バージョン: 4.x

ベストプラクティス

非同期マテリアライズドビューの使用原則

適時性の考慮： 非同期マテリアライズドビューは通常、データの適時性が重要でないシナリオ（一般的にT+1データ）で使用されます。高い適時性が必要な場合は、同期マテリアライズドビューの使用を検討してください。
加速効果と一貫性の考慮： クエリ加速のシナリオにおいて、マテリアライズドビューを作成する際、DBAは一般的なクエリSQLパターンをグループ化し、グループ間の重複を最小限に抑えることを目指すべきです。SQLパターンのグループ化が明確であるほど、マテリアライズドビューの構築品質が向上します。クエリは複数のマテリアライズドビューを使用する場合があり、マテリアライズドビューは複数のクエリによって使用される場合があります。マテリアライズドビューの構築には、応答時間（加速効果）、構築コスト、データ一貫性要件の包括的な考慮が必要です。
マテリアライズドビューの定義と構築コストの考慮：
- マテリアライズドビューの定義が元のクエリに近いほど、クエリ加速効果は向上しますが、マテリアル化の汎用性と再利用性は低下し、構築コストが高くなります。
- マテリアライズドビューの定義がより汎用的である場合（例：WHERE条件なし、より多くの集約次元）、クエリ加速効果は低下しますが、マテリアル化の汎用性と再利用性は向上し、構築コストが低下します。

Note

マテリアライズドビュー数の制御： マテリアライズドビューは多いほど良いとは限りません。マテリアライズドビューの構築と更新にはリソースが必要です。マテリアライズドビューは透過的書き換えに参加し、CBOコストモデルが最適なマテリアライズドビューを選択するのに時間が必要です。理論的には、マテリアライズドビューが多いほど、透過的書き換えの時間が長くなります。
マテリアライズドビューの使用状況の定期的チェック： 使用されていない場合は、適時に削除する必要があります。
基底テーブルのデータ更新頻度： マテリアライズドビューの基底テーブルデータが頻繁に更新される場合、マテリアライズドビューの使用は適さない可能性があります。これにより、マテリアライズドビューが頻繁に無効になり、透過的書き換え（直接クエリ）で使用できなくなるためです。このようなマテリアライズドビューを透過的書き換えで使用する必要がある場合は、照会されるデータの適時性遅延を許可し、grace_periodを設定できます。grace_periodの適用詳細については詳細説明を参照してください。

マテリアライズドビュー更新方法選択の原則

以下の条件が満たされる場合、パーティション化マテリアライズドビューの作成を推奨します：

マテリアライズドビューの基底テーブルデータ量が大きく、基底テーブルがパーティションテーブルである。
マテリアライズドビューで使用されるテーブルのうち、パーティションテーブル以外は頻繁に変更されない。
マテリアライズドビューの定義SQLとパーティションフィールドがパーティション派生の要件を満たしている、つまりパーティション増分更新の要件を満たしている。詳細な要件はCREATE-ASYNC-MATERIALIZED-VIEWで確認できます。
マテリアライズドビューのパーティション数が多くない。パーティション数が多すぎると、パーティション化マテリアライズドビューの構築時間が過度に長くなります。

マテリアライズドビューの一部パーティションが無効になった場合、透過的書き換えはマテリアライズドビューの有効パーティションUNION ALL基底テーブルを使用してデータを返すことができます。

パーティション化マテリアライズドビューが構築できない場合、完全更新マテリアライズドビューの選択を検討できます。

パーティション化マテリアライズドビューの一般的な使用法

マテリアライズドビューの基底テーブルデータ量が大きく、基底テーブルがパーティションテーブルである場合、マテリアライズドビューの定義SQLとパーティションフィールドがパーティション派生の要件を満たしていれば、このシナリオはパーティション化マテリアライズドビューの構築に適しています。パーティション派生の詳細要件については、CREATE-ASYNC-MATERIALIZED-VIEWとAsync Materialized View FAQ構築質問12を参照してください。

マテリアライズドビューのパーティションは、基底テーブルのパーティションマッピングに従って作成され、一般的に基底テーブルのパーティションと1:1または1:nの関係を持ちます。

基底テーブルのパーティションがデータ変更を受ける場合（パーティション追加やパーティション削除など）、マテリアライズドビューの対応するパーティションも無効になります。無効パーティションは透過的書き換えには使用できませんが、直接照会することは可能です。透過的書き換えがマテリアライズドビューのパーティションデータが無効であることを発見した場合、無効パーティションは基底テーブルとの結合によって処理され、クエリに応答します。

マテリアライズドビューパーティション状況を確認するコマンドについては、マテリアライズドビュー状況の表示を参照してください。主にshow partitions from mv_nameコマンドを使用します。
マテリアライズドビューで参照される非パーティションテーブルがデータ変更を受ける場合、マテリアライズドビューのすべてのパーティションが無効になり、マテリアライズドビューが透過的書き換えに使用できなくなります。REFRESH MATERIALIZED VIEW mv1 AUTO;コマンドを使用して、マテリアライズドビューのすべてのパーティションデータを更新する必要があります。このコマンドは、データが変更されたマテリアライズドビューのすべてのパーティションの更新を試行します。

そのため、一般的にはパーティション化マテリアライズドビューで参照されるパーティションテーブルに頻繁に変更されるデータを配置し、参照されない非パーティションテーブルの位置に頻繁に変更されないディメンションテーブルを配置することを推奨します。
マテリアライズドビューで参照される非パーティションテーブルがデータ変更を受け、その非パーティションテーブルデータが変更なしで追加のみの場合、マテリアライズドビュー作成時に属性excluded_trigger_tables = 'non_partition_table_name1,non_partition_table_name2'を指定できます。これにより、非パーティションテーブルのデータ変更がマテリアライズドビューのすべてのパーティションを無効にすることがなく、次回の更新では、パーティションテーブルに対応するマテリアライズドビューの無効パーティションのみが更新されます。

パーティション化マテリアライズドビューの透過的書き換えはパーティション粒度で行われます。マテリアライズドビューの一部パーティションが無効になっても、マテリアライズドビューは依然として透過的書き換えに使用できます。ただし、1つのパーティションのみが照会され、そのパーティションのマテリアライズドビューのデータが無効である場合、マテリアライズドビューは透過的書き換えに使用できません。

例：

CREATE TABLE IF NOT EXISTS lineitem (
    l_orderkey INTEGER NOT NULL, 
    l_partkey INTEGER NOT NULL, 
    l_suppkey INTEGER NOT NULL, 
    l_linenumber INTEGER NOT NULL, 
    l_ordertime DATETIME NOT NULL, 
    l_quantity DECIMALV3(15, 2) NOT NULL, 
    l_extendedprice DECIMALV3(15, 2) NOT NULL, 
    l_discount DECIMALV3(15, 2) NOT NULL, 
    l_tax DECIMALV3(15, 2) NOT NULL, 
    l_returnflag CHAR(1) NOT NULL, 
    l_linestatus CHAR(1) NOT NULL, 
    l_shipdate DATE NOT NULL, 
    l_commitdate DATE NOT NULL, 
    l_receiptdate DATE NOT NULL, 
    l_shipinstruct CHAR(25) NOT NULL, 
    l_shipmode CHAR(10) NOT NULL, 
    l_comment VARCHAR(44) NOT NULL
  ) DUPLICATE KEY(
    l_orderkey, l_partkey, l_suppkey, 
    l_linenumber
  ) PARTITION BY RANGE(l_ordertime) (
    FROM 
      ('2024-05-01') TO ('2024-06-30') INTERVAL 1 DAY
  )
DISTRIBUTED BY HASH(l_orderkey) BUCKETS 3;

INSERT INTO lineitem VALUES      
(1, 2, 3, 4, '2024-05-01 01:45:05', 5.5, 6.5, 0.1, 8.5, 'o', 'k', '2024-05-01', '2024-05-01', '2024-05-01', 'a', 'b', 'yyyyyyyyy'),    
(1, 2, 3, 4, '2024-05-15 02:35:05', 5.5, 6.5, 0.15, 8.5, 'o', 'k', '2024-05-15', '2024-05-15', '2024-05-15', 'a', 'b', 'yyyyyyyyy'),     
(2, 2, 3, 5, '2024-05-25 08:30:06', 5.5, 6.5, 0.2, 8.5, 'o', 'k', '2024-05-25', '2024-05-25', '2024-05-25', 'a', 'b', 'yyyyyyyyy'),     
(3, 4, 3, 6, '2024-06-02 09:25:07', 5.5, 6.5, 0.3, 8.5, 'o', 'k', '2024-06-02', '2024-06-02', '2024-06-02', 'a', 'b', 'yyyyyyyyy'),     
(4, 4, 3, 7, '2024-06-15 13:20:09', 5.5, 6.5, 0, 8.5, 'o', 'k', '2024-06-15', '2024-06-15', '2024-06-15', 'a', 'b', 'yyyyyyyyy'),     
(5, 5, 6, 8, '2024-06-25 15:15:36', 5.5, 6.5, 0.12, 8.5, 'o', 'k', '2024-06-25', '2024-06-25', '2024-06-25', 'a', 'b', 'yyyyyyyyy'),     
(5, 5, 6, 9, '2024-06-29 21:10:52', 5.5, 6.5, 0.1, 8.5, 'o', 'k', '2024-06-30', '2024-06-30', '2024-06-30', 'a', 'b', 'yyyyyyyyy'),     
(5, 6, 5, 10, '2024-06-03 22:05:50', 7.5, 8.5, 0.1, 10.5, 'k', 'o', '2024-06-03', '2024-06-03', '2024-06-03', 'c', 'd', 'xxxxxxxxx');     
  
CREATE TABLE IF NOT EXISTS partsupp (
    ps_partkey INTEGER NOT NULL, 
    ps_suppkey INTEGER NOT NULL, 
    ps_availqty INTEGER NOT NULL, 
    ps_supplycost DECIMALV3(15, 2) NOT NULL, 
    ps_comment VARCHAR(199) NOT NULL
  )
DUPLICATE KEY(ps_partkey, ps_suppkey)
DISTRIBUTED BY HASH(ps_partkey) BUCKETS 3;


INSERT INTO partsupp VALUES     
(2, 3, 9, 10.01, 'supply1'),     
(4, 3, 9, 10.01, 'supply2'),     
(5, 6, 9, 10.01, 'supply3'),     
(6, 5, 10, 11.01, 'supply4');

この例では、ordersテーブルのo_ordertimeフィールドがパーティションフィールドで、タイプはDATETIME、日単位でパーティション化されています。メインクエリは「日」の粒度に基づいています：

SELECT 
  l_linestatus, 
  sum(
    l_extendedprice * (1 - l_discount)
  ) AS revenue, 
  ps_partkey 
FROM 
  lineitem 
  LEFT JOIN partsupp ON l_partkey = ps_partkey 
  and l_suppkey = ps_suppkey 
WHERE 
  date_trunc(l_ordertime, 'day') <= DATE '2024-05-25' 
  AND date_trunc(l_ordertime, 'day') >= DATE '2024-05-05' 
GROUP BY 
  l_linestatus, 
  ps_partkey;

マテリアライズドビューで毎回あまりにも多くのパーティションをリフレッシュすることを避けるため、パーティションの粒度をベーステーブルordersと一致させ、同様に「日」でパーティショニングすることができます。

マテリアライズドビューの定義SQLは「日」の粒度を使用し、「日」ごとにデータを集約できます：

CREATE MATERIALIZED VIEW rollup_partition_mv 
BUILD IMMEDIATE REFRESH AUTO ON MANUAL 
partition by(order_date) 
DISTRIBUTED BY RANDOM BUCKETS 2 
AS 
SELECT 
  l_linestatus, 
  sum(
    l_extendedprice * (1 - l_discount)
  ) AS revenue, 
  ps_partkey, 
  date_trunc(l_ordertime, 'day') as order_date 
FROM 
  lineitem 
  LEFT JOIN partsupp ON l_partkey = ps_partkey 
  and l_suppkey = ps_suppkey 
GROUP BY 
  l_linestatus, 
  ps_partkey, 
  date_trunc(l_ordertime, 'day');

UNION ALLを使用した分割マテリアライズドビューの作成

現在、Dorisには分割マテリアライズドビューの定義にUNION ALL句を含めることができないという制限があります。 UNION ALLを含むマテリアライズドビューを作成するには、次のアプローチを使用できます：UNION ALLの各入力部分に対して、分割マテリアライズドビューの作成を試み、その後UNION ALL結果セット全体に対して通常のビューを作成します。

例：以下のマテリアライズドビュー定義にはUNION ALL句が含まれており、分割マテリアライズドビューを直接作成するために使用することはできません。

SELECT
l_linestatus,
sum(
l_extendedprice * (1 - l_discount)
) AS revenue,
ps_partkey,
date_trunc(l_ordertime, 'day') as order_date
FROM
lineitem
LEFT JOIN partsupp ON l_partkey = ps_partkey
and l_suppkey = ps_suppkey
GROUP BY
l_linestatus,
ps_partkey,
date_trunc(l_ordertime, 'day')
UNION ALL
SELECT
l_linestatus,
l_extendedprice,
ps_partkey,
date_trunc(l_ordertime, 'day') as order_date
FROM
lineitem
LEFT JOIN partsupp ON l_partkey = ps_partkey
and l_suppkey = ps_suppkey;

上記のSQL文を2つの部分に分割し、2つのパーティション化されたマテリアライズドビューを個別に作成できます。

CREATE MATERIALIZED VIEW union_sub_mv1
BUILD IMMEDIATE REFRESH AUTO ON MANUAL
partition by(order_date)
DISTRIBUTED BY RANDOM BUCKETS 2
AS
SELECT
l_linestatus,
sum(
l_extendedprice * (1 - l_discount)
) AS revenue,
ps_partkey,
date_trunc(l_ordertime, 'day') as order_date
FROM
lineitem
LEFT JOIN partsupp ON l_partkey = ps_partkey
and l_suppkey = ps_suppkey
GROUP BY
l_linestatus,
ps_partkey,
date_trunc(l_ordertime, 'day');

CREATE MATERIALIZED VIEW union_sub_mv2
BUILD IMMEDIATE REFRESH AUTO ON MANUAL
partition by(order_date)
DISTRIBUTED BY RANDOM BUCKETS 2
AS
SELECT
l_linestatus,
l_extendedprice,
ps_partkey,
date_trunc(l_ordertime, 'day') as order_date
FROM
lineitem
LEFT JOIN partsupp ON l_partkey = ps_partkey
and l_suppkey = ps_suppkey;

次に、2つのパーティション化されたマテリアライズドビューの結果セットに対してUNION ALLを実行する通常のビューを作成します。このビュー（union_all_view）は外部に公開することができます。

CREATE VIEW union_all_view
AS
SELECT *
FROM
union_sub_mv1
UNION ALL
SELECT *
FROM
union_sub_mv2;

Materialized Viewを使用してクエリを高速化する方法

クエリ高速化にmaterialized viewを使用するには、まずprofileファイルを確認して、クエリで最も時間を消費する操作を見つけます。これは通常、Join、Aggregate、Filter、またはCalculated Expressionsに現れます。

Join、Aggregate、Filters、およびCalculated Expressionsについては、materialized viewを構築することでクエリの高速化に役立ちます。クエリ内のJoin操作が大量のコンピューティングリソースを消費し、Aggregateが相対的に少ないリソースを消費する場合、Join操作をターゲットとしたmaterialized viewを構築できます。

次に、これら4つの操作に対してmaterialized viewを構築する方法を詳しく説明します：

Joinの場合

クエリで使用される共通のテーブルjoinパターンを抽出してmaterialized viewを構築できます。透過的な書き換えがこのmaterialized viewを使用する場合、Join計算を節約できます。より汎用的なJoin materialized viewを作成するために、クエリからFiltersを削除します。
Aggregateの場合

materialized viewを構築する際は、低カーディナリティフィールドをディメンションとして使用することを推奨します。ディメンションが関連している場合、集約後の数をできるだけ削減できます。

例えば、テーブルt1で、元のテーブルに1,000,000レコードがあり、SQLクエリにgroup by a, b, cがある場合を考えます。a、b、cのカーディナリティがそれぞれ100、50、15の場合、集約されたデータは約75,000になり、このmaterialized viewが効果的であることを示しています。a、b、cが相関している場合、集約されたデータ量はさらに削減されます。

a、b、cが高カーディナリティの場合、集約されたデータが急速に拡張される原因となります。集約されたデータが元のテーブルデータよりも多い場合、このシナリオはmaterialized viewの構築に適さない可能性があります。例えば、cのカーディナリティが3,500の場合、集約されたデータは約17,000,000になり、元のテーブルデータよりもはるかに大きくなるため、このようなmaterialized viewを構築することの性能向上効果は低くなります。

materialized viewの集約粒度はクエリよりも細かくする必要があります。つまり、materialized viewの集約ディメンションはクエリの集約ディメンションを含んで、クエリが必要とするデータを提供する必要があります。クエリはGroup Byを記述しない場合があり、同様に、materialized viewの集約関数はクエリの集約関数を含む必要があります。

aggregateクエリ高速化を例に取ると：

Query 1:
```
SELECT 
  l_linestatus, 
  sum(
    l_extendedprice * (1 - l_discount)
  ) AS revenue, 
  o_shippriority 
FROM 
  orders 
  LEFT JOIN lineitem ON l_orderkey = o_orderkey 
WHERE 
  o_orderdate <= DATE '2024-06-30' 
  AND o_orderdate >= DATE '2024-05-01' 
GROUP BY 
  l_linestatus, 
  o_shippriority,
  l_partkey;
```

クエリ 2:

```sql
SELECT 
  l_linestatus, 
  sum(
    l_extendedprice * (1 - l_discount)
  ) AS revenue, 
  o_shippriority 
FROM 
  orders 
  LEFT JOIN lineitem ON l_orderkey = o_orderkey 
WHERE 
  o_orderdate <= DATE '2024-06-30' 
  AND o_orderdate >= DATE '2024-05-01' 
GROUP BY 
  l_linestatus, 
  o_shippriority,
  l_suppkey;
```

上記の2つのSQLクエリに基づいて、Aggregateを含むより汎用的なマテリアライズドビューを構築できます。このマテリアライズドビューでは、l_partkeyとl_suppkeyの両方を集約のgroup by次元として含め、o_orderdateをフィルタ条件として使用します。o_orderdateはマテリアライズドビューの条件補償で使用されるだけでなく、マテリアライズドビューの集約group by次元にも含める必要があることに注意してください。

このようにマテリアライズドビューを構築すると、Query 1とQuery 2の両方がこのマテリアライズドビューにヒットできます。マテリアライズドビューの定義は以下の通りです：

```sql
CREATE MATERIALIZED VIEW common_agg_mv
BUILD IMMEDIATE REFRESH AUTO ON MANUAL
DISTRIBUTED BY RANDOM BUCKETS 2
AS 
SELECT 
  l_linestatus, 
  sum(
    l_extendedprice * (1 - l_discount)
  ) AS revenue, 
  o_shippriority,
  l_suppkey,
  l_partkey,
  o_orderdate
FROM 
  orders 
  LEFT JOIN lineitem ON l_orderkey = o_orderkey 
GROUP BY 
  l_linestatus, 
  o_shippriority,
  l_suppkey,
  l_partkey,
  o_orderdate;
```

3. Filter について

同じフィールドでのフィルターがクエリに頻繁に現れる場合、マテリアライズドビューに対応するFiltersを追加することで、マテリアライズドビュー内のデータ量を削減し、クエリがマテリアライズドビューにヒットした際のパフォーマンスを向上させることができます。

マテリアライズドビューは、クエリに現れるFiltersよりも少ないFiltersを持つべきであり、クエリのFiltersはマテリアライズドビューのFiltersを含むべきであることに注意してください。例えば、クエリが a > 10 and b > 5 の場合、マテリアライズドビューはFilterを持たないか、またはFiltersを持つ場合は、a > 5 and b > 5、b > 0、または単に a > 5 のように、クエリよりも大きなデータ範囲でaとbをフィルタリングするべきです。

4. 計算式について

case whenや文字列処理関数などの例を挙げると、これらの式計算は非常にパフォーマンス集約的です。これらをマテリアライズドビューで事前計算できる場合、透過的な書き換えを通じて事前計算されたマテリアライズドビューを使用することで、クエリパフォーマンスを向上させることができます。

マテリアライズドビューの列数はあまり多くすべきではないことが推奨されます。クエリが複数のフィールドを使用する場合、初期のSQLパターングループ化に基づいて異なる列に対応するマテリアライズドビューを構築し、単一のマテリアライズドビューの列数が多くなりすぎることを避けるべきです。

使用シナリオ

シナリオ1: クエリ高速化

BIレポートシナリオやその他の高速化シナリオでは、ユーザーはクエリ応答時間に敏感で、通常、結果が秒単位で返されることを要求します。クエリは通常、複数のテーブル結合とその後の集計計算を含み、これは大量の計算リソースを消費し、時には適時性を保証することを困難にします。非同期マテリアライズドビューはこれに適切に対処でき、直接クエリと透過的な書き換えの両方をサポートし、オプティマイザーが書き換えアルゴリズムとコストモデルに基づいてリクエストに応答する最適なマテリアライズドビューを自動的に選択します。

ユースケース1: 複数テーブル結合集計クエリ高速化

より汎用的なマテリアライズドビューを構築することで、複数テーブル結合集計クエリを高速化できます。

以下の3つのクエリSQLを例として：

Query 1:

SELECT 
  l_linestatus, 
  l_extendedprice * (1 - l_discount)
  o_shippriority 
FROM 
  orders 
  LEFT JOIN lineitem ON l_orderkey = o_orderkey 
WHERE 
  o_orderdate <= DATE '2024-06-30' 
  AND o_orderdate >= DATE '2024-05-01';

クエリ 2:

SELECT 
  l_linestatus, 
  sum(
    l_extendedprice * (1 - l_discount)
  ) AS revenue, 
  o_orderdate, 
  o_shippriority 
FROM 
  orders 
  LEFT JOIN lineitem ON l_orderkey = o_orderkey 
WHERE 
  o_orderdate <= DATE '2024-06-30' 
  AND o_orderdate >= DATE '2024-05-01' 
GROUP BY 
  l_linestatus, 
  o_orderdate, 
  o_shippriority;

クエリ 3:

SELECT 
  l_linestatus, 
  l_extendedprice * (1 - l_discount),
  o_orderdate, 
  o_shippriority 
FROM 
  orders 
  LEFT JOIN lineitem ON l_orderkey = o_orderkey;

上記のクエリに対して、すべてのクエリを満たす以下のmmaterialized viewを構築できます。

materialized viewの定義では、Query 1とQuery 2からフィルタ条件を削除してより汎用的なJoinを取得し、式l_extendedprice * (1 - l_discount)を事前計算するため、クエリがmaterialized viewにヒットした際に式の計算を節約できます：

CREATE MATERIALIZED VIEW common_join_mv
BUILD IMMEDIATE REFRESH AUTO ON MANUAL
DISTRIBUTED BY RANDOM BUCKETS 2
AS 
SELECT 
  l_linestatus, 
  l_extendedprice * (1 - l_discount),
  o_orderdate, 
  o_shippriority 
FROM 
  orders 
  LEFT JOIN lineitem ON l_orderkey = o_orderkey;

上記のマテリアライズドビューがQuery 2の高速化性能要件を満たすことができない場合、集約マテリアライズドビューを構築することができます。汎用性を保つために、o_orderdateフィールドのフィルタ条件を削除することができます：

CREATE MATERIALIZED VIEW target_agg_mv
BUILD IMMEDIATE REFRESH AUTO ON MANUAL
DISTRIBUTED BY RANDOM BUCKETS 2
AS 
SELECT 
  l_linestatus, 
  sum(
    l_extendedprice * (1 - l_discount)
  ) AS revenue, 
  o_orderdate, 
  o_shippriority 
FROM 
  orders 
  LEFT JOIN lineitem ON l_orderkey = o_orderkey 
GROUP BY 
  l_linestatus, 
  o_orderdate, 
  o_shippriority;

ユースケース2: ログクエリの高速化

ログクエリの高速化シナリオでは、非同期マテリアライズドビューのみの使用に限定せず、同期マテリアライズドビューと組み合わせることを推奨します。

一般的に、ベーステーブルはパーティション化されたテーブルで、主に時間単位でパーティション化され、単一テーブルの集約クエリを行い、フィルター条件は通常時間といくつかのフラグビットに基づいています。クエリの応答速度が要件を満たさない場合、通常は同期マテリアライズドビューを構築して高速化を図ることができます。

例えば、ベーステーブルの定義は以下のようになります:

CREATE TABLE IF NOT EXISTS test (
`app_name` VARCHAR(64) NULL COMMENT 'identifier', 
`event_id` VARCHAR(128) NULL COMMENT 'identifier', 
`decision` VARCHAR(32) NULL COMMENT 'enum value', 
`time` DATETIME NULL COMMENT 'query time', 
`id` VARCHAR(35) NOT NULL COMMENT 'od', 
`code` VARCHAR(64) NULL COMMENT 'identifier', 
`event_type` VARCHAR(32) NULL COMMENT 'event type' 
)
DUPLICATE KEY(app_name, event_id)
PARTITION BY RANGE(time)                                    
(                                                                                                                                      
    FROM ("2024-07-01 00:00:00") TO ("2024-07-15 00:00:00") INTERVAL 1 HOUR                                                                     
)     
DISTRIBUTED BY HASH(event_id)
BUCKETS 3;

マテリアライズドビューは分単位でデータを集約でき、これにより一定の集約効果を実現することもできます。例えば：

CREATE MATERIALIZED VIEW sync_mv
    AS
    SELECT 
      decision,
      code, 
      app_name, 
      event_id, 
      event_type, 
      date_trunc(time, 'minute'), 
      DATE_FORMAT(
        `time`, '%Y-%m-%d'
      ), 
      cast(FLOOR(MINUTE(time) / 15) as decimal(9, 0)),
      count(id) as cnt
    from 
      test 
    group by 
      code, 
      app_name, 
      event_id, 
      event_type, 
      date_trunc(time, 'minute'), 
      decision, 
      DATE_FORMAT(time, '%Y-%m-%d'), 
      cast(FLOOR(MINUTE(`time`) / 15) as decimal(9, 0));

クエリ文は以下のようになる場合があります：

SELECT 
    decision, 
    CONCAT(
        CONCAT(
          DATE_FORMAT(
            `time`, '%Y-%m-%d'
          ), 
          '', 
          LPAD(
            cast(FLOOR(MINUTE(`time`) / 15) as decimal(9, 0)) * 15, 
            5, 
            '00'
          ), 
          ':00'
        )
      ) as time, 
      count(id) as cnt 
    from 
      test 
    where 
    date_trunc(time, 'minute') BETWEEN '2024-07-02 18:00:00' 
      AND '2024-07-03 20:00:00' 
    group by 
      decision, 
      DATE_FORMAT(
        `time`, "%Y-%m-%d"
      ), 
      cast(FLOOR(MINUTE(`time`) / 15) as decimal(9, 0));

シナリオ2: データモデリング（ETL）

データ分析業務では、複数のテーブルを結合して集約する作業が頻繁に必要となりますが、このプロセスでは通常、複雑で頻繁に繰り返されるクエリが必要になります。このようなクエリは、クエリレイテンシの増大やリソース消費量の増大といった問題を引き起こす可能性があります。しかし、非同期マテリアライズドビューを使用して階層化されたデータモデルを構築すれば、これらの問題を適切に回避できます。既存のマテリアライズドビューに基づいて上位レベルのマテリアライズドビューを作成でき（バージョン2.1.3以降でサポート）、様々な要件に柔軟に対応できます。

異なるレベルのマテリアライズドビューには、それぞれ独自のトリガー方法を設定できます。例えば：

第1層のマテリアライズドビューを定期リフレッシュに設定し、第2層をトリガーリフレッシュに設定します。この方法では、第1層のマテリアライズドビューのリフレッシュが完了すると、第2層のマテリアライズドビューのリフレッシュが自動的にトリガーされます。
各層のマテリアライズドビューをすべて定期リフレッシュに設定した場合、第2層のマテリアライズドビューがリフレッシュされる際に、第1層のマテリアライズドビューデータがベーステーブルと同期されているかどうかは考慮されず、単に第1層のマテリアライズドビューデータを処理して第2層に同期します。

次に、TPC-Hデータセットを使用して、データモデリングにおける非同期マテリアライズドビューの活用を説明します。地域と国別の月次注文数量と利益の分析を例に取り上げます：

元のクエリ（マテリアライズドビューを使用しない場合）：

SELECT
n_name,
date_trunc(o.o_orderdate, 'month') as month,
count(distinct o.o_orderkey) as order_count,
sum(l.l_extendedprice * (1 - l.l_discount)) as revenue
FROM orders o
JOIN lineitem l ON o.o_orderkey = l.l_orderkey
JOIN customer c ON o.o_custkey = c.c_custkey
JOIN nation n ON c.c_nationkey = n.n_nationkey
JOIN region r ON n.n_regionkey = r.r_regionkey
GROUP BY n_name, month;

階層化モデリングでの非同期マテリアライズドビューの使用：

DWD層（詳細データ）の構築、注文詳細ワイドテーブルの処理

CREATE MATERIALIZED VIEW dwd_order_detail
BUILD IMMEDIATE REFRESH AUTO ON COMMIT
DISTRIBUTED BY RANDOM BUCKETS 16
AS
select
o.o_orderkey,
o.o_custkey,
o.o_orderstatus,
o.o_totalprice,
o.o_orderdate,
c.c_name,
c.c_nationkey,
n.n_name as nation_name,
r.r_name as region_name,
l.l_partkey,
l.l_quantity,
l.l_extendedprice,
l.l_discount,
l.l_tax
from orders o
join customer c on o.o_custkey = c.c_custkey
join nation n on c.c_nationkey = n.n_nationkey
join region r on n.n_regionkey = r.r_regionkey
join lineitem l on o.o_orderkey = l.l_orderkey;

DWSレイヤー（サマリデータ）を構築し、日次注文サマリを実行する

CREATE MATERIALIZED VIEW dws_daily_sales
BUILD IMMEDIATE REFRESH AUTO ON COMMIT
DISTRIBUTED BY RANDOM BUCKETS 16
AS
select
date_trunc(o_orderdate, 'month') as month,
nation_name,
region_name,
bitmap_union(to_bitmap(o_orderkey)) as order_count,
sum(l_extendedprice * (1 - l_discount)) as net_revenue
from dwd_order_detail
group by
date_trunc(o_orderdate, 'month'),
nation_name,
region_name;

マテリアライズドビューを使用した最適化クエリは以下の通りです：

SELECT
nation_name,
month,
bitmap_union_count(order_count),
sum(net_revenue) as revenue
FROM dws_daily_sales
GROUP BY nation_name, month;

シナリオ3：Lake-Warehouse統合フェデレーテッドデータクエリ

現代のデータアーキテクチャにおいて、企業はデータストレージコストとクエリパフォーマンスのバランスを取るためにlake-warehouse統合設計を採用することが多い。このアーキテクチャの下で、2つの主要な課題が頻繁に発生する：

制限されたクエリパフォーマンス：データレイクからデータを頻繁にクエリする際、パフォーマンスがネットワークレイテンシやサードパーティサービスの影響を受け、クエリの遅延を引き起こし、ユーザーエクスペリエンスに影響を与える場合がある。
データレイヤーモデリングの複雑性：データレイクからリアルタイムデータウェアハウスへのデータフローと変換プロセスにおいて、通常複雑なETLプロセスが必要となり、これによりメンテナンスコストと開発難易度が増大する。

Doris非同期マテリアライズドビューを使用することで、これらの課題を効果的に解決できる：

透過的リライトによるクエリ高速化：よく使用されるデータレイククエリ結果をDoris内部ストレージにマテリアライズし、透過的リライトを使用してクエリパフォーマンスを効果的に向上させる。
レイヤーモデリングの簡素化：データレイク内のテーブルに基づくマテリアライズドビューの作成をサポートし、データレイクからリアルタイムデータウェアハウスへの便利な変換を可能にし、データモデリングプロセスを大幅に簡素化する。

例えば、Hiveを使用する場合：

TPC-Hデータセットを使用してHiveベースのCatalogを作成

CREATE CATALOG hive_catalog PROPERTIES (
'type'='hms', -- hive meta store address
'hive.metastore.uris' = 'thrift://172.21.0.1:7004'
);

Hive Catalogに基づくマテリアライズドビューの作成

-- Materialized views can only be created on internal catalog, switch to internal catalog
switch internal;
create database hive_mv_db;
use hive_mv_db;

CREATE MATERIALIZED VIEW external_hive_mv
BUILD IMMEDIATE REFRESH AUTO ON MANUAL
DISTRIBUTED BY RANDOM BUCKETS 12
AS
SELECT
n_name,
o_orderdate,
sum(l_extendedprice * (1 - l_discount)) AS revenue
FROM
customer,
orders,
lineitem,
supplier,
nation,
region
WHERE
c_custkey = o_custkey
AND l_orderkey = o_orderkey
AND l_suppkey = s_suppkey
AND c_nationkey = s_nationkey
AND s_nationkey = n_nationkey
AND n_regionkey = r_regionkey
AND r_name = 'ASIA'
GROUP BY
n_name,
o_orderdate;

以下のクエリを実行してください。これにより、透過的な書き換えを通じてマテリアライズドビューが自動的に高速化のために使用されます。

SELECT
n_name,
sum(l_extendedprice * (1 - l_discount)) AS revenue
FROM
customer,
orders,
lineitem,
supplier,
nation,
region
WHERE
c_custkey = o_custkey
AND l_orderkey = o_orderkey
AND l_suppkey = s_suppkey
AND c_nationkey = s_nationkey
AND s_nationkey = n_nationkey
AND n_regionkey = r_regionkey
AND r_name = 'ASIA'
AND o_orderdate >= DATE '1994-01-01'
AND o_orderdate < DATE '1994-01-01' + INTERVAL '1' YEAR
GROUP BY
n_name
ORDER BY
revenue DESC;

Note

Dorisは現在、Hive以外の外部テーブルのデータ変更を検出できません。外部テーブルのデータが不整合の場合、マテリアライズドビューを使用するとデータ不整合が発生する可能性があります。以下のスイッチは、透過的リライトに参加するマテリアライズドビューに外部テーブルを含めることを許可するかどうかを示します。デフォルトはfalseです。データ不整合を受け入れるか、定期的なリフレッシュにより外部テーブルのデータ整合性を保証できる場合は、このスイッチをtrueに設定できます。外部テーブルを含むマテリアライズドビューを透過的リライトに使用できるかどうかを設定します。デフォルトでは許可されていませんが、データ不整合を受け入れられる場合やデータ整合性を自分で保証できる場合は有効にできます。

SET materialized_view_rewrite_enable_contain_external_table = true;

マテリアライズドビューがMaterializedViewRewriteSuccessButNotChoseステータスの場合、リライトは成功したがCBOによってプランが選択されなかったことを意味し、外部テーブルの統計情報が不完全であることが原因の可能性があります。統計情報のためにファイルリストから行数を取得する機能を有効化

SET enable_get_row_count_from_file_list = true;

外部テーブルの統計情報を表示して完全かどうかを確認

SHOW TABLE STATS external_table_name;

シナリオ4：書き込み効率の向上、リソース競合の削減

高スループットのデータ書き込みシナリオにおいて、システムの安定性と効率的なデータ処理は同様に重要です。非同期マテリアライズドビューの柔軟なリフレッシュ戦略により、ユーザーは特定のシナリオに基づいて適切なリフレッシュ方法を選択でき、書き込み圧力を削減し、リソース競合を回避できます。

同期マテリアライズドビューと比較して、非同期マテリアライズドビューは3つの柔軟なリフレッシュ戦略を提供します：手動トリガー、トリガーベース、定期トリガーです。ユーザーはシナリオ要件に基づいて適切なリフレッシュ戦略を選択できます。ベーステーブルのデータが変更された際、即座にマテリアライズドビューのリフレッシュがトリガーされることはなく、遅延リフレッシュがリソース圧力を削減し、書き込みリソース競合を効果的に回避します。

以下に示すように、選択されたリフレッシュ方法は定期リフレッシュで、2時間ごとにリフレッシュされます。ordersとlineitemがデータをインポートする際、即座にマテリアライズドビューのリフレッシュはトリガーされません。

CREATE MATERIALIZED VIEW common_schedule_join_mv
BUILD IMMEDIATE REFRESH AUTO ON SCHEDULE EVERY 2 HOUR
DISTRIBUTED BY RANDOM BUCKETS 16
AS
SELECT
l_linestatus,
l_extendedprice * (1 - l_discount),
o_orderdate,
o_shippriority
FROM
orders
LEFT JOIN lineitem ON l_orderkey = o_orderkey;

透明リライトはクエリSQLをリライトしてクエリの高速化を実現できるとともに、インポートSQLをリライトしてインポート効率を向上させることも可能です。バージョン2.1.6以降、マテリアライズドビューとベーステーブルのデータが強い整合性を持つ場合、Insert IntoやInsert OverwriteなどのDML操作を透明にリライトできるようになり、データインポートシナリオのパフォーマンスが大幅に向上します。

Insert Intoデータ用のターゲットテーブルを作成する

CREATE TABLE IF NOT EXISTS target_table  (
orderdate      DATE NOT NULL,
shippriority   INTEGER NOT NULL,
linestatus     CHAR(1) NOT NULL,
sale           DECIMALV3(15,2) NOT NULL
)
DUPLICATE KEY(orderdate, shippriority)
DISTRIBUTED BY HASH(shippriority) BUCKETS 3;

common_schedule_join_mv

CREATE MATERIALIZED VIEW common_schedule_join_mv
BUILD IMMEDIATE REFRESH AUTO ON SCHEDULE EVERY 2 HOUR
DISTRIBUTED BY RANDOM BUCKETS 16
AS
SELECT
l_linestatus,
l_extendedprice * (1 - l_discount),
o_orderdate,
o_shippriority
FROM
orders
LEFT JOIN lineitem ON l_orderkey = o_orderkey;

書き換え前のimport文：

INSERT INTO target_table
SELECT
o_orderdate,
o_shippriority,
l_linestatus,
l_extendedprice * (1 - l_discount)
FROM
orders
LEFT JOIN lineitem ON l_orderkey = o_orderkey;

透明な書き換えの後、ステートメントは以下のようになります：

INSERT INTO target_table
SELECT *
FROM common_schedule_join_mv;

注意：DML操作がデータ変更を検出できない外部テーブルを含む場合、透明書き換えにより最新のベーステーブルデータがターゲットテーブルにリアルタイムでインポートされない可能性があります。ユーザーがデータの不整合を許容できる場合、または自身でデータの整合性を保証できる場合は、以下のスイッチを有効にできます：

DMLにおいて、マテリアライズドビューがリアルタイムでデータを検出できない外部テーブルを含む場合に、構造情報に基づくマテリアライズドビューの透明書き換えを有効にするかどうか、デフォルトは無効

SET enable_dml_materialized_view_rewrite_when_base_table_unawareness = true;

非同期マテリアライズドビューの使用原則​

マテリアライズドビュー更新方法選択の原則​

パーティション化マテリアライズドビューの一般的な使用法​

UNION ALLを使用した分割マテリアライズドビューの作成​

最新のパーティションデータのみを保持するパーティション化マテリアライズドビュー​

Materialized Viewを使用してクエリを高速化する方法​

使用シナリオ​

シナリオ1: クエリ高速化​

ユースケース1: 複数テーブル結合集計クエリ高速化​

ユースケース2: ログクエリの高速化​

シナリオ2: データモデリング（ETL）​

シナリオ3：Lake-Warehouse統合フェデレーテッドデータクエリ​

シナリオ4：書き込み効率の向上、リソース競合の削減​