博客什么是物化视图为什么使用物化视图如何创建itExperiment以物化视图取胜我们生活在一个数据的世界里：数据的数量比以往任何时候都多，在不断扩展的表格和位置阵列中。处理数据是您了解数据团队如何应对新世界的挑战以帮助其公司和客户繁荣发展的窗口。数据仓库改变了世界处理数据的方式。它们已经在各个行业的无数公司部署，到2025年，这些存储和计算解决方案的市场价值可能会超过300亿美元。这与存储信息是一个组织必须克服的最大挑战的时代完全不同。公司对购买什么机器以及如何最好地维护它们进行了无休止的分析，然后努力聘请专业人员来处理安装和维护如今，公司可以购买几乎无限的存储和计算能力，而不必担心服务器本身。现代云数据工程师永远看不到他们的数据，有时他们的整个代码所在的机器；他们的挑战现在集中在将云中的数据与其他系统连接起来，以便从这些海量数据存储中产生洞察力。这些见解为业务决策提供了依据，因此数据团队需要确保这些信息能够被同事和最终用户客户所掌握。谢天谢地，有这样的能力和能力来提高工作的效率和效率。在云即服务（cloud-as-a-service）占主导地位的时代，物化视图是一种使收集见解和执行高级分析更简单、更快、通常更便宜的方法。本文只触及了各种物化视图的表面，从sqlserver物化视图和Postgres物化视图到大量其他系统正在改变分析和数据。究竟什么是物化视图？简单地说，物化视图可以看作是保存为表的查询的结果。"物化视图"这个名称可能有点令人费解：视图和物化视图的区别在于，在数据库或数据仓库中，视图指的是表示查询结果的虚拟化表。物化视图的不同之处在于，它以物理表的形式存储在数据库中（占用服务器的磁盘空间），查询的底层信息可以根据需要进行更新这种具体性还有助于简化更复杂的数据准备，方法是获取可能多次运行的查询的结果（在可视化层），并将其保持在就绪状态，而不是每次需要时都重新创建查询。物化视图不仅可以提高BI性能，还可以让您整合业务逻辑并维护真实来源。为什么要使用物化视图？在许多数据仓库中，每个查询都会对用户收费：要么根据消耗的计算资源量（从其他查询中占用的资源量）、计算时间，要么是扫描的存储空间。如果你有一个巨大的数据集，你不想反复运行一个经常使用的查询（一个被其他多个图表和仪表板引用的查询）。通过物化视图一次准备和聚合数据，并针对该数据集进行查询，这样效率和成本效益都要高得多。我们倾向于考虑物化视图，这是另一种可以用来提高性能的工具，它的改进类似于我们在设置主键或索引时所看到的改进。例如，由于物化视图存在于数据仓库中，因此数据工程师和其他云数据专家可以使用SQL来清理和转换仓库中的数据，而不是像在可视化层中呈现或被其他分析应用程序吸收那样对其进行转换除了分析之外，数据科学家通常是物化视图的受益者，在构建高级统计模型以回答预测问题时，使用这些干净、准备好的数据为模型。通常，我们看到这些团队使用他们更为本机的语言（如Python和R）来清理数据，但是在数据仓库中处理这些数据后，他们可以直接从物化视图中提取数据。这些高级语言是组织进入机器学习应用程序（如文本情感分析（消费者评论、社交媒体等）和其他更复杂任务的门户。由于所有的数据准备工作都已经在数据仓库中完成，因此不需要清理数据，而且这些工具可以用于他们最擅长的工作。如何创建物化视图创建物化视图因系统而异，但通常涉及"创建"命令的某些版本，通常是"创建物化视图"。简单，对吗？从那里，只需插入底层查询并拉入结果。系统将创建并存储数据库对象，按照您指定的时间表刷新数据。但那是什么样子？虽然不同的数据库对SQL有不同的语法，但下面是一些示例代码，您可以使用这些代码从SalesForce数据构建自己的物化视图。构建SQL server物化视图要在SQL中构建物化视图，请从以下代码开始。创建物化视图销售_reporting.account_上卷作为选择帐户.id, 帐户名, 每月收入账户*12作为年度收入，计数(机会.id)作为总机会，总和(机会.金额)作为总收入，平均(机会.金额)作为平均收入从解释加入机会帐户.id= opportunity.account_id分组依据帐户.id, 帐户名, 帐户.mrr[;]尝试用物化视图取胜各种组织都在处理越来越大的数据集。物化视图是处理大量数据时提高效率和成本效益的一种方法，也可用于高级分析用例。无论您使用的数据仓库是什么，以及您使用它的目的是什么，都有可能在某个地方使用物化视图。你自己试试看，看看他们提供的改进。Chris Meier是Sisense分析工程部经理。标签：云数据团队|云原生|云原生数据仓库|数据仓库|物化视图| SQL