持续聚集

本文档介绍了 YMatrix 的持续聚集特性。

1. 背景介绍

实际场景中，聚集查询十分常见，因为聚集查询一般基于较大数量级的基础数据集，并对其进行归纳分组聚合运算，所以通常被认为是一种耗时相对较高的查询种类，且多用于分析型的场景。另外，实际场景中对聚集查询的执行频率越来越频繁，同时对聚集查询的响应时间要求也越来越高。

持续聚集即是一种能快速响应聚集查询的机制。创建持续聚集后，在数据写入过程中，系统自动实时对原数据进行聚集计算，因为和原表数据事务级同步，建议用户尽可能直接查询持续聚集视图。

2. 使用方法

2.1 创建扩展

持续聚集依赖 matrixts 扩展，首先创建扩展：

=# CREATE EXTENSION matrixts;

2.2 创建数据表

数据表即原始数据表：

=# CREATE TABLE metrics(
   time timestamp,
   tag_id int,
   sensor float4
   )
   USING MARS3
   DISTRIBUTED BY (tag_id)
   ORDER BY (time,tag_id);

2.3 创建持续聚集视图

持续聚集使用物化视图来存储聚集后的结果，需要在创建视图时给出 WITH (CONTINUOUS) 关键字，和聚集语句：

=# CREATE VIEW cv1 WITH (CONTINUOUS) AS
    SELECT tag_id, COUNT(*), SUM(sensor)
    FROM metrics GROUP BY tag_id;

2.4 向源数据表插入数据

=# INSERT INTO metrics VALUES(NOW(), 1, 1.1);
=# INSERT INTO metrics VALUES(NOW(), 1, 1.2);
=# INSERT INTO metrics VALUES(NOW(), 2, 2.1);
=# INSERT INTO metrics VALUES(NOW(), 2, 2.2);

2.5 查询持续聚集视图

使用持续聚集时，只要向原始数据表插入时序数据，物化视图就会自动计算好结果：

=# SELECT * FROM cv1 ORDER BY tag_id;
 tag_id | count |    sum
--------+-------+-----------
      1 |     2 | 2.3000002
      2 |     2 |       4.3
(2 rows)

物化视图的结果与对原表进行聚合计算的结果相同：

=# SELECT tag_id, COUNT(*), SUM(sensor)
    FROM metrics
    GROUP BY tag_id
    ORDER BY tag_id;
 tag_id | count |    sum
--------+-------+-----------
      1 |     2 | 2.3000002
      2 |     2 |       4.3
(2 rows)

如果在创建持续聚集时源表已经有数据，默认不会将数据同步过来。如果需要同步的话，在创建视图时需要将参数 populate 手动设定为 true（默认为 false）：

=# CREATE VIEW cv1 WITH (CONTINUOUS, POPULATE=false) AS
    SELECT tag_id, COUNT(*), SUM(sensor)
    FROM metrics GROUP BY tag_id;

3. 维护方法

YMatrix 提供了对持续聚集进行维护的 UDF（User Defined Functions）：

matrixts_internal.analyze_continuous_view(rel REGCLASS)

ANALYZE 物化视图，可以更新统计信息，有利于优化器做计算： SELECT matrixts_internal.analyze_continuous_view('cv1');
matrixts_internal.vacuum_continuous_view(rel REGCLASS, full BOOL)

VACUUM 物化视图，可以清理 Dead Tuple，使空间重复利用；第二个参数为 true 的话会重建表文件、减少存储空间： SELECT matrixts_internal.vacuum_continuous_view('cv1', true);
matrixts_internal.rebuild_continuous_view(rel REGCLASS)

重建物化视图，适用于源数据表做了更新删除，重新全量同步数据的场景： SELECT matrixts_internal.rebuild_continuous_view('cv1');

4. FAQ

物化视图的数据与源表是实时同步的吗？
- 是的，源表插入数据提交后，即可从物化视图查询到
持续聚集可以保证 ACID（Atomicity、Consistency、Isolation、Durability）吗？
- 可以的，物化视图中的数据与原表数据使用相同的事务 ID
如何处理更新删除？
- 原表的更新删除以及 DROP 并不会体现在持续聚集视图中，但支持 upsert 更新和非空最新值 last_not_null 聚合
持续聚集对窗口函数有效吗？
- 暂不支持窗口函数
持续聚集是否支持 partition 表？
- 支持
持续聚集支持多表聚集吗？
- 不支持
一张表可以定义多个持续聚集吗？
- 可以
持续聚集默认会指定压缩参数吗？
- 不会