物化视图与流计算

RisingWave 的核心功能是流计算，而流计算在流数据库中的呈现方式就是物化视图。本章节讲解 RisingWave 物化视图的作用以及使用方法。

RisingWave 物化视图特性

物化视图并非流数据库独有。实际上，传统数据库如 PostgreSQL，数据仓库如 Redshift 与 Snowflake，实时分析数据库如 ClickHouse 与 Apache Doris 等，都拥有物化视图能力。但 RisingWave 的物化视图与其他数据库的物化视图有以下几个重要特征：

实时性：不少数据库使用异步方式更新物化视图，或者要求用户手动更新物化视图。而 RisingWave 上的物化视图使用同步方式更新，用户永远可以查询到最新鲜的结果。即便是对于带有 join、windowing 等复杂查询，RisingWave 也能够进行高效同步处理，保证物化视图新鲜度；
一致性：一些数据库仅提供最终一致性的物化视图，也就是说，用户看到的物化视图上的结果只是近似结果，或者是带有错误的结果。尤其是当用户创建多个物化视图时，由于每个物化视图刷新策略不同，用户很难在跨物化视图之间看到一致性结果。而 RisingWave 的物化视图是一致性的，哪怕访问多个物化视图，用户看到的结果永远是正确的，而不会看到不一致的结果；
高可用：RisingWave 持久化物化视图，并设置高频率检查点保证快速故障恢复。当搭载 RisingWave 的物理节点宕机时, RisingWave 可以实现秒级恢复，并且在秒级将计算结果更新至最新状态；
高并发：RisingWave 支持高并发随机查询。由于 RisingWave 将数据实时持久化在远端对象存储中，用户可以根据负载动态配置查询节点数量，更高效的支撑业务需求。
流处理语义：在流计算领域里，用户可以使用高阶语法，如时间窗口、水位线等，对数据流进行处理。而传统数据库并不带有这些语义，因此往往用户需要依赖外部系统处理这些语义。RisingWave 是流处理系统，自带各种复杂流处理语义，并可以让用户用 SQL 语句来进行操作。
资源隔离：物化视图是连续不断的流计算，会占用到大量计算资源。为避免物化视图计算干扰到其他计算，一些用户会将 OLTP 或者 OLAP 数据库中的物化视图功能转移到 RisingWave 中处理，从而实现资源隔离。

不使用物化视图进行流计算

在 RisingWave 中，尽管物化视图是流计算的重要呈现方式，但这并不意味着用户只能创建物化视图才能进行流计算。事实上，对于简单的 ETL 计算，也就是仅仅使用 RisingWave 做为流处理管道，将上游系统产生的数据经过加工后发送到下游系统，则可以直接不使用物化视图。用户可以简单的使用 create sink 语句直接进行流计算并将结果导出。

代码示例

相信大家应该都比较熟悉如何在 PostgreSQL 中创建物化视图。在这里，我们展示如何在 RisingWave 中创建堆叠物化视图，即在物化视图上叠加物化视图。

我们希望创建 table t1 与 t2 和 source s1 与 s2，然后在 t1 与 s1 上创建物化视图 mv1，在 t2 与 s2 上创建物化视图 mv2，再在 mv1 与 mv2 上创建物化视图 mv。

首先创建 t1 t2 s1 s2：

CREATE TABLE t1 (v1 int, v2 int) 
WITH (
     connector = 'datagen',

     fields.v1.kind = 'sequence',
     fields.v1.start = '1',
  
     fields.v2.kind = 'random',
     fields.v2.min = '-10',
     fields.v2.max = '10',
     fields.v2.seed = '1',
  
     datagen.rows.per.second = '10'
 ) ROW FORMAT JSON;

CREATE TABLE t2 (v3 int, v4 int) 
WITH (
     connector = 'datagen',

     fields.v3.kind = 'sequence',
     fields.v3.start = '1',
  
     fields.v4.kind = 'random',
     fields.v4.min = '-10',
     fields.v4.max = '10',
     fields.v4.seed = '1',
  
     datagen.rows.per.second = '10'
 ) ROW FORMAT JSON;

CREATE SOURCE s1 (w1 int, w2 int) 
WITH (
     connector = 'datagen',
  
     fields.w1.kind = 'sequence',
     fields.w1.start = '1',
  
     fields.w2.kind = 'random',
     fields.w2.min = '-10',
     fields.w2.max = '10',
     fields.w2.seed = '1',

     datagen.rows.per.second = '10'
 ) ROW FORMAT JSON;


CREATE SOURCE s2 (w3 int, w4 int) 
WITH (
     connector = 'datagen',
  
     fields.w3.kind = 'sequence',
     fields.w3.start = '1',
  
     fields.w4.kind = 'random',
     fields.w4.min = '-10',
     fields.w4.max = '10',
     fields.w4.seed = '1',

     datagen.rows.per.second = '10'
 ) ROW FORMAT JSON;

然后创建 mv1 与 mv2：

create materialized view mv1 as select v2, w2 from t1, s1 where v1 = w1;
create materialized view mv2 as select v4, w4 from t2, s2 where v3 = w3;

最后再创建 mv：

create materialized view mv as select w2, w4 from mv1, mv2 where v2 = v4;

我们来验证一下堆叠物化视图是否有被及时更新。我们反复进行以下查询：

select count(*) from mv;

我们应该会看到结果会不断变动。以下为示例结果：

 count
-------
  8092
(1 row)

物化视图与流计算

RisingWave 物化视图特性​

不使用物化视图进行流计算​

代码示例​

RisingWave 物化视图特性

不使用物化视图进行流计算

代码示例