Oceanbase 4.3特性解析：用物化视图来优化复杂查询

如果你是一位数据分析师，需要在包含数百万行数据的数据库中频繁地检索特定信息，而每次这样的查询都伴随着复杂的计算，耗费大量时间和资源。你可以考虑采用物化视图这一功能，提高查询效率。

物化视图是什么？

物化视图是一种特殊的视图，它存储了视图定义中查询执行的结果，这个过程就是物化。通过保存某些耗时操作的结果，方便在查询时直接查询已经预计算好的数据，避免重复执行这些耗时耗资源的操作，通过空间换时间来加速查询。

物化视图和普通视图有什么区别？

  • 普通视图只是存储了视图的定义，用户每次查询视图的时候，都会重新执行视图定义中的查询语句。
  • 物化视图有一个容器表用于存储视图定义中查询语句执行的结果，用户查询视图时，只需要查询容器表即可。物化视图为了保存结果的时效性，会定期执行视图查询语句刷新容器表中的结果，这样用户在查询时，无需实时计算。这种预先计算的方式大大提升了查询性能。

物化视图介绍

OceanBase在V4.3.0版本支持的物化视图（Materialized View, MV）可以适用于如下场景：

  • 数据汇总：汇总每天、每周或每月的销售数据、统计用户行为数据等；
  • 统计信息报表数据生成：报表系统需要定期生成固定格式的数据报告；
  • 复杂查询优化：对于特别消耗资源的查询，可以将结果物化避免查询重复计算；
  • 分发数据：冗余多份数据放到不同的区域中，便于各个区域的人就近访问数据；
  • 监控数据的预聚合：监控数据会按照不同的时间间隔进行展示；

名词介绍：

  • 视图（View)：是一种虚拟表，与包含数据的实际表不同，视图只保存了一个查询的结果集的结构。
  • 物化视图(Materialized View，MV）：物化视图是一种数据库对象，它与传统的视图不同，物化视图将查询结果作为数据实际存储于数据库中。
  • 基表（Base Table）：物化视图所依赖的源表，物化视图的数据来自于这些表的查询结果。
  • 全量刷新（Complete Refresh）：全量刷新是指完全重新计算物化视图中的数据。
  • 增量刷新（Incremental Refresh）：也可以叫：快速刷新（Fast Refresh），只针对自上次刷新以来基表数据发生变动的部分刷新到物化视图中；
  • 物化视图日志（Materialized View Log，mlog)：用于记录基表数据变更的日志。

语法

OceanBase物化视图的语法主要兼容Oracle物化视图的语法，MySQL模式下的语法和Oracle模式下语法保持一致。

创建物化视图

CREATE MATERIALIZED VIEW view_name [column_list] [table_option_list] [partition_option] [refresh_clause] AS view_select_stmt;column_list:(column_name [, column_name ...])refresh_clause:REFRESH [COMPLETE | FAST | FORCE] [mv_refresh_on_clause]| NEVER REFRESHmv_refresh_on_clause:[ON DEMAND] [[START WITH expr] [NEXT expr]]

功能：

在创建物化视图的时候，可以根据视图中的查询语句来生成对应物化视图的schema，通过这个schema生成建表语句创建物化视图的表，然后把查询的结果插入到这个表中。创建物化视图的同时会执行一次全量刷新，这个全量刷新和创建物化视图是一个事务，如果刷新失败也算是创建物化视图失败。

  • 支持创建分区物化视图；
  • 物化视图的刷新策略支持；
    • COMPLETE：全量刷新
    • FAST：表示快速刷新，即增量刷新
    • FORCE：先尝试增量刷新，不行选择用全量刷新
    • NEVER REFRESH：物化视图只在创建的时候刷新，创建以后就不允许刷新了
  • 支持配置刷新的时机，配置自动刷新的时间间隔；
  • 只支持普通表作为物化视图的基表；
  • 基于物化视图可以创建索引表，创建方式与普通表相同；

注意事项：

  • 对物化视图的基表执行DDL操作，可能会导致物化视图无法用预期的模式刷新。对于全量刷新，物化视图和基表对应列类型匹配，就可以刷新；对于增量刷新，需要在基表上创建物化视图日志，这类基表的一些DDL操作会被拦截，一般不删除物化视图日志，就仍然可以增量刷新。
  • 物化视图收集统计信息。可以通过analyze table或者call dbms_stats.gather_table_stats('database_name', 'table_name') 来收集统计信息。

使用限制：

  1. 不支持 on prebuilt table 方式创建物化视图 ；
  2. 不支持指定 build immediate/deferred；
  3. 不支持可更新的物化视图；
  4. 不支持 ON COMMIT、ON STATEMENT 模式；
  5. 不支持修改物化视图属性，如刷新方法，物化视图重命名，刷新时机等；
  6. 不支持xmltype类型；
  7. 不支持表级恢复；
  8. 不支持基于普通视图、物化视图、同义词及外表创建物化视图；
  9. 暂不支持创建列存格式的物化视图；

删除物化视图

物化视图会占用物理空间，所以当不需要物化视图的时候，建议删除物化视图。

DROP MATERIALIZED VIEW [IF EXISTS] materialized_view_list [opt_drop_behavior];materialized_view_list:[ database. ]materialized_view [,[ database. ]materialized_view]...opt_drop_behavior:RESTRICT | CASCADE

注意：单独drop MV的时候，MV不进回收站。drop database的时候会随database进回收站。

创建物化视图日志

OceanBase增量刷新的物化视图是通过物化视图日志支持的，物化视图日志（materialized view log，mlog）是数据库中用于跟踪物化视图基表数据变化的一种结构，它记录了自上次刷新物化视图以来基表中发生的所有数据更改，包括插入、更新和删除操作，在创建增量刷新的物化视图前，需要先创建mlog，创建mlog时可以指定哪些列的数据变化被跟踪，指定mlog中数据的清除时间。

物化视图日志和基表是一一绑定的，基于这个基表创建的所有增量刷新的物化视图都利用同一个mlog来更新数据，所以mlog的创建一定要结合物化视图的创建来考虑，创建物化视图需要的列，在mlog中都应该包含。

CREATE MATERIALIZED VIEW LOG ON [database.] table [parallel_clause] [with_clause] [mv_log_purge_clause];parallel_clause:NOPARALLEL | PARALLEL integerwith_clause:WITH [ {PRIMARY KEY | ROWID | SEQUENCE} [ { , PRIMARY KEY | , ROWID | , SEQUENCE }]... ] (column_name [, column_name]...) [new_values_clause]new_values_clause:{INCLUDING | EXCLUDING} NEW VALUESmv_log_purge_clause:PURGE {IMMEDIATE [ SYNCHRONOUS ]| START WITH datetime_expr [NEXT datetime_expr]| [START WITH datetime_expr] NEXT datetime_expr}

说明：

  • mlog是OceanBase一张普通的表，一个表只能有一个物化视图日志，命名遵循Oracle的命名方式，其schema名称为“mlog$_table”，其中“table”为基表的名称。
  • parallel_clause：指定创建mlog的并行度。
  • with_clause：定义物化视图日志需要跟踪变化的字段。
  • including new values: 记录每个操作的以后得新值。
  • mv_log_purge_clause：物化视图日志的清理时机，默认是IMMEDIATE，所以增量刷新完成后，物化视图日志中的数据就会被清除。

示例：

--mysql模式
create materialized view log on t1 purge start with sysdate() next sysdate() + interval 1 day;--oracle模式（oracle模式中建议使用current_date表示当前时区时间，因为sysdate不受时区影响）
create materialized view log on t1 purge start with current_date next current_date + 1;

注意事项：

  • 多个MV共享一个mlog的时候，需要最后一个MV更新完成以后，才能删除对应的数据。
  • 如果某个MV长时间不更新。那么会导致mlog占用的空间非常大，导致空间爆炸。

使用限制：

  1. 不支持可更新物化视图日志；
  2. 不支持除普通表以外的对象上创建物化视图日志；
  3. mlog暂不支持lob列/生成列；
  4. mlog不支持JSON、XML、GIS 和 UDT类型；
  5. mlog不支持表级恢复；
  6. 不支持修改物化视图属性；
  7. 不支持基于物化视图日志创建索引；
  8. 基表和 mlog 具有绑定关系，删除基表前需要先删除 mlog ；
  9. mlog 的名字长度有 64 字节的限制；
  10. 暂时不支持指定 partition；

删除物化视图日志

DROP MATERIALIZED VIEW LOG ON [database.] table;

注意：

  • 删除物化视图日志时，如果基表正处于某个运行的事务中，则直到该事务结束前，删除操作都会阻塞。
  • mlog单独drop的时候不进回收站。

物化视图原理

物化视图在OceanBase的内部schema中实际上是两个表：一个是物化视图本身的schema，和普通的view类似；另外一个是隐藏的普通表，这个普通表用于存储实际的物化视图数据，我们称之为物化视图的容器表。

由于物化视图的数据是基于其定义的查询结果预先计算的，当基表数据发生变化时，物化视图的内容可能变得过时。为了保持数据一致性，通常需要通过手动或自动的方式刷新物化视图，更新其内容以反映基表的最新状态。可操作的刷新方法：全量刷新和增量刷新。

全量刷新

刷新条件

只要当前基表的列与物化视图对应的列类型还是匹配的，就符合全量刷新条件；否则无法全量刷新。

刷新方式

OceanBase使用异地刷新的方式进行全量刷新，即创建一个隐藏表，在隐藏表上执行刷新语句，然后切换原表和隐藏表。因此，全量刷新操作需要额外的空间，并且会全量重建索引（如果有的话）。全量刷新可能是一个非常耗时的过程，尤其是在需要读取和处理大量数据的情况下。因此，在执行全量刷新之前，需要考虑处理全量刷新所需的时间。

1715305780

增量刷新

增量更新会根据更新周期内更新的数据计算出物化视图增量部分来更新到物化视图中，增量更新的代价比全量更新的代价小很多。增量更新的原始数据会存储在物化视图日志里面，所以如果要创建增量刷新的物化视图，需要先基于基表创建物化视图日志。物化视图日志也使用普通的内部表存储，会存储所有更新行的旧值和新值。

1715305790

上图是增量更新的整体框架图。对于写入来说，所有的DML修改语句会通过DAS同时更新基表和物化视图日志，后台任务（maintenance task)会定期的把增量更新刷到MV中。mlog中红色部分是已经刷过的数据，delete模块会把已经刷过的数据删除掉。对于查询，QUERY模块会同时查询MV和mlog中未更新部分的数据，合并起来返回给用户。保证查询到的数据是最新的。

使用一个例子来描述增量更新

1715305798

如上图所示，原表t1和mv m1的定义如下：

create table t1 (c1 int primary key, c2 int);
create materialized view m1 as select count(c1) from t1;

更新序列为

insert into t1 values(3,4);
insert into t1 values(5,6);
insert into t1 values(8,3);
update t1 set c1 = 7 where c1 = 8;

对应的mlog为mlog$_t1。old？为N表是新值，Y表示是旧值

m1的更新值可以通过 (select count(c1) from m1 where old = 'N') - (select count(c1) from m1 where old = 'Y')获得。

刷新方式

OceanBase使用就地刷新的方法进行增量刷新，即直接在物化视图上执行刷新语句。如果增量数据过多，可能导致增量刷新比全量刷新还慢。

基本条件

物化视图的使用通常会结合一些聚合函数，全量刷新对于查询条件没有约束，但是增量刷新需要依赖mlog的维护，在OceanBase的V4.3.0版本的物化视图中，增量刷新的物化视图的查询语句存在要求，当前仅支持有限的带group by聚合，并且使用方式需要严格遵循如下要求：

  1. select item 中包含所有 group by 列；
  2. 聚合函数不包含 distinct，且参数为基本列；
  3. select item 包含 count(*)，其它支持聚合函数及其它要求，min/max 暂时不支持；
聚合函数select item 中必须包含依赖列
COUNT ( * )
COUNT( expr )
SUM ( expr )COUNT( expr ) 或 expr 非 null
AVG ( expr )SUM ( expr ), COUNT( expr )
STDDEV ( expr )SUM ( expr ), COUNT( expr ), SUM ( expr * expr )
VARIANCE ( expr )SUM ( expr ), COUNT( expr ), SUM ( expr * expr )
其它可拆分为 SUM 及 COUNT 的聚合函数...(计算方式变化，可能引起精度变化)SUM ( C1 ), COUNT( C1 )

示例：

create table t1(c1 int primary key, c2 int, c3 int, c4 int);
create materialized view log on t1 with sequence (c2, c3) including new values;
create materialized view t1_mv1 refresh fast on demand as select c2 as c2, count(*) cnt, count(c3) cnt_c3, sum(c3) sum_c3 from t1 group by c2;
create materialized view t1_mv2 refresh fast on demand as select count(*) cnt, count(c3) cnt_c3, sum(c3) sum_c3 from t1;
create materialized view t1_mv3 refresh fast on demand as select count(c3) cnt_c3, sum(c3) sum_c3 from t1;
create materialized view t1_mv4 refresh fast on demand as select c2 as c2, c3 as c3, count(*) cnt, count(c3) cnt_c3, sum(c3) sum_c3 from t1 group by c2, c3;
create materialized view t1_mv5 refresh fast on demand as select c2 as c2, count(*) cnt, count(c3) cnt_c3, sum(c3) sum_c3, avg(c3) avg_c3, avg(c3) * sum(c3)/c2 calc1, c2+sum(c3) calc2 from t1 group by c2;
create materialized view t1_mv6 refresh fast on demand as select c2 as c2, count(*) cnt, count(c3) cnt_c3, sum(c3) sum_c3, count(c3*c3) cnt_c3_2, sum(c3*c3) sum_c3_2, STDDEV(c3) stddev_c3 from t1 group by c2;

功能对比

刷新方式单表聚合多表join任意查询执行时长
全量刷新全部长
增量刷新❌部分短

功能限制

  1. 不支持实时物化视图；
  2. 不支持查询重写；
  3. 增量刷新的物化视图存在比较多限制：
    1. 不支持聚合函数为 MAX/MIN；
    2. 不支持内联视图/union/子查询等场景；
    3. 不支持包含 rownum/rand 等不能稳定输出值的表达式；
    4. group by 场景(MAV)，仅支持 SUM/COUNT 及使用这两种构造的聚合函数，聚合函数中仅支持简单column，必须输出 COUNT(*) 与 group by 列；
    5. rollup 不支持，having 不支持；
    6. 包含 distinct 时，由于可增量更新的 MJV 和 MAV 中 select 输出列是唯一的，不需要考虑 distinct，可以直接禁止或移除 distinct；
    7. order by 不支持；
    8. window function 不支持；
    9. 不带group by的语句，必须是scalar aggregate；
    10. 不支持设置并行度；

使用方式

全量刷新的物化视图

创建物化视图

创建一个交易表orders作为物化视图的基表，交易表中记录了用户的商品交易信息；向交易表中写入3条交易数据，然后创建一个记录某个区域交易额的物化视图MV1，MV1是基于region分组，通过sum函数来聚合销售额，物化视图创建时会先做一次全量刷新，所以成功创建物化视图后，物化视图中会基于已有数据做汇总；

obclient> create table orders (order_id int primary key, user_id int, item_id int, item_count int, item_price int, region varchar(100));
Query OK, 0 rows affected (0.81 sec)obclient>insert into orders values(1, 10001, 1, 20, 100, 'HZ'), (2, 10002, 1, 10, 150, 'BJ'), (3, 10001, 2, 50, 50, 'SH');
Query OK, 3 rows affected (0.09 sec)
Records: 3  Duplicates: 0  Warnings: 0obclient>create materialized view mv1 as select region, sum(item_count * item_price) from orders group by region;
Query OK, 0 rows affected (4.24 sec)obclient>select * from mv1;
+--------+------------------------------+
| region | sum(item_count * item_price) |
+--------+------------------------------+
| HZ     |                         2000 |
| BJ     |                         1500 |
| SH     |                         2500 |
+--------+------------------------------+
3 rows in set (0.11 sec)

手动刷新物化视图

命令

DBMS_MVIEW.REFRESH (‘mv_name’, ‘method’, refresh_parallel);

使用物化视图设置的刷新选项刷新物化视图

DBMS_MVIEW.REFRESH(‘mv1’);

指定刷新选项为‘c’做全量刷新

DBMS_MVIEW.REFRESH(‘mv2’, ‘c’);

通过指定refresh_parallel设置本次刷新的并行度，默认值为1，目前只影响全量刷新，增量刷新不受此参数影响。

DBMS_MVIEW.REFRESH(‘mv3’, refresh_parallel => 8);

持续向交易表中插入新的数据，在手动触发刷新前，物化视图中的数据不会有任何变化；MV1在创建时没有设置任何属性，在这种情况下，创建的物化视图只能通过手动触发全量刷新来更新物化视图中的数据，为了加速物化视图的刷新，可以设置刷新并发度，如：并发度设置为2；刷新成功后，可以看到，物化视图中汇总了新的交易数据；可以通过系统视图（DBA_MVREF_RUN_STATS）查看物化视图刷新任务的具体信息。


obclient>insert into orders values(4, 10002, 2, 10, 100, 'SH'), (5, 10003, 1, 2, 20, 'HZ');
Query OK, 2 rows affected (0.04 sec)
Records: 2  Duplicates: 0  Warnings: 0obclient>select * from mv1;
+--------+------------------------------+
| region | sum(item_count * item_price) |
+--------+------------------------------+
| HZ     |                         2000 |
| BJ     |                         1500 |
| SH     |                         2500 |
+--------+------------------------------+
3 rows in set (0.04 sec)obclient>call dbms_mview.refresh('mv1', 'c', refresh_parallel => 2);
Query OK, 0 rows affected (2.82 sec)obclient>select * from mv1;
+--------+------------------------------+
| region | sum(item_count * item_price) |
+--------+------------------------------+
| HZ     |                         2040 |
| SH     |                         3500 |
| BJ     |                         1500 |
+--------+------------------------------+
3 rows in set (0.11 sec)obclient> select MVIEWS,METHOD,START_TIME,END_TIME from OceanBase.DBA_MVREF_RUN_STATS;
+--------+--------+---------------------+---------------------+
| MVIEWS | METHOD | START_TIME          | END_TIME            |
+--------+--------+---------------------+---------------------+
| mv1    | c      | 2024-04-01 15:08:18 | 2024-04-01 15:08:22 |
+--------+--------+---------------------+---------------------+
1 row in set (0.10 sec)

删除物化视图

当不需要物化视图后，可以通过drop语句删除物化视图。

obclient>drop materialized view mv1;
Query OK, 0 rows affected (0.68 sec)

增量刷新的物化视图

创建物化视图日志

在创建增量物化视图前，需要先创建物化视图日志，物化视图日志创建时需要将创建物化视图相关的列都包含，物化视图日志创建成功后，可以通过desc查看物化视图日志的表结构。

obclient>create materialized view log on orders with primary key (item_count, item_price, region) including new values;
Query OK, 0 rows affected (1.23 sec)obclient>desc mlog$_orders;
+------------+--------------+------+-----+---------+-------+
| Field      | Type         | Null | Key | Default | Extra |
+------------+--------------+------+-----+---------+-------+
| SEQUENCE$$ | bigint       | NO   | PRI | NULL    |       |
| order_id   | int(11)      | NO   |     | NULL    |       |
| item_count | int(11)      | YES  |     | NULL    |       |
| item_price | int(11)      | YES  |     | NULL    |       |
| region     | varchar(100) | YES  |     | NULL    |       |
| DMLTYPE$$  | varchar(1)   | YES  |     | NULL    |       |
| OLD_NEW$$  | varchar(1)   | YES  |     | NULL    |       |
+------------+--------------+------+-----+---------+-------+
7 rows in set (0.05 sec)

创建增量刷新物化视图

成功创建物化视图日志后就可以创建增量刷新的物化视图，创建时为物化视图的字段命名，且定义物化视图为增量刷新，自动刷新物化视图的间隔为5分钟；物化视图创建成功后可以通过`show create view`查看视图的定义。

obclient>create materialized view mv1(region, c, sum_price, count) refresh fast on demand start with sysdate() next sysdate() + interval 5 minute as select region, count(*), sum(item_count * item_price), count(item_count * item_price) from orders group by region;
Query OK, 0 rows affected (3.41 sec)obclient>show create view mv1;
+------+--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+----------------------+----------------------+
| View | Create View                                                                                                                                                                                                                                                                                                                                                                                                                                                                                      | character_set_client | collation_connection |
+------+--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+----------------------+----------------------+
| mv1  | CREATE MATERIALIZED VIEW `mv1` DEFAULT CHARSET = utf8mb4 ROW_FORMAT = DYNAMIC COMPRESSION = 'zstd_1.3.8' REPLICA_NUM = 3 BLOCK_SIZE = 16384 USE_BLOOM_FILTER = FALSE TABLET_SIZE = 134217728 PCTFREE = 0 AS select `test`.`orders`.`region` AS `region`,count(*) AS `c`,sum((`test`.`orders`.`item_count` * `test`.`orders`.`item_price`)) AS `sum_price`,count((`test`.`orders`.`item_count` * `test`.`orders`.`item_price`)) AS `count` from `test`.`orders` group by `test`.`orders`.`region` | utf8mb4              | utf8mb4_general_ci   |
+------+--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+----------------------+----------------------+
1 row in set (0.12 sec)

手动增量刷新物化视图

向表中插入新的交易数据，从mlog中可以知道，order_id=6的交易数据是新插入的，在系统自动调度增量刷新前先手动触发一次增量刷新，刷新成功后可以看到mlog中的数据被清空了，物化视图中也汇总了新的数据。

obclient>insert into orders values(6, 10001, 3, 30, 70, 'HZ');
Query OK, 1 row affected (0.05 sec)obclient>select * from mlog$_orders;
+------------+----------+------------+------------+--------+-----------+-----------+
| SEQUENCE$$ | order_id | item_count | item_price | region | DMLTYPE$$ | OLD_NEW$$ |
+------------+----------+------------+------------+--------+-----------+-----------+
|          1 |        6 |         30 |         70 | HZ     | I         | N         |
+------------+----------+------------+------------+--------+-----------+-----------+
1 row in set (0.04 sec)obclient>call dbms_mview.refresh('mv1', 'f');
Query OK, 0 rows affected (0.55 sec)obclient>select * from mlog$_orders;
Empty set (0.04 sec)obclient>select region, sum_price from mv1;
+--------+-----------+
| region | sum_price |
+--------+-----------+
| HZ     |      4140 |
| BJ     |      1500 |
| SH     |      3500 |
+--------+-----------+
3 rows in set (0.03 sec)

自动增量刷新物化视图

创建物化视图的时候，定义了“start with sysdate() next sysdate() + interval 5 minute”，系统会自动每5分钟做一次物化视图的增量刷新。

再写一条交易数据，通过scheduler jobs视图查看MV1后台刷新的任务情况；后台刷新任务执行后MV1中的数据发生了变化。

obclient>insert into orders values(8, 10001, 3, 30, 70, 'SH');
Query OK, 1 row affected (0.05 sec)obclient>select JOB_NAME,JOB_ACTION,START_DATE,REPEAT_INTERVAL,LAST_START_DATE,NEXT_RUN_DATE from OceanBase.DBA_SCHEDULER_JOBS where JOB_ACTION like "%mv1%";
+----------------------------------+-------------------------------------------------------+----------------------------+-------------------------------+----------------------------+----------------------------+
| JOB_NAME                         | JOB_ACTION                                            | START_DATE                 | REPEAT_INTERVAL               | LAST_START_DATE            | NEXT_RUN_DATE              |
+----------------------------------+-------------------------------------------------------+----------------------------+-------------------------------+----------------------------+----------------------------+
| MVIEW_REFRESH$J_1125899906849015 | DBMS_MVIEW.refresh('test.mv1', refresh_parallel => 1) | 2024-04-01 15:22:38.000000 | sysdate() + interval 5 minute | 2024-04-01 15:22:45.577379 | 2024-04-01 15:27:45.000000 |
+----------------------------------+-------------------------------------------------------+----------------------------+-------------------------------+----------------------------+----------------------------+
1 row in set (0.03 sec)obclient>select * from mlog$_orders;
Empty set (0.04 sec)obclient>select region, sum_price from mv1;
+--------+-----------+
| region | sum_price |
+--------+-----------+
| HZ     |      4140 |
| BJ     |      1500 |
| SH     |      5600 |
+--------+-----------+
3 rows in set (0.04 sec)

删除数据

删除物化视图，删除物化视图日志，以及基表，由于mlog和基表有绑定关系，所以要求先删除mlog，才能删除基表。

obclient>drop materialized view mv1;
Query OK, 0 rows affected (0.60 sec)obclient>drop table orders;
ERROR 1235 (0A000): drop table with materialized view log is not supported
obclient>drop materialized view log on orders;
Query OK, 0 rows affected (1.53 sec)obclient>drop table orders;
Query OK, 0 rows affected (0.41 sec)

兼容视图

MySQL模式支持Oracle兼容的系统视图

DBA视图ALL视图USER视图功能
DBA_MVIEW_LOGSALL_MVIEW_LOGSUSER_MVIEW_LOGS描述物化视图日志信息
DBA_MVIEWSALL_MVIEWSUSER_MVIEWS描述物化视图信息
DBA_MVREF_STATS_SYS_DEFAULTSUSER_MVREF_STATS_SYS_DEFAULTS描述物化视图刷新历史统计属性的系统范围默认值
DBA_MVREF_STATS_PARAMSUSER_MVREF_STATS_PARAMS描述显示与每个物化视图关联的刷新统计信息属性
DBA_MVREF_RUN_STATSUSER_MVREF_RUN_STATS描述物化视图的每次刷新运行的信息，每次运行均由 REFRESH_ID 标识
DBA_MVREF_STATSUSER_MVREF_STATS描述物化视图刷新的基本计时统计信息
DBA_MVREF_CHANGE_STATSUSER_MVREF_CHANGE_STATS描述所有物化视图的刷新运行关联的基表上的更改数据加载信息。
DBA_MVREF_STMT_STATSUSER_MVREF_STMT_STATS描述刷新语句关联的信息。

Oracle模式支持Oracle兼容的系统视图

DBA视图CDB视图功能
DBA_MVIEW_LOGSCDB_MVIEW_LOGS描述物化视图日志信息
DBA_MVIEWSCDB_MVIEWS描述物化视图信息
DBA_MVREF_STATS_SYS_DEFAULTSCDB_MVREF_STATS_SYS_DEFAULTS描述物化视图刷新历史统计属性的系统范围默认值
DBA_MVREF_STATS_PARAMSCDB_MVREF_STATS_PARAMS描述显示与每个物化视图关联的刷新统计信息属性
DBA_MVREF_RUN_STATSCDB_MVREF_RUN_STATS描述物化视图的每次刷新运行的信息，每次运行均由 REFRESH_ID 标识
DBA_MVREF_STATSCDB_MVREF_STATS描述物化视图刷新的基本计时统计信息
DBA_MVREF_CHANGE_STATSCDB_MVREF_CHANGE_STATS描述所有物化视图的刷新运行关联的基表上的更改数据加载信息。
DBA_MVREF_STMT_STATSCDB_MVREF_STMT_STATS描述刷新语句关联的信息。

后续计划

OceanBase 接下来将在4.3.1版本中增强物化视图的能力，包括：

  1. 支持查询改写。
  2. 增量刷新支持多表join。
  3. 异步刷新实时物化视图。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/bicheng/12700.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

加快推进新质生产力，利驰牵手央视栏目助推电气行业数字化

加快推进新质生产力，利驰牵手央视栏目助推电气行业数字化

利驰成功入围《信用中国》 4月22日，《信用中国》栏目选题会在北京顺利举行。利驰软件(苏州)有限公司创始人令永卓受邀参加此次选题会，并成功入围了《信用中国》栏目，利驰软件借助栏目组进入品牌建设与创新的战略新征程。 《信用中国》是一档…
阅读更多...
Java-数据库连接（JDBC小白教学）

Java-数据库连接（JDBC小白教学）

！文章最后附有完整代码！ 目录 🔖JDBC概述 🔖JDBC连接数据库 🔖添加数据（insert） 🔖修改数据（Update） 🔖删除数据（delete&#x…
阅读更多...
【千帆AppBuidler】零代码构建AI人工智能应用，全网都在喊话歌手谁能应战，一键AI制作歌手信息查询应用

【千帆AppBuidler】零代码构建AI人工智能应用，全网都在喊话歌手谁能应战，一键AI制作歌手信息查询应用

欢迎来到《小5讲堂》 这是《千帆平台》系列文章，每篇文章将以博主理解的角度展开讲解。 温馨提示：博主能力有限，理解水平有限，若有不对之处望指正！ 目录 背景创建应用平台地址随机生成快速创建应用头像应用名称应用描述…
阅读更多...
VMware Workstation 17.5.2 Pro 发布，产品订阅模式首个重大变更

VMware Workstation 17.5.2 Pro 发布，产品订阅模式首个重大变更

VMware Workstation 17.5.2 Pro 发布，产品订阅模式首个重大变更 基于 x86 的 Windows、Linux 桌面虚拟化软件 请访问原文链接：https://sysin.org/blog/vmware-workstation-17/，查看最新版。原创作品，转载请保留出处。 作者主页…
阅读更多...
Python 全栈体系【四阶】（四十三）

Python 全栈体系【四阶】（四十三）

第五章 深度学习 九、图像分割 3. 常用模型 3.4 DeepLab 系列 3.4.1 DeepLab v1(2015) 3.4.1.1 概述 图像分割和图像分类不一样，要对图像每个像素进行精确分类。在使用CNN对图像进行卷积、池化过程中，会导致特征图尺寸大幅度下降、分辨率降低&…
阅读更多...
【java】异常与错误

【java】异常与错误

Throwable包括Error和Expected。 Error Error错误是程序无法处理的，由JVM产生并抛出的。 举例：StackOverflowError \ ThreadDeath Expected Expected异常包括两类，即受检异常(非运行时异常)和非受检异常(运行时异常)，异常往往…
阅读更多...
阿里云服务器下，部署LNMP环境安装wordpress

阿里云服务器下，部署LNMP环境安装wordpress

目录 1 LNMP部署1、简单说明2、nginx部署3、php8 安装4、mysql8安装5、配置 nginx 实现支持 PHP 程序6、安装 php 组件7、测试 2 wordpress部署1、安装2、配置 总结 1 LNMP部署 1、简单说明 首先需要明白，LNMP指的是Linux、Nginx、MySQL、PHP。而如果使用阿里云服…
阅读更多...
数字化应用标杆 | 又两家成套厂效率翻倍，利用率高达93%以上！

数字化应用标杆 | 又两家成套厂效率翻倍，利用率高达93%以上！

利驰 联能 & 利驰 俊郎 近日，利驰数字科技（苏州）有限公司（简称利驰软件）成功与俊郎电气有限公司（简称俊郎电气）、浙江联能电气有限公司（简称联能电气）成功确立了数字…
阅读更多...
【全开源】国际版JAVA同城服务美容美发到店服务上门服务系统源码支持Android+IOS+H5

【全开源】国际版JAVA同城服务美容美发到店服务上门服务系统源码支持Android+IOS+H5

国际版同城服务美容美发到店与上门服务系统：一站式打造美丽新体验 随着人们生活水平的提高和审美观念的升级，美容美发服务已成为人们日常生活中不可或缺的一部分。为了满足全球消费者的多样化需求，我们推出了“国际版同城服务美容美发到店与…
阅读更多...
时间管理的误区：为什么你越高效就越没有时间？

时间管理的误区：为什么你越高效就越没有时间？

在平衡生活和工作的过程中，时间管理无疑很重要。然而，许多人发现在提高效率后，却发现自己越来越感到时间紧迫，仿佛陷入了一个无解的循环。这背后的原因，往往是由于一系列时间管理的误区所致。 一个常见的误区是&…
阅读更多...
鸿蒙 DevEcoStudio:关系型数据库增删改查练习

鸿蒙 DevEcoStudio:关系型数据库增删改查练习

修改entry/src/main/ets/entryability目录下的EntryAbility.ts文件： 在 export default class EntryAbility extends UIAbility {onCreate(want, launchParam) {hilog.info(0x0000, testTag, %{public}s, Ability onCreate); 之后添加： const config…
阅读更多...
学习Nginx（五）：虚拟主机配置

学习Nginx（五）：虚拟主机配置

核心功能 在演示虚拟主机配置之前，来看一下Nginx配置的核心功能说明。 了解配置更多功能，请查看官方说明： http://nginx.org/en/docs/ngx_core_module.html [rootRockyLinux9 conf]# cat nginx.conf # 核心功能，全局配置 # 设置启…
阅读更多...
Linux 生态与工具

Linux 生态与工具

各位大佬好 ，这里是阿川的博客 ， 祝您变得更强 个人主页：在线OJ的阿川 大佬的支持和鼓励，将是我成长路上最大的动力 阿川水平有限，如有错误，欢迎大佬指正 目录 Linux生态简介:Linux工具lrzsz&#xff…
阅读更多...
智能仪表在铁塔行业的应用

智能仪表在铁塔行业的应用

应用场景 可应用于基站的交直流配电箱及对基站内的动力设备进行数据采集和控制。 功能 1.对多个回路进行全电参量测量，实现基站内各回路用电能耗的集中管理； 2.丰富的DI/DO输入输出，NTC测温，温湿度测量等非电参量监测&#xff…
阅读更多...
分体工业读写器的适用场景有哪些？

分体工业读写器的适用场景有哪些？

工业读写器根据设计方式不同，可分为一体式读写器和分体式读写器，不同读写器特点不同，适用场景也不同，下面我们就一起来了解一下超高频分体读写器适用场景有哪些。 超高频分体读写器介绍 超高频分体读写器是一种射频识别(RFID)设…
阅读更多...
Sass语法介绍-导入

Sass语法介绍-导入

11【Sass语法介绍-导入】 1.前言 在 CSS 中我们可以通过 import 来导入一个样式文件，Sass 扩展了 CSS 的 import 规则，使得可以导入 CSS 后缀的样式文件和 Scss 后缀的样式文件，并且提供了对 mixin 、函数和变量的访问。 与 CSS 的 import…
阅读更多...
初识C语言——第二十天

初识C语言——第二十天

do while ()循环 do 循环语句; while(表达式); 句式结构： 执行过程： do while循环的特点： 代码练习： 二分法算法： int main() {int arr[] { 0,1,2,3,4,5,6,7,8,9};int k 7;//查找数字7，在arr这个数组…
阅读更多...
80%的产品经理被辞退不是因为能力，而是因为…

80%的产品经理被辞退不是因为能力，而是因为…

新手刚入门做产品经理，对产品经理的工作其实也是没有把握，这是对这份工作不够了解，不知道整个工作的流程，所以会感觉“没把握”，结果就是导致焦虑。 如果你硬着头皮做一遍，知道大概是怎么回事，…
阅读更多...
Advanced RAG 07：在RAG系统中进行表格数据处理的新思路

Advanced RAG 07：在RAG系统中进行表格数据处理的新思路

编者按： 目前，检索增强生成（RAG）系统成为了将海量知识赋能于大模型的关键技术之一。然而,如何高效地处理半结构化和非结构化数据，尤其是文档中的表格数据，仍然是 RAG 系统面临的一大难题。 本文作者针对这一…
阅读更多...
中国仓储物流装备产业链上最全产品资料大全（目前238家公司产品资料……）...

中国仓储物流装备产业链上最全产品资料大全（目前238家公司产品资料……）...

导语 大家好，我是社长，老K。专注分享智能制造和智能仓储物流等内容。 新书《智能物流系统构成与技术实践》人俱乐部 知识星球【智能仓储物流技术研习社】内已经收录了如下中国230多家仓储物流装备和技术相关产业链的公司的产品手册，请星球会员…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023