使用单表物化视图透明改写
工作原理
单表物化视图 (Materialized View) 是一种特殊的表，它预先根据定义好的 SELECT 语句计算并存储数据。其主要目的是满足用户对原始明细数据的任意维度分析需求，同时也能快速地进行固定维度的分析查询。
物化视图的适用场景为：
分析需求同时涵盖明细数据查询和固定维度查询。
查询仅涉及表中的少部分列或行。
查询包含耗时的处理操作，例如长时间的聚合操作等。
查询需要匹配不同的前缀索引。
对于频繁重复使用相同子查询结果的查询，单表同步物化视图能显著提升性能。Doris 会自动维护物化视图的数据，确保基础表 (Base Table) 和物化视图表的数据一致性，无需额外的人工维护成本。在查询时，系统会自动匹配到最优的物化视图，并直接从物化视图中读取数据。
在使用物化视图时，请注意以下几点：
在 Doris 2.0 版本中，物化视图具备了一些增强功能。建议用户在正式的生产环境中使用物化视图之前，先在测试环境中确认预期中的查询能否命中想要创建的物化视图。
不建议在同一张表上创建多个形态类似的物化视图，因为这可能会导致多个物化视图之间的冲突，从而使查询命中失败。
使用流程
物化视图的使用流程如下：
1 创建物化视图
根据查询语句的特性，确定应创建何种类型的物化视图。
从查询语句中提炼出多个查询共有的分组及聚合方式，以此作为物化视图的定义依据。
无需为所有维度组合都创建物化视图，仅需为常用的维度组合进行创建。
创建物化视图是一个异步操作。提交创建任务后，Doris 会在后台对现有数据进行计算，直至创建成功。
2 查询自动匹配
物化视图创建成功后，当用户查询 Base 表时，Doris 会自动选择一个最优的物化视图，并从该物化视图中读取数据进行计算。
用户可通过 EXPLAIN 命令来检查当前查询是否使用了物化视图。
3 更新策略
为确保物化视图表与 Base 表的数据一致性，Doris 会将对 Base 表的操作同步到物化视图表中，并采用增量更新的方式提高更新效率，同时通过事务方式保证操作的原子性。
4 支持的聚合函数
SUM, MIN, MAX (适用于 Version 0.12)
COUNT, BITMAP_UNION, HLL_UNION (适用于 Version 0.13)
通用聚合函数 (适用于 Version 2.0)
调优案例
下面通过一个具体例子来阐述单表物化视图的使用方法：
假设我们拥有一张销售记录明细表 sales_records，该表详细记录了每笔交易的各项信息，包括交易 ID、销售员 ID、售卖门店 ID、销售日期以及交易金额。现在，我们经常需要针对不同门店的销售量进行分析查询。
为了优化这些查询的性能，我们可以创建一个物化视图 store_amt，该视图按售卖门店进行分组，并对同一门店的销售额进行求和。具体步骤如下：
创建物化视图
首先，我们使用以下 SQL 语句来创建物化视图 store_amt：
CREATE MATERIALIZED VIEW store_amt AS
SELECT store_id, SUM(sale_amt)
FROM sales_records
GROUP BY store_id;
提交创建任务后，Doris 会在后台异步构建这个物化视图。我们可以通过以下命令来查看物化视图的创建进度：
SHOW ALTER TABLE MATERIALIZED VIEW FROM db_name;
当State字段变为FINISHED时，就表示store_amt物化视图已经成功创建。
查询数据
物化视图创建完成后，当我们查询不同门店的销售量时，Doris 会自动匹配到store_amt物化视图，并直接从中读取预先聚合好的数据，从而显著提升查询效率。
查询语句如下：
SELECT store_id, SUM(sale_amt) FROM sales_records GROUP BY store_id;
我们还可以通过EXPLAIN命令来检查查询是否成功命中了物化视图：
EXPLAIN SELECT store_id, SUM(sale_amt) FROM sales_records GROUP BY store_id;
在执行计划的最末尾，如果显示类似以下内容，则表示查询成功命中了store_amt物化视图：
TABLE: default_cluster:test.sales_records(store_amt), PREAGGREGATION: ON
通过以上步骤，我们可以利用单表物化视图来优化查询性能，提高数据分析的效率。
总结
通过创建物化视图，我们能够显著提升相关聚合分析的查询速度。物化视图不仅使我们能够快速进行统计分析，而且还灵活地支持了明细数据的查询需求，是 Doris 中一项非常强大的功能。
