バージョン: 2.1

Best Practices

非同期マテリアライズドビューの使用原則

タイムリネス考慮: 非同期マテリアライズドビューは通常、データのタイムリネス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。高いタイムリネスが必要な場合は、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。
高速化効果と一貫性考慮: クエリ高速化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は共通のクエリSQLパターンをグループ化し、グループ間の重複を最小化す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ればあるほど、マテリアライズドビュー構築の品質が向上します。クエリは複数のマテリアライズドビューを使用でき、マテリアライズドビューは複数のクエリで使用される可能性があります。マテリアライズドビューの構築には、応答時間（高速化効果）、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、クエリ高速化効果は向上しますが、マテリアライゼーションの汎用性と再利用性は低くなり、構築コストが高くなることを意味します。
- 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）、クエリ高速化効果は低くなりますが、マテリアライゼーションの汎用性と再利用性は向上し、構築コストが低くなることを意味します。

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ければ多いほど良いというわけではありません。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、マテリアライズドビューが多いほど、透過的書き換え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を定期的に確認: 使用されていない場合は、適時削除する必要があります。
ベースTableのデータ更新頻度: マテリアライズドビューのベースTable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切で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）に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に使用する必要がある場合、クエリされるデータに一定のタイムリネス遅延を許可し、grace_periodを設定できます。詳細はgrace_periodの適用説明を参照してください。

マテリアライズドビューのリフレッシュ方法選択の原則

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ベースTableデータ量が大きく、ベースTableがパーティションTableである。
マテリアライズドビューで使用されるTableのうち、パーティションTable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す。つまり、パーティション増分更新の要件を満たす。詳細要件は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大きくない。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の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なパーティションをベースTableとUNION ALLして使用し、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は、完全リフレッシュ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方法

マテリアライズドビューのベースTableデータ量が大きく、ベースTableがパーティションTable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すなら、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、ベースTableのパーティションマッピングに従って作成され、一般的にベースTableのパーティションと1:1または1:nの関係を持ちます。

ベースTableのパーティションにパーティション追加やパーティション削除などのデータ変更がある場合、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。無効なパーティションは透過的書き換えに使用できませんが、直接クエリは可能です。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すると、無効なパーティションはベースTable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のパーティション状態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の状態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Tableにデータ変更がある場合、マテリアライズドビューの全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全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全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Table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Tableの位置には頻繁に変更されないディメンションTableを配置することが推奨されます。
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Tableにデータ変更があり、その非パーティションTableデータが修正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Tableのデータ変更がマテリアライズドビューの全パーティションを無効にすることがなくなり、次回のリフレッシュではパーティションTableに対応するマテリアライズドビューの無効な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の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クエリされ、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な場合、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、ordersTableのo_ordertimeフィールドがパーティションフィールドで、型はDATETIMEで、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「day」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多くのパーティションが更新されることを避けるため、パーティションの粒度をベースTableのordersと一致させ、同様に"day"でパーティショニングできます。

マテリアライズドビューの定義SQLは"day"粒度を使用し、"day"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 を使用したパーティション化マテリアライズドビューの作成

現在、Doris にはパーティション化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、パーティション化マテリアライズドビューの作成を試行し、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 句が含まれているため、直接パーティション化マテリアライズドビューの作成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;

その後、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

クエリ高速化のためにmaterialized viewを使用するには、まずプロファイルファイルを確認して、クエリ内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が比較的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Table結合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お勧めします。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、Tablet1において、元のTable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となり、このmaterialized viewが効果的であることを示します。a、b、cが相関している場合、集約データの量はさらに削減されます。

a、b、cが高いカーディナリティを持つ場合、集約データが急速に拡大します。集約データが元のTableデータより多い場合、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、集約データは約17,000,000となり、元のTableデータよりもはるかに大きくなるため、このようなmaterialized viewを構築することによる性能向上の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、クエリに必要なデータを提供するために、クエリの集約ディメンションを含む必要があります。クエリはGroup Byを記述しない場合もあり、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ります：

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、集約のgroup by次元としてl_partkeyとl_suppkeyの両方を含め、フィルタ条件としてo_orderdateを使用します。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した後、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

同じフィールドに対する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Filter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する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のFilterは、クエリに現れるFilterより少なくする必要があり、クエリのFilterはマテリアライズドビューのFilterを含む必要が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、Filter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必要があります。

4. 計算式について

case whenや文字列処理関数などの例を取ると、これらの式の計算は非常にパフォーマンス負荷が高いものです。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、透過的リライト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多すぎないことを推奨します。クエリが複数のフィールドを使用する場合は、初期SQLパターンの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ないようにする必要があります。

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、ユーザーはクエリの応答時間に敏感で、通常秒単位での結果返却を要求します。クエリは通常、複数Tableの結合に続く集約計算を伴い、大量の計算リソースを消費し、時には適時性の保証が困難になります。非同期マテリアライズドビューはこれらに適切に対応でき、直接クエリと透過的リライトの両方をサポートし、オプティマイザーがリライトアルゴリズムとコストモデルに基づいて最適なマテリアライズドビューを自動選択してリクエストに応答します。

ユースケース1：マルチTable結合集約クエリ高速化

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、マルチTable結合集約クエリを高速化できます。

以下の3つのクエリSQLを例に取ると：

クエリ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;

Query 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、これらすべてのクエリを満たすために以下のマテリアライズドビューを構築できます。

マテリアライズドビューの定義では、より一般的なJoinを得るためにQuery 1とQuery 2からフィルター条件を削除し、l_extendedprice * (1 - l_discount)の式を事前計算します。これにより、クエリがマテリアライズドビューにヒットした際に、式の計算を省略できます：

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の高速化パフォーマンス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。汎用性を維持するために、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;

Use Case 2: ログクエリ加速

ログクエリ高速化のシナリオでは、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が推奨されます。

一般的に、ベースTableはパーティション化されたTableで、多くの場合時間単位でパーティション化されており、単一Tableの集約クエリで、フィルタ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。クエリレスポンス速度が要件を満たせない場合、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Table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することができ、これにより一定の集約効果を実現することも可能です。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));

クエリステートメントは以下のようになる可能性があります：

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）

データ分析作業では、複数のTableを結合・集約することが頻繁に必要となりますが、このプロセスは通常、複雑で繰り返しの多いクエリを伴います。このようなタイプのクエリは、高いクエリレイテンシや高いリソース消費の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る場合、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、より高レベルのマテリアライズドビューを作成することができ（バージョン2.1.3以降でサポート）、異なる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式を設定できます。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できます。この方法では、第1層のマテリアライズドビューがリフレッシュを完了すると、自動的に第2層の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ます。
各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する際、第1層のマテリアライズドビューデータがベースTableと同期されているかどうかは考慮せず、単純に第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応用を説明します。地域と国別の月次注文数量と利益の分析を例として取り上げます：

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;

非同期マテリアライズドビューを使用した階層モデリング:

DWD層（詳細データ）の構築、注文詳細ワイドTable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（サマリーデータ）を構築し、日次注文サマリーを実行する

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;

最適化されたクエリでmaterialized viewsを使用したものは以下の通りです：

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統合の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では、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では、以下の2つの主要な課題に頻繁に遭遇します：

限定的な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、ネットワークレイテンシやサードパーティサービスによってパフォーマンスが影響を受け、クエリの遅延が発生してユーザーエクスペリエンスに影響を与える可能性があります。
データレイヤーモデリングの複雑さ: 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、メンテナンスコストと開発難易度が増加します。

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ます：

透明な書き換え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の結果をDoris内部ストレージにマテリアライズし、透明な書き換えを使用してクエリパフォーマンスを効果的に向上させます。
レイヤーモデリングの簡素化: データレイク内のTableに基づいて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て、データモデリングプロセスを大幅に簡素化します。

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に基づいたマテリアライズドビューを作成する

-- Materialized views can only be created on 内部カタログ, switch to 内部カタログ
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。このクエリは、透過的な書き換えを通じてマテリアライズドビューを自動的に使用してアクセラレーションを行います。

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Tableでのデータ変更を検出できません。外部Tableのデータに不整合がある場合、マテリアライズドビューを使用するとデータの不整合が生じる可能性があります。以下のスイッチは、透過的リライティングに参加するマテリアライズドビューが外部Tableを含む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。データの不整合を受け入れる、または定期的なリフレッシュによって外部Tableのデータ整合性を確保できる場合は、このスイッチをtrueに設定できます。外部Tableを含むマテリアライズドビューを透過的リライティング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ません。データの不整合を受け入れられる、または自分でデータ整合性を確保できる場合は、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プランがCBOによって選択されなかったことを意味します。これは外部Tableの統計情報が不完全である可能性があります。統計情報のためにファイルリストから行数を取得することを有効にします

SET enable_get_row_count_from_file_list = true;

外部Tableの統計情報を表示して、それらが完全かどうかを確認します

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では、システムの安定性と効率的なデータ処理が同様に重要です。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、それによって書き込み圧力を軽減し、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の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Tableのデータが変更されても、マテリアライズドビューのリフレッシュは即座にトリガーされず、遅延リフレッシュはリソース圧力を軽減し、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しても、マテリアライズドビューのリフレッシュは即座に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;

透明的書き換えは、クエリSQLを書き換えてクエリ高速化を実現できる一方で、インポートSQLを書き換えてインポート効率を向上させることもできます。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Tableのデータが強整合性を持つ場合、Insert IntoやInsert OverwriteなどのDML操作を透明的に書き換えることができ、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Table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;

透明な書き換え後、ステートメントは次のようになります：

INSERT INTO target_table
SELECT *
FROM common_schedule_join_mv;

注意点：DML操作がデータ変更を検出できない外部Tableを含む場合、透過的なリライトにより、最新のベースTableデータがターゲットTable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、または自分でデータの整合性を確保できる場合は、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Table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過的なリライト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のリフレッシュ方法選択の原則​

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方法​

UNION ALL を使用したパーティション化マテリアライズドビューの作成​

最新パーティションデータのみを保持するPartitioned Materialized Views​

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：マルチTable結合集約クエリ高速化​

Use Case 2: ログ クエリ加速​

シナリオ2: データモデリング（ETL）​

シナリオ3: Lake-Warehouse統合の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​