39.3. Материализованные представления#
39.3. Материализованные представления
Материализованные представления в Tantor SE используют систему правил, как и обычные представления, но сохраняют результаты в форме таблицы. Основные отличия между:
CREATE MATERIALIZED VIEW mymatview AS SELECT * FROM mytab;
и
CREATE TABLE mymatview AS SELECT * FROM mytab;
это означает, что материализованное представление не может быть непосредственно обновлено, и что запрос, используемый для создания материализованного представления, хранится точно так же, как и запрос представления, так что для материализованного представления можно сгенерировать свежие данные с помощью:
REFRESH MATERIALIZED VIEW mymatview;
Информация о материализованном представлении в системных каталогах Tantor SE точно такая же, как и для таблицы или представления. Для парсера материализованное представление является отношением, так же как таблица или представление. Когда материализованное представление ссылается в запросе, данные возвращаются непосредственно из материализованного представления, как из таблицы; правило используется только для заполнения материализованного представления.
В то время как доступ к данным, хранящимся в материализованном представлении, часто намного быстрее, чем доступ к базовым таблицам напрямую или через представление, данные не всегда актуальны; однако иногда актуальные данные не требуются. Рассмотрим таблицу, которая записывает продажи:
CREATE TABLE invoice (
invoice_no integer PRIMARY KEY,
seller_no integer, -- ID of salesperson
invoice_date date, -- date of sale
invoice_amt numeric(13,2) -- amount of sale
);
Если люди хотят иметь возможность быстро отображать графики исторических данных о продажах, они могут захотеть суммировать и, возможно, не обращать внимания на неполные данные для текущей даты:
CREATE MATERIALIZED VIEW sales_summary AS
SELECT
seller_no,
invoice_date,
sum(invoice_amt)::numeric(13,2) as sales_amt
FROM invoice
WHERE invoice_date < CURRENT_DATE
GROUP BY
seller_no,
invoice_date;
CREATE UNIQUE INDEX sales_summary_seller
ON sales_summary (seller_no, invoice_date);
Этот материализованный вид может быть полезен для отображения графика на панели инструментов, созданной для продавцов. Задание может быть запланировано для обновления статистики каждую ночь с использованием следующего SQL-запроса:
REFRESH MATERIALIZED VIEW sales_summary;
Другое использование материализованного представления - обеспечение более быстрого доступа к данным, полученным из удаленной системы через внешний обертыватель данных. Приведен простой пример использования file_fdw с указанием времени выполнения, но поскольку здесь используется кеш на локальной системе, разница в производительности по сравнению с доступом к удаленной системе обычно будет больше, чем показано здесь. Обратите внимание, что мы также используем возможность создания индекса на материализованном представлении, в то время как file_fdw не поддерживает индексы; это преимущество может не применяться к другим типам доступа к внешним данным.
Настройка:
CREATE EXTENSION file_fdw; CREATE SERVER local_file FOREIGN DATA WRAPPER file_fdw; CREATE FOREIGN TABLE words (word text NOT NULL) SERVER local_file OPTIONS (filename '/usr/share/dict/words'); CREATE MATERIALIZED VIEW wrd AS SELECT * FROM words; CREATE UNIQUE INDEX wrd_word ON wrd (word); CREATE EXTENSION pg_trgm; CREATE INDEX wrd_trgm ON wrd USING gist (word gist_trgm_ops); VACUUM ANALYZE wrd;
Теперь давайте проверим орфографию слова. Используя file_fdw напрямую:
SELECT count(*) FROM words WHERE word = 'caterpiler';
count
-------
0
(1 row)
С помощью тега EXPLAIN ANALYZE мы видим:
Aggregate (cost=21763.99..21764.00 rows=1 width=0) (actual time=188.180..188.181 rows=1 loops=1)
-> Foreign Scan on words (cost=0.00..21761.41 rows=1032 width=0) (actual time=188.177..188.177 rows=0 loops=1)
Filter: (word = 'caterpiler'::text)
Rows Removed by Filter: 479829
Foreign File: /usr/share/dict/words
Foreign File Size: 4953699
Planning time: 0.118 ms
Execution time: 188.273 ms
Если вместо этого используется материализованное представление, запрос выполняется намного быстрее:
Aggregate (cost=4.44..4.45 rows=1 width=0) (actual time=0.042..0.042 rows=1 loops=1)
-> Index Only Scan using wrd_word on wrd (cost=0.42..4.44 rows=1 width=0) (actual time=0.039..0.039 rows=0 loops=1)
Index Cond: (word = 'caterpiler'::text)
Heap Fetches: 0
Planning time: 0.164 ms
Execution time: 0.117 ms
В любом случае, слово написано неправильно, поэтому давайте поищем, что мы могли бы хотеть. Снова используя file_fdw и pg_trgm:
SELECT word FROM words ORDER BY word <-> 'caterpiler' LIMIT 10;
word
---------------
cater
caterpillar
Caterpillar
caterpillars
caterpillar's
Caterpillar's
caterer
caterer's
caters
catered
(10 rows)
Limit (cost=11583.61..11583.64 rows=10 width=32) (actual time=1431.591..1431.594 rows=10 loops=1)
-> Sort (cost=11583.61..11804.76 rows=88459 width=32) (actual time=1431.589..1431.591 rows=10 loops=1)
Sort Key: ((word <-> 'caterpiler'::text))
Sort Method: top-N heapsort Memory: 25kB
-> Foreign Scan on words (cost=0.00..9672.05 rows=88459 width=32) (actual time=0.057..1286.455 rows=479829 loops=1)
Foreign File: /usr/share/dict/words
Foreign File Size: 4953699
Planning time: 0.128 ms
Execution time: 1431.679 ms
Использование материализованного представления:
Limit (cost=0.29..1.06 rows=10 width=10) (actual time=187.222..188.257 rows=10 loops=1)
-> Index Scan using wrd_trgm on wrd (cost=0.29..37020.87 rows=479829 width=10) (actual time=187.219..188.252 rows=10 loops=1)
Order By: (word <-> 'caterpiler'::text)
Planning time: 0.196 ms
Execution time: 198.640 ms
Если вы можете терпеть периодическое обновление удаленных данных в локальной базе данных, то преимущество в производительности может быть значительным.