跳到主要内容
版本：Latest-3.3

异步物化视图

本文介绍如何理解、创建、使用和管理 StarRocks 中的异步物化视图。StarRocks 自 2.4 版本起支持异步物化视图。

相较于同步物化视图，异步物化视图支持多表关联以及更加丰富的聚合算子。异步物化视图可以通过手动调用或定时任务的方式刷新，并且支持刷新部分分区，可以大幅降低刷新成本。除此之外，异步物化视图支持多种查询改写场景，实现自动、透明查询加速。

有关同步物化视图（Rollup）的场景和使用，参见同步物化视图（Rollup）。

背景介绍​

数据仓库环境中的应用程序经常基于多个大表执行复杂查询，通常涉及多表之间数十亿行数据的关联和聚合。处理此类查询通常会大量消耗系统资源和时间，造成极高的查询成本。

您可以通过 StarRocks 中的异步物化视图解决以上问题。异步物化视图是一种特殊的物理表，其中存储了基于基表特定查询语句的预计算结果。当您对基表执行复杂查询时，StarRocks 可以直接复用预计算结果，避免重复计算，进而提高查询性能。查询的频率越高或查询语句越复杂，性能增益就会越很明显。

您还可以通过异步物化视图对数据仓库进行建模，从而向上层应用提供统一的数据口径，屏蔽底层实现，保护基表明细数据安全。

理解 StarRocks 物化视图​

StarRocks v2.4 之前的版本提供了一种同步更新的同步物化视图（Rollup），可以提供更好的数据新鲜度和更低的刷新成本。但是同步物化视图在场景上有诸多限制，只可基于单一基表创建，且仅支持有限的聚合算子。v2.4 版本之后支持异步物化视图，可以基于多个基表创建，且支持更丰富的聚合算子。

下表从支持的特性角度比较了 StarRocks 中的异步物化视图以及同步物化视图（Rollup）：

单表聚合多表关联查询改写刷新策略基表
异步物化视图是是是
  • 异步刷新
  • 手动刷新
支持多表构建。基表可以来自：
  • Default Catalog
  • External Catalog（v2.5）
  • 已有异步物化视图（v2.5）
  • 已有视图（v3.1）
同步物化视图（Rollup）仅部分聚合函数否是导入同步刷新仅支持基于 Default Catalog 的单表构建

相关概念​

  • 基表（Base Table）

    物化视图的驱动表。

    对于 StarRocks 的异步物化视图，基表可以是 Default catalog 中的内部表、外部数据目录中的表（自 2.5 版本起支持），甚至是已有的异步物化视图（自 v2.5 起支持）或视图（自 v3.1 起支持）。StarRocks 支持在所有 StarRocks 表类型 上创建异步物化视图。

  • 刷新（Refresh）

    创建异步物化视图后，其中的数据仅反映创建时刻基表的状态。当基表中的数据发生变化时，需要通过刷新异步物化视图更新数据变化。

    目前 StarRocks 支持两种异步刷新策略：

    • ASYNC：异步刷新，每当基表中的数据发生变化时，物化视图根据指定的刷新间隔自动触发刷新任务。
    • MANUAL：手动触发刷新。物化视图不会自动刷新，需要用户手动维护刷新任务。

  • 查询改写（Query Rewrite）

    查询改写是指在对已构建了物化视图的基表进行查询时，系统自动判断是否可以复用物化视图中的预计算结果处理查询。如果可以复用，系统会直接从相关的物化视图读取预计算结果，以避免重复计算消耗系统资源和时间。

    自 v2.5 版本起，StarRocks 支持基于 SPJG 类型异步物化视图的自动、透明查询改写。SPJG 类型的物化视图是指在物化视图 Plan 中只包含 Scan、Filter、Project 以及 Aggregate 类型的算子。

    说明

    基于 JDBC Catalog 和 Hudi Catalog 表构建的异步物化视图暂不支持查询改写。

使用场景​

如果您的数据仓库环境中有以下需求，我们建议您创建异步物化视图：

  • 加速重复聚合查询

    假设您的数仓环境中存在大量包含相同聚合函数子查询的查询，占用了大量计算资源，您可以根据该子查询建立异步物化视图，计算并保存该子查询的所有结果。建立成功后，系统将自动改写查询语句，直接查询异步物化视图中的中间结果，从而降低负载，加速查询。

  • 周期性多表关联查询

    假设您需要定期将数据仓库中多张表关联，生成一张新的宽表，您可以为这些表建立异步物化视图，并设定定期刷新规则，从而避免手动调度关联任务。异步物化视图建立成功后，查询将直接基于异步物化视图返回结果，从而避免关联操作带来的延迟。

  • 数仓分层

    假设您的基表中包含大量原始数据，查询需要进行复杂的 ETL 操作，您可以通过对数据建立多层异步物化视图实现数仓分层。如此可以将复杂查询分解为多层简单查询，既可以减少重复计算，又能够帮助维护人员快速定位问题。除此之外，数仓分层还可以将原始数据与统计数据解耦，从而保护敏感性原始数据。

  • 湖仓加速

    查询数据湖可能由于网络延迟和对象存储的吞吐限制而变慢。您可以通过在数据湖之上构建异步物化视图来提升查询性能。此外，StarRocks 可以智能改写查询以使用现有的物化视图，省去了手动修改查询的麻烦。

关于异步物化视图的具体使用案例，请参考以下内容：

创建异步物化视图​

StarRocks 支持在以下数据源创建异步物化视图：

  • StarRocks 内部表（基表支持所有 StarRocks 表类型）

  • External Catalog 中的表

    • Hive Catalog（自 v2.5 起）
    • Hudi Catalog（自 v2.5 起）
    • Iceberg Catalog（自 v2.5 起）
    • JDBC Catalog（自 v3.0 起）

  • 已有异步物化视图（自 v2.5 起）

  • 已有视图（自 v3.1 起）

准备工作​

以下示例基于 Default Catalog 中的两张基表：

  • 表 goods 包含产品 ID item_id1、产品名称 item_name 和产品价格 price。
  • 表 order_list 包含订单 ID order_id、客户 ID client_id 和产品 ID item_id2。

其中 item_id1 与 item_id2 等价。

建表并导入如下数据：

CREATE TABLE goods(
    item_id1          INT,
    item_name         STRING,
    price             FLOAT
) DISTRIBUTED BY HASH(item_id1);

INSERT INTO goods
VALUES
    (1001,"apple",6.5),
    (1002,"pear",8.0),
    (1003,"potato",2.2);

CREATE TABLE order_list(
    order_id          INT,
    client_id         INT,
    item_id2          INT,
    order_date        DATE
) DISTRIBUTED BY HASH(order_id);

INSERT INTO order_list
VALUES
    (10001,101,1001,"2022-03-13"),
    (10001,101,1002,"2022-03-13"),
    (10002,103,1002,"2022-03-13"),
    (10002,103,1003,"2022-03-14"),
    (10003,102,1003,"2022-03-14"),
    (10003,102,1001,"2022-03-14");

该示例业务场景需要频繁分析订单总额，则查询需要将两张表关联并调用 sum() 函数，根据订单 ID 和总额生成一张新表。除此之外，该业务场景需要每天刷新订单总额。

其查询语句如下：

SELECT
    order_id,
    sum(goods.price) as total
FROM order_list INNER JOIN goods ON goods.item_id1 = order_list.item_id2
GROUP BY order_id;

基于查询语句创建异步物化视图​

您可以通过 CREATE MATERIALIZED VIEW 语句为特定查询语句创建物化视图。

以下示例根据上述查询语句，基于表 goods 和表 order_list 创建一个“以订单 ID 为分组，对订单中所有商品价格求和”的异步物化视图，并设定其刷新方式为 ASYNC，每天自动刷新。

CREATE MATERIALIZED VIEW order_mv
DISTRIBUTED BY HASH(`order_id`)
REFRESH ASYNC START('2022-09-01 10:00:00') EVERY (interval 1 day)
AS SELECT
    order_list.order_id,
    sum(goods.price) as total
FROM order_list INNER JOIN goods ON goods.item_id1 = order_list.item_id2
GROUP BY order_id;

说明

  • 创建异步物化视图时必须至少指定分桶和刷新策略其中之一。
  • 您可以为异步物化视图设置与其基表不同的分区和分桶策略，但异步物化视图的分区列和分桶列必须在查询语句中。
  • 异步物化视图支持分区上卷。例如，基表基于天做分区方式，您可以设置异步物化视图按月做分区。
  • 自 v3.3.3 起，StarRocks 支持创建基于 List 分区策略的异步物化视图。
    • 您可以基于使用 List 分区或表达式分区策略创建的表来创建 List 分区的物化视图。
    • 目前，当使用 List 分区策略创建物化视图时，您只能指定一个分区键。如果基表有多个分区键，您只能选择其中一个分区键。
    • 使用 List 分区策略的物化视图的刷新行为和查询改写逻辑与使用 Range 分区策略的物化视图一致。
  • 创建物化视图的查询语句不支持非确定性函数，其中包括 rand()、random()、uuid() 和 sleep()。
  • 异步物化视图支持多种数据类型。有关详细信息，请参阅 CREATE MATERIALIZED VIEW - 支持数据类型。
  • 默认情况下，执行 CREATE MATERIALIZED VIEW 语句后，StarRocks 将立即开始刷新任务，这将会占用一定系统资源。如需推迟刷新时间，请添加 REFRESH DEFERRED 参数。

  • 异步物化视图刷新机制

    目前，StarRocks 支持两种 ON DEMAND 刷新策略，即异步刷新（ASYNC）和手动刷新（MANUAL）。

    在此基础上，异步物化视图支持多种刷新机制控制刷新开销并保证刷新成功率：

    • 支持设置刷新最大分区数。当一张异步物化视图拥有较多分区时，单次刷新将耗费较多资源。您可以通过设置该刷新机制来指定单次刷新的最大分区数量，从而将刷新任务进行拆分，保证数据量多的物化视图能够分批、稳定的完成刷新。
    • 支持为异步物化视图的分区指定 Time to Live（TTL），从而减少异步物化视图占用的存储空间。
    • 支持指定刷新范围，只刷新最新的几个分区，减少刷新开销。
    • 支持设置数据变更不会触发对应物化视图自动刷新的基表。
    • 支持为刷新任务设置资源组。

    详细信息，请参阅 CREATE MATERIALIZED VIEW - 参数 中的 PROPERTIES 部分。您还可以使用 ALTER MATERIALIZED VIEW 修改现有异步物化视图的刷新机制。

    注意

    为避免全量刷新任务耗尽系统资源导致任务失败，建议您基于分区基表创建分区物化视图，保证基表分区中的数据更新时，只有物化视图对应的分区会被刷新，而非刷新整个物化视图。详细信息，请参考使用物化视图进行数据建模 - 分区建模。

  • 嵌套物化视图

    StarRocks v2.5 及以后版本支持嵌套异步物化视图，即基于异步物化视图构建新的异步物化视图。每个异步物化视图的刷新方式仅影响当前物化视图。当前 StarRocks 不对嵌套层数进行限制。生产环境中建议嵌套层数不超过三层。

  • External Catalog 物化视图

    StarRocks 支持基于 Hive Catalog（自 v2.5 起）、Hudi Catalog（自 v2.5 起）、Iceberg Catalog（自 v2.5 起）以及 JDBC Catalog（自 v3.0 起）构建异步物化视图。外部数据目录物化视图的创建方式与普通异步物化视图相同，但有使用限制。详细信息，请参阅 使用物化视图加速数据湖查询。

手动刷新异步物化视图​

您可以通过 REFRESH MATERIALIZED VIEW 命令手动刷新指定异步物化视图。StarRocks v2.5 版本中，异步物化视图支持手动刷新部分分区。在 v3.1 版本中，StarRocks 支持同步调用刷新任务。

-- 异步调用刷新任务。
REFRESH MATERIALIZED VIEW order_mv;
-- 同步调用刷新任务。
REFRESH MATERIALIZED VIEW order_mv WITH SYNC MODE;

您可以通过 CANCEL REFRESH MATERIALIZED VIEW 取消异步调用的刷新任务。

直接查询异步物化视图​

异步物化视图本质上是一个物理表，其中存储了根据特定查询语句预先计算的完整结果集。在物化视图第一次刷新后，您即可直接查询物化视图。

MySQL > SELECT * FROM order_mv;
+----------+--------------------+
| order_id | total              |
+----------+--------------------+
|    10001 |               14.5 |
|    10002 | 10.200000047683716 |
|    10003 |  8.700000047683716 |
+----------+--------------------+
3 rows in set (0.01 sec)

说明

您可以直接查询异步物化视图，但由于异步刷新机制，其结果可能与您从基表上查询的结果不一致。

使用异步物化视图改写加速查询​

StarRocks v2.5 版本支持 SPJG 类型的异步物化视图查询的自动透明改写。其查询改写包括单表改写，Join 改写，聚合改写，Union 改写和嵌套物化视图的改写。自 v3.3.0 起，StarRocks 进一步支持基于文本的物化视图改写。详细内容，请参考物化视图查询改写。

目前，StarRocks 支持基于 Default catalog、Hive catalog、Hudi catalog 和 Iceberg catalog 的异步物化视图的查询改写。当查询 Default catalog 数据时，StarRocks 通过排除数据与基表不一致的物化视图，来保证改写之后的查询与原始查询结果的强一致性。当物化视图数据过期时，不会作为候选物化视图。在查询外部目录数据时，由于 StarRocks 无法感知外部目录分区中的数据变化，因此不保证结果的强一致性。关于基于 External Catalog 的异步物化视图，请参考使用物化视图加速数据湖查询。

注意

基于 JDBC Catalog 表构建的异步物化视图暂不支持查询改写。

管理异步物化视图​

修改异步物化视图​

您可以通过 ALTER MATERIALIZED VIEW 命令修改异步物化视图属性。

  • 启用被禁用的异步物化视图（将物化视图的状态设置为 Active）。

    ALTER MATERIALIZED VIEW order_mv ACTIVE;

  • 修改异步物化视图名称为 order_total。

    ALTER MATERIALIZED VIEW order_mv RENAME order_total;

  • 修改异步物化视图的最大刷新间隔为 2 天。

    ALTER MATERIALIZED VIEW order_mv REFRESH ASYNC EVERY(INTERVAL 2 DAY);

查看异步物化视图​

您可以使用 SHOW MATERIALIZED VIEWS 或查询 Information Schema 中的系统元数据视图来查看数据库中的异步物化视图。

  • 查看当前数据仓库内所有异步物化视图。

    SHOW MATERIALIZED VIEWS;

  • 查看特定异步物化视图。

    SHOW MATERIALIZED VIEWS WHERE NAME = "order_mv";

  • 通过名称匹配查看异步物化视图。

    SHOW MATERIALIZED VIEWS WHERE NAME LIKE "order%";

  • 通过 Information Schema 中的系统元数据视图 materialized_views 查看所有异步物化视图。详细内容，请参考 information_schema.materialized_views。

    SELECT * FROM information_schema.materialized_views;

查看异步物化视图创建语句​

您可以通过 SHOW CREATE MATERIALIZED VIEW 命令查看异步物化视图创建语句。

SHOW CREATE MATERIALIZED VIEW order_mv;

查看异步物化视图的执行状态​

您可以通过查询 StarRocks 的 Information Schema 中的 tasks 和 task_runs 元数据视图来查看异步物化视图的执行（构建或刷新）状态。

以下示例查看最新创建的异步物化视图的执行状态：

  1. 查看 tasks 表中最新任务的 TASK_NAME。

    mysql> select * from information_schema.tasks  order by CREATE_TIME desc limit 1\G;
    *************************** 1. row ***************************
      TASK_NAME: mv-59299
    CREATE_TIME: 2022-12-12 17:33:51
       SCHEDULE: MANUAL
       DATABASE: ssb_1
     DEFINITION: insert overwrite hive_mv_lineorder_flat_1 SELECT `hive_ci`.`dla_scan`.`lineorder_flat_1000_1000_orc`.`lo_orderkey`, `hive_ci`.`dla_scan`.`lineorder_flat_1000_1000_orc`.`lo_linenumber`, `hive_ci`.`dla_scan`.`lineorder_flat_1000_1000_orc`.`lo_custkey`, `hive_ci`.`dla_scan`.`lineorder_flat_1000_1000_orc`.`lo_partkey`, `hive_ci`.`dla_scan`.`lineorder_flat_1000_1000_orc`.`lo_orderpriority`, `hive_ci`.`dla_scan`.`lineorder_flat_1000_1000_orc`.`lo_ordtotalprice`, `hive_ci`.`dla_scan`.`lineorder_flat_1000_1000_orc`.`lo_revenue`, `hive_ci`.`dla_scan`.`lineorder_flat_1000_1000_orc`.`p_mfgr`, `hive_ci`.`dla_scan`.`lineorder_flat_1000_1000_orc`.`s_nation`, `hive_ci`.`dla_scan`.`lineorder_flat_1000_1000_orc`.`c_city`, `hive_ci`.`dla_scan`.`lineorder_flat_1000_1000_orc`.`c_nation`, `hive_ci`.`dla_scan`.`lineorder_flat_1000_1000_orc`.`lo_orderdate`
    FROM `hive_ci`.`dla_scan`.`lineorder_flat_1000_1000_orc`
    WHERE `hive_ci`.`dla_scan`.`lineorder_flat_1000_1000_orc`.`lo_orderdate` = '1997-01-01'
    EXPIRE_TIME: NULL
    1 row in set (0.02 sec)

  2. 基于查询到的 TASK_NAME 在表 task_runs 中查看执行状态。

    mysql> select * from information_schema.task_runs where task_name='mv-59299' order by CREATE_TIME\G
    *************************** 1. row ***************************
         QUERY_ID: d9cef11f-7a00-11ed-bd90-00163e14767f
        TASK_NAME: mv-59299
      CREATE_TIME: 2022-12-12 17:39:19
      FINISH_TIME: 2022-12-12 17:39:22
            STATE: SUCCESS
         DATABASE: ssb_1
       DEFINITION: insert overwrite hive_mv_lineorder_flat_1 SELECT `hive_ci`.`dla_scan`.`lineorder_flat_1000_1000_orc`.`lo_orderkey`, `hive_ci`.`dla_scan`.`lineorder_flat_1000_1000_orc`.`lo_linenumber`, `hive_ci`.`dla_scan`.`lineorder_flat_1000_1000_orc`.`lo_custkey`, `hive_ci`.`dla_scan`.`lineorder_flat_1000_1000_orc`.`lo_partkey`, `hive_ci`.`dla_scan`.`lineorder_flat_1000_1000_orc`.`lo_orderpriority`, `hive_ci`.`dla_scan`.`lineorder_flat_1000_1000_orc`.`lo_ordtotalprice`, `hive_ci`.`dla_scan`.`lineorder_flat_1000_1000_orc`.`lo_revenue`, `hive_ci`.`dla_scan`.`lineorder_flat_1000_1000_orc`.`p_mfgr`, `hive_ci`.`dla_scan`.`lineorder_flat_1000_1000_orc`.`s_nation`, `hive_ci`.`dla_scan`.`lineorder_flat_1000_1000_orc`.`c_city`, `hive_ci`.`dla_scan`.`lineorder_flat_1000_1000_orc`.`c_nation`, `hive_ci`.`dla_scan`.`lineorder_flat_1000_1000_orc`.`lo_orderdate`
    FROM `hive_ci`.`dla_scan`.`lineorder_flat_1000_1000_orc`
    WHERE `hive_ci`.`dla_scan`.`lineorder_flat_1000_1000_orc`.`lo_orderdate` = '1997-01-01'
      EXPIRE_TIME: 2022-12-15 17:39:19
       ERROR_CODE: 0
    ERROR_MESSAGE: NULL
         PROGRESS: 100%
    2 rows in set (0.02 sec)

删除异步物化视图​

您可以通过 DROP MATERIALIZED VIEW 命令删除已创建的异步物化视图。

DROP MATERIALIZED VIEW order_mv;

相关 Session 变量​

以下变量控制物化视图的行为：

  • analyze_mv：刷新后是否以及如何分析物化视图。有效值为空字符串（即不分析）、sample（抽样采集）或 full（全量采集）。默认为 sample。
  • enable_materialized_view_rewrite：是否开启物化视图的自动改写。有效值为 true（自 2.5 版本起为默认值）和 false。