什么是实体化视图？

实体化视图是访问相关数据的一种快速而有效的方法。该功能有助于在数据密集型应用程序中优化查询。接下来我们将介绍一些主要的优点。

速度

读取查询扫描不同的表和数据行以收集必要的信息。使用实体化视图，您可以直接从新视图查询数据，而不必每次都计算新信息。查询越复杂，使用实体化视图节省的时间就越多。

数据存储简便性

实体化视图允许您将复杂的查询逻辑合并到一个表中。这使得开发人员可以更轻松地进行数据转换和代码维护。这样还有助于使复杂查询更易于管理。您还可以使用数据子集来减少需要在视图中复制的数据量。

一致性

实体化视图提供在特定时刻捕获的数据的一致视图。您可以在实体化视图中配置读取一致性，即使在并发性控制至关重要的多用户环境中也可以访问数据。

即使源数据发生变化或遭删除，实体化视图也提供数据访问权限。这意味着，随着时间的推移，您可以使用实体化视图来报告基于时间的数据快照。与源表的隔离级别可确保您的数据具有更高的一致性。 

改进访问控制

您可以使用实体化视图来控制谁有权访问特定数据。您还能为用户筛选信息，而无需授予他们对源表的访问权限。如果您想要控制谁有权访问哪些数据，以及他们可以查看和交互的数据量，这种方法非常管用。

实体化视图的工作原理是预先计算特定查询的结果，并将其作为物理表存储在数据库中。数据库定期执行预计算，用户也可以通过特定事件触发预计算。管理员监控实体化视图的性能和资源利用率，以确保继续实现预期目的。

以下是实体化视图工作原理的概述。

创建实体化视图

您可以定义一个查询，用于从一个或多个源表中检索所需数据，以创建实体化视图。此查询可能包括筛选、聚合、联接和其他需要的操作。

数据库最初通过对源数据运行定义的查询来填充实体化视图。查询的结果以物理表的形式存储在数据库中，该表表示实体化视图。

更新实体化视图

需要定期更新实体化视图中的数据，以反映源表中基础数据的变化。数据刷新频率取决于用例和要求。

接下来，我们将介绍几种常用的数据刷新方法。

完全刷新

实体化视图已完全重新计算，并被最新的查询结果覆盖。这是最简单的方法，但可能占用大量资源，特别是对于大型实体化视图而言。

增量刷新

只有基础数据的更改才会应用于实体化视图。在处理大型数据集和频繁更新时，这比完全更新更高效。

按需刷新

某些系统允许按需刷新实体化视图，由特定事件或用户请求触发。这样可以更好地控制何时更新数据，但需要仔细管理以确保实体化视图保持最新。

不同系统的技术差异

每个数据库管理系统都有不同的方法来创建实体化视图。

数据库管理系统	实体化视图的工作原理
PostgreSQL	使用 PostgreSQL，您必须手动刷新实体化视图，重新计算整个视图。您可以在创建实体化视图时使用数据进行填充。
MySQL	MySQL 不支持实体化视图。
Oracle	Oracle 会自动刷新实体化视图，但您也可以选择按需刷新。您也可以编写一条 SQL 语句，在交付结果之前提示视图刷新。
SQL Server	SQL Server 使用名称“索引视图”，因为实体化是创建常规视图索引的一个步骤。您只能使用其索引视图执行基本 SQL 查询。它们会自动为用户更新。
MongoDB	MongoDB 使用聚合函数为 NoSQL 环境提供与实体化视图类似的功能。

由于实体化视图是需要考虑的另一个数据库组件，因此在维护方面会增加另一层复杂性。您必须在查询和效率优势与潜在的存储成本和数据一致性问题之间取得平衡。

您必须创建有效的规则来触发更新，以确保您的实体化视图仍然有用。频繁更新实体化视图可能会影响系统性能，尤其是在您已经处于高峰期的情况下。此外，实体化视图在复制数据时还会占用大量空间。如果您有一个不断更新的大型数据库，则实体化视图的存储需求可能非常大。 

如果要使用实体化视图，则需要设置清晰的刷新规则和计划。您还必须了解如何处理数据不一致、刷新失败和增加的存储压力。