第 13 章：物化视图

zjc 于 2026-01-13 发布

这是《ClickHouse 零基础实战指南》的独立章节版。本章从概念、实操和生产排查三个视角展开，代码块保留了原书可直接运行的版本。物化视图把查询结果落到目标表中，常用于明细数据实时预聚合。它是一条随写入触发的数据处理管道，不是简单的查询别名。

13.1 普通视图与物化视图

普通视图只保存 SQL：

CREATE VIEW analytics.events_view
AS
SELECT * FROM analytics.events_local
WHERE is_deleted = 0;

物化视图保存结果：

CREATE MATERIALIZED VIEW analytics.city_metric_mv
TO analytics.city_metric_local
AS
SELECT
    event_date AS metric_date,
    city_id,
    count() AS pv,
    sum(amount) AS gmv
FROM analytics.events_local
GROUP BY event_date, city_id;

普通视图查询时执行，物化视图在源表写入时更新目标表。

13.2 TO 表结构

推荐显式指定 TO 目标表：

CREATE TABLE analytics.city_metric_local
(
    metric_date Date,
    city_id UInt32,
    pv UInt64,
    gmv Decimal64(2)
)
ENGINE = SummingMergeTree
PARTITION BY toYYYYMM(metric_date)
ORDER BY (metric_date, city_id);

再创建视图：

CREATE MATERIALIZED VIEW analytics.city_metric_mv
TO analytics.city_metric_local
AS
SELECT ...

优点：

目标表 schema 清晰；
方便重建视图；
可以选择目标引擎；
支持 TTL 和分区；
便于备份恢复。

13.3 触发语义

物化视图由新写入的数据块触发：

INSERT block
   |
   +-> 写入源表
   |
   +-> 对该 block 执行视图 SELECT
           |
           v
       写入目标表

这意味着：

视图创建前的历史数据不会自动回填；
每个 insert block 内的聚合范围有限；
目标表查询通常仍要聚合；
视图异常会影响写入链路；
删除源表数据不会自动删除目标数据。

13.4 回填历史

先暂停写入，再手动回填：

INSERT INTO analytics.city_metric_local
SELECT
    event_date AS metric_date,
    city_id,
    count() AS pv,
    sum(amount) AS gmv
FROM analytics.events_local
WHERE event_date < '2026-08-25'
GROUP BY event_date, city_id;

再创建物化视图处理新数据。关键是避免同一时间窗重复回填。

13.5 聚合状态

准确 UV 可以使用聚合状态：

CREATE TABLE analytics.city_metric_state
(
    metric_date Date,
    city_id UInt32,
    uv_state AggregateFunction(uniq, UInt64),
    pv SimpleAggregateFunction(sum, UInt64)
)
ENGINE = AggregatingMergeTree
ORDER BY (metric_date, city_id);

物化视图：

CREATE MATERIALIZED VIEW analytics.city_metric_state_mv
TO analytics.city_metric_state
AS
SELECT
    event_date AS metric_date,
    city_id,
    uniqState(user_id) AS uv_state,
    count() AS pv
FROM analytics.events_local
GROUP BY event_date, city_id;

查询：

SELECT city_id, uniqMerge(uv_state) AS uv, sum(pv) AS pv
FROM analytics.city_metric_state
GROUP BY city_id;

13.6 常见用途

用途	示例
预聚合	明细转日汇总
数据清洗	过滤脏数据、补默认值
维度补齐	Lookup 后写入宽表
多目标分发	一份明细写多个汇总
指标状态	uniqState、quantileState
格式转换	JSON 转结构化列

13.7 视图链路

events_local
   |
   +-> mv_daily -> daily_metrics
   |
   +-> mv_city -> city_metrics
   |
   +-> mv_realtime -> realtime_metrics

多条视图会同时消耗写入线程资源。要控制视图数量、目标表写入频率、聚合复杂度、失败重试策略和延迟监控。

13.8 管理操作

查看：

SELECT database, name, engine, as_select
FROM system.tables
WHERE is_materialized_view = 1;

删除：

DROP VIEW analytics.city_metric_mv;

物化视图定义修改通常通过删除重建完成。操作前要确认写入暂停窗口和目标表数据边界。

13.9 一致性

物化视图不提供跨表事务保证，可能出现源表可见而目标表暂不可见的情况。

排查角度：

写入时间；
视图创建时间；
分区边界；
历史回填重复；
目标表合并状态；
视图异常日志。

对账源表：

SELECT count(), sum(amount)
FROM analytics.events_local
WHERE event_date = '2026-08-25';

对账目标表：

SELECT sum(pv), sum(gmv)
FROM analytics.city_metric_local
WHERE metric_date = '2026-08-25';

13.10 反模式

反模式	问题
用视图替代所有模型设计	链路难维护
视图中做复杂 JOIN	写入放大
目标表无 TTL	数据无限增长
忽略 block 内聚合语义	UV 等指标不准
频繁删除重建	数据边界混乱
不监控视图异常	静默丢数据

本章小结

物化视图是写入触发的实时加工管道，适合预聚合、清洗和多目标分发。推荐使用 TO 表并显式管理回填边界。聚合状态能处理去重类指标，但不能把物化视图当作事务一致的实时副本。

思考题

物化视图何时触发？
为什么历史数据需要手动回填？
uniqState 和 uniqMerge 如何配合？
物化视图有哪些一致性限制？
如何对账源表和汇总表？