> ## Documentation Index
> Fetch the complete documentation index at: https://private-7c7dfe99-fix-nav-issues.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.
# 级联 materialized views
> 如何基于源表使用多个 materialized view。
本示例演示如何创建一个 materialized view，以及如何基于第一个 materialized view 再级联第二个。在本页中，你将了解具体做法、各种可能性以及相关限制。通过创建以另一个 Materialized view 为源的 Materialized view，可以满足不同的使用场景。
示例：
我们将使用一个虚构的数据集，其中包含一组域名每小时的访问量。
我们的目标
1. 我们需要按月为每个域名聚合数据，
2. 我们还需要按年为每个域名聚合数据。
你可以选择以下方案之一：
* 编写查询，在 SELECT 时读取并聚合数据
* 在摄取时将数据预处理为新的格式
* 在摄取时将数据预处理为特定的聚合结果。
使用 Materialized views 预处理数据，可以减少 ClickHouse 需要处理的数据量和计算量，从而加快 SELECT 查询速度。
## materialized views 的源表
创建源表。由于我们的目标是基于聚合后的数据进行报表分析，而不是保留单独的行，因此可以先对数据进行解析，将相关信息传递给 Materialized Views，再丢弃实际传入的数据。这样既能满足需求，也能节省存储空间，因此我们将使用 `Null` 表引擎。
```sql theme={null}
CREATE DATABASE IF NOT EXISTS analytics;
```
```sql theme={null}
CREATE TABLE analytics.hourly_data
(
`domain_name` String,
`event_time` DateTime,
`count_views` UInt64
)
ENGINE = Null
```
你可以在 Null 表上创建 materialized view。因此，写入该表的数据会影响该视图，但原始原始数据仍会被丢弃。
## 每月聚合表和 materialized view
对于第一个 materialized view，我们需要创建 `目标表`。本示例中，该表为 `analytics.monthly_aggregated_data`，用于按月份和域名存储浏览量总和。
```sql theme={null}
CREATE TABLE analytics.monthly_aggregated_data
(
`domain_name` String,
`month` Date,
`sumCountViews` AggregateFunction(sum, UInt64)
)
ENGINE = AggregatingMergeTree
ORDER BY (domain_name, month)
```
用于将数据转发到目标表的 materialized view 如下所示：
```sql theme={null}
CREATE MATERIALIZED VIEW analytics.monthly_aggregated_data_mv
TO analytics.monthly_aggregated_data
AS
SELECT
toDate(toStartOfMonth(event_time)) AS month,
domain_name,
sumState(count_views) AS sumCountViews
FROM analytics.hourly_data
GROUP BY
domain_name,
month
```
## 年度聚合表和 materialized view
现在我们将创建第二个 Materialized view，并将其关联到之前的目标表 `monthly_aggregated_data`。
首先，我们将创建一个新的目标表，用于存储按年份聚合的各域名浏览量总和。
```sql theme={null}
CREATE TABLE analytics.year_aggregated_data
(
`domain_name` String,
`year` UInt16,
`sumCountViews` UInt64
)
ENGINE = SummingMergeTree()
ORDER BY (domain_name, year)
```
此步骤定义了级联关系。`FROM` 语句将使用 `monthly_aggregated_data` 表，这意味着数据流如下：
1. 数据进入 `hourly_data` 表。
2. ClickHouse 会将接收到的数据转发到第一个 materialized view `monthly_aggregated_data` 表，
3. 最后，第 2 步接收到的数据将被转发到 `year_aggregated_data`。
```sql theme={null}
CREATE MATERIALIZED VIEW analytics.year_aggregated_data_mv
TO analytics.year_aggregated_data
AS
SELECT
toYear(toStartOfYear(month)) AS year,
domain_name,
sumMerge(sumCountViews) AS sumCountViews
FROM analytics.monthly_aggregated_data
GROUP BY
domain_name,
year
```
使用 Materialized views 时，一个常见误解是认为数据是从表中读取的。`Materialized views` 的工作方式并非如此；被转发的是插入的数据块，而不是表中的最终结果。
假设在这个示例中，`monthly_aggregated_data` 使用的 engine 是 CollapsingMergeTree，那么转发到第二个 Materialized view `year_aggregated_data_mv` 的数据并不是折叠后表中的最终结果，而是一个数据块，其字段定义与 `SELECT ... GROUP BY` 中一致。
如果你使用的是 CollapsingMergeTree、ReplacingMergeTree，甚至 SummingMergeTree，并且计划创建级联 Materialized view，就需要了解这里描述的这些限制。
## 示例数据
现在我们可以插入一些数据，测试一下级联 materialized view：
```sql theme={null}
INSERT INTO analytics.hourly_data (domain_name, event_time, count_views)
VALUES ('clickhouse.com', '2019-01-01 10:00:00', 1),
('clickhouse.com', '2019-02-02 00:00:00', 2),
('clickhouse.com', '2019-02-01 00:00:00', 3),
('clickhouse.com', '2020-01-01 00:00:00', 6);
```
如果你对 `analytics.hourly_data` 执行 SELECT 查询，你会看到如下结果，因为表引擎是 `Null`，但数据已被处理。
```sql theme={null}
SELECT * FROM analytics.hourly_data
```
```response theme={null}
Ok.
0 rows in set. Elapsed: 0.002 sec.
```
我们先使用一个较小的数据集，以便于跟踪流程并将结果与预期进行比较；一旦确认流程在小数据集上无误，就可以直接切换到大规模数据。
## 结果
如果你尝试查询目标表并选择 `sumCountViews` 字段，你会看到二进制表示 (在某些终端中会如此) ，因为该值不是以数字形式存储的，而是以 AggregateFunction 类型存储。
要获取聚合的最终结果，应使用 `-Merge` 后缀。
你可以通过这个查询查看存储在 AggregateFunction 中的特殊字符：
```sql theme={null}
SELECT sumCountViews FROM analytics.monthly_aggregated_data
```
```response theme={null}
┌─sumCountViews─┐
│ │
│ │
│ │
└───────────────┘
3 行，耗时 0.003 秒。
```
这里我们改用 `Merge` 后缀来获取 `sumCountViews` 的值：
```sql theme={null}
SELECT
sumMerge(sumCountViews) AS sumCountViews
FROM analytics.monthly_aggregated_data;
```
```response theme={null}
┌─sumCountViews─┐
│ 12 │
└───────────────┘
1 row in set. Elapsed: 0.003 sec.
```
在 `AggregatingMergeTree` 中，我们将 `AggregateFunction` 定义为 `sum`，因此可以使用 `sumMerge`。如果在 `AggregateFunction` 上使用 `avg` 函数，则应使用 `avgMerge`，以此类推。
```sql theme={null}
SELECT
month,
domain_name,
sumMerge(sumCountViews) AS sumCountViews
FROM analytics.monthly_aggregated_data
GROUP BY
domain_name,
month
```
现在我们可以验证 materialized views 是否实现了我们设定的目标。
现在数据已经存储在目标表 `monthly_aggregated_data` 中，我们可以按月获取各个域名的聚合数据：
```sql theme={null}
SELECT
month,
domain_name,
sumMerge(sumCountViews) AS sumCountViews
FROM analytics.monthly_aggregated_data
GROUP BY
domain_name,
month
```
```response theme={null}
┌──────month─┬─domain_name────┬─sumCountViews─┐
│ 2020-01-01 │ clickhouse.com │ 6 │
│ 2019-01-01 │ clickhouse.com │ 1 │
│ 2019-02-01 │ clickhouse.com │ 5 │
└────────────┴────────────────┴───────────────┘
3 rows in set. Elapsed: 0.004 sec.
```
按年份汇总的各域名数据：
```sql theme={null}
SELECT
year,
domain_name,
sum(sumCountViews)
FROM analytics.year_aggregated_data
GROUP BY
domain_name,
year
```
```response theme={null}
┌─year─┬─domain_name────┬─sum(sumCountViews)─┐
│ 2019 │ clickhouse.com │ 6 │
│ 2020 │ clickhouse.com │ 6 │
└──────┴────────────────┴────────────────────┘
2 rows in set. Elapsed: 0.004 sec.
```
## 将多个源表合并到单个目标表
还可以使用 materialized view 将多个源表合并到同一个目标表中。这适用于创建采用类似 `UNION ALL` 逻辑的 materialized view。
首先，创建两个表示不同指标集的源表：
```sql theme={null}
CREATE TABLE analytics.impressions
(
`event_time` DateTime,
`domain_name` String
) ENGINE = MergeTree ORDER BY (domain_name, event_time)
;
CREATE TABLE analytics.clicks
(
`event_time` DateTime,
`domain_name` String
) ENGINE = MergeTree ORDER BY (domain_name, event_time)
;
```
然后使用合并后的指标集创建 `目标表`：
```sql theme={null}
CREATE TABLE analytics.daily_overview
(
`on_date` Date,
`domain_name` String,
`impressions` SimpleAggregateFunction(sum, UInt64),
`clicks` SimpleAggregateFunction(sum, UInt64)
) ENGINE = AggregatingMergeTree ORDER BY (on_date, domain_name)
```
创建两个指向同一 `目标表` 的 materialized view。无需显式包含缺失的列：
```sql theme={null}
CREATE MATERIALIZED VIEW analytics.daily_impressions_mv
TO analytics.daily_overview
AS
SELECT
toDate(event_time) AS on_date,
domain_name,
count() AS impressions,
0 clicks ---<<<--- 如果省略此项，结果同样为 0
FROM
analytics.impressions
GROUP BY
toDate(event_time) AS on_date,
domain_name
;
CREATE MATERIALIZED VIEW analytics.daily_clicks_mv
TO analytics.daily_overview
AS
SELECT
toDate(event_time) AS on_date,
domain_name,
count() AS clicks,
0 impressions ---<<<--- 如果省略此项，结果同样为 0
FROM
analytics.clicks
GROUP BY
toDate(event_time) AS on_date,
domain_name
;
```
现在，当你插入值时，这些值会聚合到 `目标表` 中各自对应的列里：
```sql theme={null}
INSERT INTO analytics.impressions (domain_name, event_time)
VALUES ('clickhouse.com', '2019-01-01 00:00:00'),
('clickhouse.com', '2019-01-01 12:00:00'),
('clickhouse.com', '2019-02-01 00:00:00'),
('clickhouse.com', '2019-03-01 00:00:00')
;
INSERT INTO analytics.clicks (domain_name, event_time)
VALUES ('clickhouse.com', '2019-01-01 00:00:00'),
('clickhouse.com', '2019-01-01 12:00:00'),
('clickhouse.com', '2019-03-01 00:00:00')
;
```
将展示和点击数据合并到 `目标表` 中：
```sql theme={null}
SELECT
on_date,
domain_name,
sum(impressions) AS impressions,
sum(clicks) AS clicks
FROM
analytics.daily_overview
GROUP BY
on_date,
domain_name
;
```
该查询应输出如下类似内容：
```response theme={null}
┌────on_date─┬─domain_name────┬─impressions─┬─clicks─┐
│ 2019-01-01 │ clickhouse.com │ 2 │ 2 │
│ 2019-03-01 │ clickhouse.com │ 1 │ 1 │
│ 2019-02-01 │ clickhouse.com │ 1 │ 0 │
└────────────┴────────────────┴─────────────┴────────┘
3 rows in set. Elapsed: 0.018 sec.
```