物化视图的更新

物化视图（MV）的更新机制涉及更新时机、更新方式、基表位置及查询方式等核心属性，其实现需结合日志记录、增量计算及算法优化等技术手段，不同数据库系统（如Oracle、PostgreSQL）在更新策略上存在差异。 以下从更新机制的核心属性、典型更新算法、数据库实现差异三个方面展开说明：

物化视图的更新需明确四个关键属性，不同组合对应不同应用场景：

• 更新时机

  写入时更新：基表数据变更后立即同步至MV，适用于低频写入场景（如配置表更新），但会增大写入延迟。

  查询时更新：基表变更后暂不更新，待下次查询时触发增量更新，适用于高频写入场景（如日志数据写入）。

  命令更新：通过定时任务（如Cron Job）或手动命令（如REFRESH MATERIALIZED VIEW）触发更新，适用于数据仓库等对实时性要求不高的场景。

• 更新方式

  全量更新：清空MV后重新计算并插入全部数据，实现简单但效率低，适用于小规模数据或低频更新场景。

  增量更新：仅处理基表变更部分（如新增、删除记录），通过日志（如Oracle的row-DML log）记录变更，适用于大规模数据或高频更新场景。

• 基表位置

  本地基表：更新时可直接访问基表，支持所有更新时机和方式（如Oracle的本地MV）。

  远程基表：更新需通过日志或增量数据同步，通常选择查询时更新或定时更新以降低开销（如数据仓库中的远程MV）。

• 查询方式

  显式引用：在SQL中直接查询MV（如SELECT * FROM sales_by_item），实现简单但需手动优化查询计划。

  自动重写：数据库优化器根据代价判断是否用MV替换基表查询（如Oracle的查询重写功能），需维护统计信息以确保准确性。

增量更新算法需处理基表变更（INSERT/DELETE）对MV的影响，常见算法包括：

• Counting算法通过计数记录MV中每行数据的出现次数，INSERT时增加计数，DELETE时减少计数。适用于包含UNION、AGG（聚合）、OUTER JOIN的MV，但无法处理DISTINCT等去重语义。

• DRed算法分三步处理基表变更：

  过度删除：根据基表删除记录，从MV中删除所有匹配行（可能多删）。

  补偿还原：检查MV中删除的行是否可由基表其他记录还原，若可还原则恢复。

  增量插入：将基表新增记录插入MV。适用于Datalog和SQL视图，但无法处理包含重复语义的视图。

• Oracle专用算法

  MJV（Materialized Join View）：处理JOIN操作的MV，通过公式计算增量（如ΔM = R ? ΔS + ΔR ? S），支持INNER JOIN和OUTER JOIN。

  MAV（Materialized Aggregate View）：处理聚合操作的MV，支持无JOIN的简单聚合（如SUM）和含JOIN的复杂聚合，通过delta summary优化增量更新。

  MSV（Materialized Subquery View）：处理含EXISTS子查询的MV，通过转换为JOIN操作实现增量更新。

不同数据库系统对MV更新的支持程度不同，需根据需求选择合适方案：

• Oracle提供最全面的MV功能，支持所有更新属性组合（如写入时增量更新、查询时全量更新），并优化数据仓库场景（如MAV-based refresh、负载均衡调度）。例如，通过REFRESH IMMEDIATE（建表后立即填充数据）和REFRESH DEFERRED（首次查询时填充数据）控制初始化时机。

• PostgreSQL仅支持手动更新（如REFRESH MATERIALIZED VIEW sales_by_item），适用于对实时性要求不高的场景（如报表生成）。支持在MV上创建索引以提升查询性能，但缺乏自动增量更新机制。

• MySQL无原生MV支持，需借助第三方工具（如FlexViews）实现。FlexViews通过解析基表日志（如binlog）感知数据变更，并计算增量更新应用到MV，支持Online Schema Change和ETL流程。

• 其他数据库若开发资源有限，可兼容FlexViews或参考Oracle的增量更新算法（如Counting、DRed）实现基础MV功能，优先支持高频查询场景（如OLAP分析）。