物化视图

本示例演示了如何创建一个物化视图，然后如何将第二个物化视图级联到第一个物化视图上。在本页中，您将看到如何做到这一点，许多可能性以及限制。通过创建一个使用第二个物化视图作为源的物化视图，可以回答不同的用例。

示例：

我们将使用一个虚假数据集，其中包含一组域名的每小时浏览次数。

我们的目标

我们需要按月为每个域名聚合数据，
我们还需要按年为每个域名聚合数据。

您可以选择以下选项之一：

编写查询，这些查询将在 SELECT 请求期间读取和聚合数据
在摄入时将数据准备为新格式
在摄入时将数据准备为特定的聚合。

使用物化视图准备数据将允许您限制 ClickHouse 需要执行的数据和计算量，从而加快 SELECT 请求的速度。

物化视图的源表

创建源表，因为我们的目标涉及报告聚合数据而不是单个行，我们可以解析它，将信息传递给物化视图，然后丢弃实际的传入数据。这符合我们的目标并节省了存储空间，因此我们将使用 Null 表引擎。

CREATE DATABASE IF NOT EXISTS analytics;

CREATE TABLE analytics.hourly_data
(
    `domain_name` String,
    `event_time` DateTime,
    `count_views` UInt64
)
ENGINE = Null

note

您可以在 Null 表上创建物化视图。因此，写入表的数据将影响视图，但原始原始数据仍将被丢弃。

按月聚合的表和物化视图

对于第一个物化视图，我们需要创建 Target 表，对于本示例，它将是 analytics.monthly_aggregated_data，我们将按月和域名存储浏览次数的总和。

CREATE TABLE analytics.monthly_aggregated_data
(
    `domain_name` String,
    `month` Date,
    `sumCountViews` AggregateFunction(sum, UInt64)
)
ENGINE = AggregatingMergeTree
ORDER BY (domain_name, month)

将转发数据到目标表的物化视图如下：

CREATE MATERIALIZED VIEW analytics.monthly_aggregated_data_mv
TO analytics.monthly_aggregated_data
AS
SELECT
    toDate(toStartOfMonth(event_time)) AS month,
    domain_name,
    sumState(count_views) AS sumCountViews
FROM analytics.hourly_data
GROUP BY
    domain_name,
    month

按年聚合的表和物化视图

现在我们将创建第二个物化视图，它将链接到我们之前的目标表 monthly_aggregated_data。

首先，我们将创建一个新的目标表，它将为每个域名存储按年聚合的浏览次数总和。

CREATE TABLE analytics.year_aggregated_data
(
    `domain_name` String,
    `year` UInt16,
    `sumCountViews` UInt64
)
ENGINE = SummingMergeTree()
ORDER BY (domain_name, year)

这一步定义了级联。FROM 语句将使用 monthly_aggregated_data 表，这意味着数据流程将是：

数据来自 hourly_data 表。
ClickHouse 将转发接收到的数据到第一个物化视图 monthly_aggregated_data 表，
最后，第 2 步中接收到的数据将被转发到 year_aggregated_data。

CREATE MATERIALIZED VIEW analytics.year_aggregated_data_mv
TO analytics.year_aggregated_data
AS
SELECT
    toYear(toStartOfYear(month)) AS year,
    domain_name,
    sumMerge(sumCountViews) as sumCountViews
FROM analytics.monthly_aggregated_data
GROUP BY
    domain_name,
    year

note

在使用物化视图时的一个常见误解是，数据是从表中读取的。这不是 物化视图 的工作方式；转发的是插入的块，而不是表中的最终结果。

假设在本示例中，monthly_aggregated_data 中使用的引擎是 CollapsingMergeTree，则转发到我们的第二个物化视图 year_aggregated_data 的数据将不是折叠表的最终结果，而是具有与 SELECT ... GROUP BY 中定义的字段的数据块。

如果您使用 CollapsingMergeTree、ReplacingMergeTree 或甚至 SummingMergeTree，并且您计划创建级联物化视图，您需要了解此处描述的限制。

示例数据

现在是测试我们级联物化视图的时候了，通过插入一些数据：

INSERT INTO analytics.hourly_data (domain_name, event_time, count_views)
VALUES ('clickhouse.com', '2019-01-01 10:00:00', 1),
       ('clickhouse.com', '2019-02-02 00:00:00', 2),
       ('clickhouse.com', '2019-02-01 00:00:00', 3),
       ('clickhouse.com', '2020-01-01 00:00:00', 6);

如果您查询 analytics.hourly_data 的内容，您将看到以下内容，因为表引擎是 Null，但数据已经被处理。

SELECT * FROM analytics.hourly_data

Ok.

0 rows in set. Elapsed: 0.002 sec.

我们使用了一个小数据集，以确保我们可以跟踪并将结果与我们期望的结果进行比较，一旦您的流程与小数据集正确，您就可以转移到大量数据。

结果

如果您尝试查询目标表，选择 sumCountViews 字段，您将看到二进制表示（在某些终端中），因为该值不是作为数字而是作为 AggregateFunction 类型存储的。要获取聚合的最终结果，您应该使用 -Merge 后缀。

您可以使用以下查询查看 AggregateFunction 中存储的特殊字符：

SELECT sumCountViews FROM analytics.monthly_aggregated_data

┌─sumCountViews─┐
│               │
│               │
│               │
└───────────────┘

3 rows in set. Elapsed: 0.003 sec.

相反，让我们尝试使用 Merge 后缀来获取 sumCountViews 值：

SELECT
   sumMerge(sumCountViews) as sumCountViews
FROM analytics.monthly_aggregated_data;

┌─sumCountViews─┐
│            12 │
└───────────────┘

1 row in set. Elapsed: 0.003 sec.

在 AggregatingMergeTree 中，我们已将 AggregateFunction 定义为 sum，因此我们可以使用 sumMerge。当我们在 AggregateFunction 上使用 avg 函数时，我们将使用 avgMerge，依此类推。

SELECT
    month,
    domain_name,
    sumMerge(sumCountViews) as sumCountViews
FROM analytics.monthly_aggregated_data
GROUP BY
    domain_name,
    month

现在我们可以回顾物化视图是否满足我们定义的目标。

现在我们已经将数据存储在目标表 monthly_aggregated_data 中，我们可以为每个域名按月获取聚合的数据：

SELECT
   month,
   domain_name,
   sumMerge(sumCountViews) as sumCountViews
FROM analytics.monthly_aggregated_data
GROUP BY
   domain_name,
   month

┌──────month─┬─domain_name────┬─sumCountViews─┐
│ 2020-01-01 │ clickhouse.com │             6 │
│ 2019-01-01 │ clickhouse.com │             1 │
│ 2019-02-01 │ clickhouse.com │             5 │
└────────────┴────────────────┴───────────────┘

3 rows in set. Elapsed: 0.004 sec.

每个域名按年聚合的数据：

SELECT
   year,
   domain_name,
   sum(sumCountViews)
FROM analytics.year_aggregated_data
GROUP BY
   domain_name,
   year

┌─year─┬─domain_name────┬─sum(sumCountViews)─┐
│ 2019 │ clickhouse.com │                  6 │
│ 2020 │ clickhouse.com │                  6 │
└──────┴────────────────┴────────────────────┘

2 rows in set. Elapsed: 0.004 sec.

将多个源表合并到单个目标表

物化视图还可以用于将多个源表合并到同一个目标表中。这对于创建类似于 UNION ALL 逻辑的物化视图很有用。

首先，创建两个代表不同指标集的源表：

CREATE TABLE analytics.impressions
(
    `event_time` DateTime,
    `domain_name` String
) ENGINE = MergeTree ORDER BY (domain_name, event_time)
;

CREATE TABLE analytics.clicks
(
    `event_time` DateTime,
    `domain_name` String
) ENGINE = MergeTree ORDER BY (domain_name, event_time)
    

然后创建具有组合指标集的 Target 表：

CREATE TABLE analytics.daily_overview
(
    `on_date` Date,
    `domain_name` String,
    `impressions` SimpleAggregateFunction(sum, UInt64),
    `clicks` SimpleAggregateFunction(sum, UInt64)
) ENGINE = AggregatingMergeTree ORDER BY (on_date, domain_name)

创建两个指向相同 Target 表的物化视图。您不需要显式包含缺少的列：

CREATE MATERIALIZED VIEW analytics.daily_impressions_mv
TO analytics.daily_overview
AS
SELECT
    toDate(event_time) AS on_date,
    domain_name,
    count() AS impressions,
    0 clicks         ---<<<--- if you omit this, it will be the same 0
FROM
    analytics.impressions
GROUP BY
    toDate(event_time) AS on_date,
    domain_name
;

CREATE MATERIALIZED VIEW analytics.daily_clicks_mv
TO analytics.daily_overview
AS
SELECT
    toDate(event_time) AS on_date,
    domain_name,
    count() AS clicks,
    0 impressions    ---<<<--- if you omit this, it will be the same 0
FROM
    analytics.clicks
GROUP BY
    toDate(event_time) AS on_date,
    domain_name
;

现在，当您插入值时，这些值将被聚合到 Target 表的相应列中：

INSERT INTO analytics.impressions (domain_name, event_time)
VALUES ('clickhouse.com', '2019-01-01 00:00:00'),
       ('clickhouse.com', '2019-01-01 12:00:00'),
       ('clickhouse.com', '2019-02-01 00:00:00'),
       ('clickhouse.com', '2019-03-01 00:00:00')
;

INSERT INTO analytics.clicks (domain_name, event_time)
VALUES ('clickhouse.com', '2019-01-01 00:00:00'),
       ('clickhouse.com', '2019-01-01 12:00:00'),
       ('clickhouse.com', '2019-03-01 00:00:00')
;

在 Target 表中，将印象和点击组合在一起：

SELECT
    on_date,
    domain_name,
    sum(impressions) AS impressions,
    sum(clicks) AS clicks
FROM
    analytics.daily_overview
GROUP BY
    on_date,
    domain_name
;

此查询应输出类似以下内容：

┌────on_date─┬─domain_name────┬─impressions─┬─clicks─┐
│ 2019-01-01 │ clickhouse.com │           2 │      2 │
│ 2019-03-01 │ clickhouse.com │           1 │      1 │
│ 2019-02-01 │ clickhouse.com │           1 │      0 │
└────────────┴────────────────┴─────────────┴────────┘

3 rows in set. Elapsed: 0.018 sec.

物化视图

物化视图的源表​

按月聚合的表和物化视图​

按年聚合的表和物化视图​

示例数据​

结果​

将多个源表合并到单个目标表​

物化视图的源表

按月聚合的表和物化视图

按年聚合的表和物化视图

示例数据

结果

将多个源表合并到单个目标表