数据库查询优化中的视图物化（View Materialization）与查询重写优化技术

1. 问题描述

在数据库查询优化中，视图（View） 是一种虚拟表，其数据来源于基础表的查询结果。当查询引用视图时，数据库有两种处理方式：

• 展开（Expansion）：将视图的定义（即SQL查询）直接嵌入到主查询中，然后整体优化。
• 物化（Materialization）：预先计算并存储视图的结果（如物化视图），查询时直接使用物化数据。

核心问题：如何选择视图的处理方式？物化视图如何与查询重写（Query Rewriting）结合提升性能？

2. 视图的基本处理方式

（1）视图展开（View Expansion）

过程：

1. 解析查询时，将视图名称替换为视图定义的SQL语句。
2. 合并后的查询作为整体由优化器处理。
   示例：

-- 创建视图
CREATE VIEW high_salary_employees AS 
SELECT id, name FROM employees WHERE salary > 100000;

-- 查询视图
SELECT * FROM high_salary_employees WHERE department = 'Engineering';

展开后的查询：

SELECT id, name 
FROM (SELECT id, name FROM employees WHERE salary > 100000) AS high_salary_employees 
WHERE department = 'Engineering';  -- 注意：此处有错误！展开后需修正列引用

问题：视图定义中未包含 department 列，直接展开可能导致错误。实际数据库中，优化器会调整列引用（如将 department 关联回基础表 employees）。

（2）视图物化（View Materialization）

过程：

1. 预先执行视图定义的查询，将结果存储在物理表（物化视图）中。
2. 查询视图时直接扫描物化数据，避免重复计算。
   挑战：

• 物化数据需与基础表保持一致性（通过定期刷新或增量更新）。
• 存储开销较大，适用于查询频繁但更新少的场景。

3. 物化视图与查询重写优化

（1）查询重写（Query Rewriting）

目标：在不修改用户查询的情况下，将查询自动转换为更高效的形式，例如利用物化视图替代基础表。
条件：

• 物化视图的数据需满足查询的语义要求（如包含查询所需的列、过滤条件等）。
• 数据库需维护物化视图的元信息（如数据 freshness、索引等）。

（2）重写规则示例

场景：

• 物化视图定义：

  CREATE MATERIALIZED VIEW mv_high_salary AS 
  SELECT id, name, department FROM employees WHERE salary > 100000;
  

• 用户查询：

  SELECT name, department FROM employees WHERE salary > 100000 AND department = 'Engineering';
  

重写过程：

1. 匹配条件：
   • 查询的过滤条件（salary > 100000）被物化视图的定义覆盖。
   • 查询所需的列（name, department）包含在物化视图中。
2. 重写为：

   SELECT name, department FROM mv_high_salary WHERE department = 'Engineering';
   

3. 优势：
   • 物化视图可能更小（仅包含高薪员工），扫描数据量减少。
   • 物化视图可能建有索引（如 department 索引），加速过滤。

4. 物化视图的选择与维护

（1）何时使用物化视图？

• 查询频率高：相同聚合或连接操作被多次使用。
• 数据更新少：基础表不频繁更新，避免频繁刷新物化视图。
• 资源允许：有足够的存储空间和维护时间（如ETL任务）。

（2）物化视图的刷新策略

• 全量刷新（Complete Refresh）：重新执行视图定义查询（适用于小数据量或低频更新）。
• 增量刷新（Incremental Refresh）：通过日志（如Oracle的物化视图日志）仅更新变化部分。

5. 实际案例：优化聚合查询

场景：

• 基础表 sales(transaction_date, product_id, amount)，需频繁查询每日销售总额。
• 原始查询：

  SELECT transaction_date, SUM(amount) 
  FROM sales 
  GROUP BY transaction_date;
  

• 创建物化视图：

  CREATE MATERIALIZED VIEW mv_daily_sales AS 
  SELECT transaction_date, SUM(amount) as total_amount 
  FROM sales 
  GROUP BY transaction_date;
  

• 用户查询每日销售时，直接重写为扫描 mv_daily_sales，避免全表聚合。

6. 总结

• 视图展开是默认方式，适合简单视图或基础表频繁更新的场景。
• 视图物化通过空间换时间，适合复杂查询重复执行的场景。
• 查询重写是优化器的核心能力，需结合物化视图的元信息进行语义匹配。
• 实际应用中需权衡物化视图的存储成本、刷新开销与查询性能提升。