储在数据湖（如Hive、Iceberg等）中的外部数据，通过异步物化视图将常用查询结果缓存到SelectDB本地存储，利用SelectDB的高性能引擎加速数据湖查询。

SelectDB提供两类物化视图，分别适用于不同的使用场景：

同步物化视图（Sync Materialized View）在基表数据写入时实时同步更新，保证物化视图数据与基表数据强一致。其特点如下：

异步物化视图（Async Materialized View）采用异步刷新机制，通过刷新方式（全量刷新或分区增量刷新）和触发方式（手动、定时或提交触发）的灵活组合，满足不同业务场景的数据时效性需求。其特点如下：

支持多表JOIN：异步物化视图可以基于多张表（包括内表和外表）创建，支持复杂的JOIN查询预计算。
灵活刷新策略：支持手动刷新（ON MANUAL）、定时刷新（ON SCHEDULE）和提交触发刷新（ON COMMIT）三种触发方式，可根据数据时效性需求灵活配置。
湖仓一体支持：支持基于Hive、Iceberg等外部数据源创建物化视图，加速数据湖查询。
透明改写：查询优化器支持基于SPJG（SELECT-PROJECT-JOIN-GROUP-BY）算法的透明改写，自动将原始查询路由到物化视图，无需修改业务SQL。
适用场景：对数据时效性要求相对宽松（T+1级别）、查询复杂度高的分析场景，如数仓分层、多维度报表等。

对比维度	同步物化视图	异步物化视图
数据一致性	强一致（实时同步）	最终一致（异步刷新）
支持的基表数量	仅单表	多表（含JOIN）
外表支持	不支持	支持（Hive、Iceberg等）
刷新方式	写时同步更新	全量刷新（COMPLETE）或分区增量刷新（AUTO）
触发方式	自动（写入时同步触发）	手动（ON MANUAL）/ 定时（ON SCHEDULE）/ 提交触发（ON COMMIT）
透明改写	支持	支持（SPJG算法）
适用场景	实时性要求高、单表聚合加速	T+1分析、多表JOIN预计算、湖仓加速

异步物化视图的刷新由两个独立维度决定：刷新方式（每次刷新的范围）和触发方式（何时触发刷新）。两者可以自由组合，在创建物化视图时通过REFRESH子句指定。

刷新方式决定每次刷新时的数据范围：

刷新方式	刷新范围	说明
全量刷新（COMPLETE）	全部数据	每次刷新时重新计算物化视图定义SQL涉及的所有数据并完整写入。适用于非分区表或需要完全重建数据的场景。
分区增量刷新（AUTO）	变化的分区	仅刷新自上次刷新后数据发生变化的分区，刷新开销低。如果系统无法感知分区变化，则自动退化为全量刷新。适合分区表场景。

触发方式决定何时启动刷新任务。以下三种触发方式均可与上述任意刷新方式组合使用：

触发方式	触发时机	说明	适用场景
手动触发（ON MANUAL）	用户手动执行	通过`REFRESH MATERIALIZED VIEW`语句手动触发刷新	需要精确控制刷新时机的场景
定时触发（ON SCHEDULE）	按设定的时间间隔	按指定的时间间隔（分钟、小时、天等）自动触发刷新	周期性数据更新的场景，如每日报表
提交触发（ON COMMIT）	基表数据变更后	基表数据提交后自动触发物化视图刷新，数据延迟最低	基表变更频率不高且对数据新鲜度要求较高的场景

说明

刷新方式和触发方式是两个独立的维度。例如，您可以配置"全量刷新 + 定时触发"（每天凌晨全量重建），也可以配置"分区增量刷新 + 提交触发"（基表变更后仅刷新受影响的分区）。