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 |
| 支持多表构建。基表可以来自:
|
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 IDitem_id1
、产品名称item_name
和产品价格price
。 - 表
order_list
包含订单 IDorder_id
、客户 IDclient_id
和产品 IDitem_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:
-
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) -
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
。