原文出处：https://bohutang.me/2020/08/31/clickhouse-and-friends-materialized-view/
最后更新: 2020-08-31
在 ClickHouse 里，物化视图(Materialized View)可以说是一个神奇且强大的东西，用途别具一格。
本文从底层机制进行分析，看看 ClickHouse 的 Materalized View 是怎么工作的，以方便更好的使用它。
什么是物化视图
对大部分人来说，物化视图这个概念会比较抽象，物化？视图？。。。
为了更好的理解它，我们先看一个场景。
假设你是 *hub 一个“幸福”的小程序员，某天产品经理有个需求：实时统计每小时视频下载量。
用户下载明细表：
clickhouse> SELECT * FROM download LIMIT 10;+---------------------+--------+--------+| when | userid | bytes |+---------------------+--------+--------+| 2020-08-31 18:22:06 | 19 | 530314 || 2020-08-31 18:22:06 | 19 | 872957 || 2020-08-31 18:22:06 | 19 | 107047 || 2020-08-31 18:22:07 | 19 | 214876 || 2020-08-31 18:22:07 | 19 | 820943 || 2020-08-31 18:22:07 | 19 | 693959 || 2020-08-31 18:22:08 | 19 | 882151 || 2020-08-31 18:22:08 | 19 | 644223 || 2020-08-31 18:22:08 | 19 | 199800 || 2020-08-31 18:22:09 | 19 | 511439 |... ....复制
计算每小时下载量：
clickhouse> SELECT toStartOfHour(when) AS hour, userid, count() as downloads, sum(bytes) AS bytes FROM download GROUP BY userid, hour ORDER BY userid, hour;+---------------------+--------+-----------+------------+| hour | userid | downloads | bytes |+---------------------+--------+-----------+------------+| 2020-08-31 18:00:00 | 19 | 6822 | 3378623036 || 2020-08-31 19:00:00 | 19 | 10800 | 5424173178 || 2020-08-31 20:00:00 | 19 | 10800 | 5418656068 || 2020-08-31 21:00:00 | 19 | 10800 | 5404309443 || 2020-08-31 22:00:00 | 19 | 10800 | 5354077456 || 2020-08-31 23:00:00 | 19 | 10800 | 5390852563 || 2020-09-01 00:00:00 | 19 | 10800 | 5369839540 || 2020-09-01 01:00:00 | 19 | 10800 | 5384161012 || 2020-09-01 02:00:00 | 19 | 10800 | 5404581759 || 2020-09-01 03:00:00 | 19 | 6778 | 3399557322 |+---------------------+--------+-----------+------------+10 rows in set (0.13 sec)复制
很容易嘛，不过有个问题：每次都要以 download
表为基础数据进行计算，*hub 数据量太大，无法忍受。
想到一个办法：如果对 download
进行预聚合，把结果保存到一个新表 download_hour_mv
，并随着 download
增量实时更新，每次去查询download_hour_mv
不就可以了。
这个新表可以看做是一个物化视图，它在 ClickHouse 是一个普通表。
创建物化视图
clickhouse> CREATE MATERIALIZED VIEW download_hour_mvENGINE = SummingMergeTreePARTITION BY toYYYYMM(hour) ORDER BY (userid, hour)AS SELECT toStartOfHour(when) AS hour, userid, count() as downloads, sum(bytes) AS bytesFROM download WHERE when >= toDateTime('2020-09-01 04:00:00')GROUP BY userid, hour复制
这个语句主要做了：
创建一个引擎为 SummingMergeTree
的物化视图download_hour_mv物化视图的数据来源于 download
表，并根据select
语句中的表达式进行相应“物化”操作选取一个未来时间(当前时间是 2020-08-31 18:00:00
)作为开始点WHERE when >= toDateTime('2020-09-01 04:00:00')
，表示在2020-09-01 04:00:00
之后的数据才会被同步到download_hour_mv
这样，目前 download_hour_mv
是一个空表：
clickhouse> SELECT * FROM download_hour_mv ORDER BY userid, hour;Empty set (0.02 sec)复制
注意：官方有 POPULATE(https://clickhouse.tech/docs/en/sql-reference/statements/create/view/#materialized) 关键字，但是不建议使用，因为视图创建期间 download
如果有写入数据会丢失，这也是我们加一个 WHERE
作为数据同步点的原因。
那么，我们如何让源表数据可以一致性的同步到 download_hour_mv
呢？
物化全量数据
在2020-09-01 04:00:00
之后，我们可以通过一个带 WHERE
快照的INSERT INTO SELECT...
对 download
历史数据进行物化：
clickhouse> INSERT INTO download_hour_mvSELECT toStartOfHour(when) AS hour, userid, count() as downloads, sum(bytes) AS bytesFROM download WHERE when < toDateTime('2020-09-01 04:00:00')GROUP BY userid, hour复制
查询物化视图：
clickhouse> SELECT * FROM download_hour_mv ORDER BY hour, userid, downloads DESC;+---------------------+--------+-----------+------------+| hour | userid | downloads | bytes |+---------------------+--------+-----------+------------+| 2020-08-31 18:00:00 | 19 | 6822 | 3378623036 || 2020-08-31 19:00:00 | 19 | 10800 | 5424173178 || 2020-08-31 20:00:00 | 19 | 10800 | 5418656068 || 2020-08-31 21:00:00 | 19 | 10800 | 5404309443 || 2020-08-31 22:00:00 | 19 | 10800 | 5354077456 || 2020-08-31 23:00:00 | 19 | 10800 | 5390852563 || 2020-09-01 00:00:00 | 19 | 10800 | 5369839540 || 2020-09-01 01:00:00 | 19 | 10800 | 5384161012 || 2020-09-01 02:00:00 | 19 | 10800 | 5404581759 || 2020-09-01 03:00:00 | 19 | 6778 | 3399557322 |+---------------------+--------+-----------+------------+10 rows in set (0.05 sec)复制
可以看到数据已经“物化”到 download_hour_mv
。
物化增量数据
写一些数据到 download
表:
clickhouse> INSERT INTO download SELECT toDateTime('2020-09-01 04:00:00') + number*(1/3) as when, 19, rand() % 1000000 FROM system.numbers LIMIT 10;复制
查询物化视图 download_hour_mv
:
clickhouse> SELECT * FROM download_hour_mv ORDER BY hour, userid, downloads;+---------------------+--------+-----------+------------+| hour | userid | downloads | bytes |+---------------------+--------+-----------+------------+| 2020-08-31 18:00:00 | 19 | 6822 | 3378623036 || 2020-08-31 19:00:00 | 19 | 10800 | 5424173178 || 2020-08-31 20:00:00 | 19 | 10800 | 5418656068 || 2020-08-31 21:00:00 | 19 | 10800 | 5404309443 || 2020-08-31 22:00:00 | 19 | 10800 | 5354077456 || 2020-08-31 23:00:00 | 19 | 10800 | 5390852563 || 2020-09-01 00:00:00 | 19 | 10800 | 5369839540 || 2020-09-01 01:00:00 | 19 | 10800 | 5384161012 || 2020-09-01 02:00:00 | 19 | 10800 | 5404581759 || 2020-09-01 03:00:00 | 19 | 6778 | 3399557322 || 2020-09-01 04:00:00 | 19 | 10 | 5732600 |+---------------------+--------+-----------+------------+11 rows in set (0.00 sec)复制
可以看到最后一条数据就是我们增量的一个物化聚合，已经实时同步，这是如何做到的呢？
物化视图原理
ClickHouse 的物化视图原理并不复杂，在 download
表有新的数据写入时，如果检测到有物化视图跟它关联，会针对这批写入的数据进行物化操作。
比如上面新增数据是通过以下 SQL 生成的：
clickhouse> SELECT -> toDateTime('2020-09-01 04:00:00') + number*(1/3) as when, -> 19, -> rand() % 1000000 -> FROM system.numbers -> LIMIT 10;+---------------------+------+-------------------------+| when | 19 | modulo(rand(), 1000000) |+---------------------+------+-------------------------+| 2020-09-01 04:00:00 | 19 | 870495 || 2020-09-01 04:00:00 | 19 | 322270 || 2020-09-01 04:00:00 | 19 | 983422 || 2020-09-01 04:00:01 | 19 | 759708 || 2020-09-01 04:00:01 | 19 | 975636 || 2020-09-01 04:00:01 | 19 | 365507 || 2020-09-01 04:00:02 | 19 | 865569 || 2020-09-01 04:00:02 | 19 | 975742 || 2020-09-01 04:00:02 | 19 | 85827 || 2020-09-01 04:00:03 | 19 | 992779 |+---------------------+------+-------------------------+10 rows in set (0.02 sec)复制
物化视图执行的语句类似：
INSERT INTO download_hour_mvSELECT toStartOfHour(when) AS hour, userid, count() as downloads, sum(bytes) AS bytesFROM [新增的10条数据] WHERE when >= toDateTime('2020-09-01 04:00:00')GROUP BY userid, hour复制
代码导航：
添加视图 OutputStream， InterpreterInsertQuery.cpp (https://github.com/ClickHouse/ClickHouse/blob/cb4644ea6d04b3d5900868b4f8d686a03082379a/src/Interpreters/InterpreterInsertQuery.cpp#L313)
if (table->noPushingToViews() && !no_destination) out = table->write(query_ptr, metadata_snapshot, context); else out = std::make_shared<PushingToViewsBlockOutputStream>(table, metadata_snapshot, context, query_ptr, no_destination);复制构造 Insert ， PushingToViewsBlockOutputStream.cpp (https://github.com/ClickHouse/ClickHouse/blob/cb4644ea6d04b3d5900868b4f8d686a03082379a/src/DataStreams/PushingToViewsBlockOutputStream.cpp#L85)
ASTPtr insert_query_ptr(insert.release()); InterpreterInsertQuery interpreter(insert_query_ptr, *insert_context); BlockIO io = interpreter.execute(); out = io.out;复制物化新增数据：PushingToViewsBlockOutputStream.cpp (https://github.com/ClickHouse/ClickHouse/blob/cb4644ea6d04b3d5900868b4f8d686a03082379a/src/DataStreams/PushingToViewsBlockOutputStream.cpp#L331)
Context local_context = *select_context; local_context.addViewSource( StorageValues::create( storage->getStorageID(), metadata_snapshot->getColumns(), block, storage->getVirtuals())); select.emplace(view.query, local_context, SelectQueryOptions()); in = std::make_shared<MaterializingBlockInputStream>(select->execute().getInputStream()复制
总结
物化视图的用途较多。
比如可以解决表索引问题，我们可以用物化视图创建另外一种物理序，来满足某些条件下的查询问题。
还有就是通过物化视图的实时同步数据能力，我们可以做到更加灵活的表结构变更。
更强大的地方是它可以借助 MergeTree 家族引擎(SummingMergeTree、Aggregatingmergetree等)，得到一个实时的预聚合，满足快速查询。
原理是把增量的数据根据 AS SELECT ...
对其进行处理并写入到物化视图表，物化视图是一种普通表，可以直接读取和写入。
全文完。
Enjoy ClickHouse :)
叶老师的「MySQL核心优化」大课已升级到MySQL 8.0，扫码开启MySQL 8.0修行之旅吧
