逻辑视图和物化视图概览
本文档介绍了 BigQuery 中的逻辑视图和具体化视图，并对两者进行了比较。在现代数据仓储中，视图充当原始数据和商业智能之间重要的抽象层。在 BigQuery 中，架构师通常会在两种类型的视图之间进行选择：逻辑（标准）视图和具体化视图。虽然这些视图共享一个通用界面，但其底层机制、性能配置文件和费用影响各不相同。
逻辑视图
逻辑（标准）视图是由 SQL 查询定义的虚拟表。它不存储任何物理数据，而是存储从底层基表中检索数据所需的查询逻辑。
当您查询逻辑视图时，BigQuery 查询引擎会将该视图展开为基础查询。此过程意味着，每次调用视图时，BigQuery 都会重新执行该视图。
逻辑视图具有以下优势：
- 无存储开销。由于未存储任何额外数据，您只需为基表的存储空间付费。
- 实时准确性。由于查询在执行时运行，因此结果始终反映基表的最新状态。
- 逻辑抽象。简化复杂的联接或应用行级安全性，而无需复制数据。
- SQL 灵活性。支持全方位的 BigQuery SQL，包括复杂的窗口函数、用户定义的函数 (UDF) 和所有联接类型。
具体化视图
物化视图是预计算视图，可定期存储 SQL 查询的结果。与逻辑视图不同，它们会实际存储计算出的数据，这让 BigQuery 可以更快地提供结果，而无需重复处理原始基础数据。通过预处理查询，可以缩短大型数据集的查询延迟时间，并降低常用查询的计算费用。
BigQuery 具体化视图兼具预计算数据的速度和实时视图的准确性。它们通过以下方式实现这一目标：
- 自动刷新。当基表发生变化时，后台进程会更新具体化视图。
- 数据新鲜度。如果在等待后台刷新时执行查询，BigQuery 会自动补偿未处理的基表更改，以提供最新结果。
- 智能调整。如果查询优化器确定具体化视图可以更高效地提供答案，则可自动将查询从基表重新路由到具体化视图。
比较
下表汇总了 BigQuery 逻辑视图和物化视图之间的异同：
| 维度 | 逻辑视图 | 物化视图 |
|---|---|---|
| 数据持久性 | 无（虚拟） | 物理（存储在磁盘上） |
| 执行 | 每次调用视图时 | 预计算；后台刷新 |
| 数据过时程度 | 从不 | 可选 1 （通过刷新） |
| 效果 | 变量（取决于基本表） | 稳定且快速 |
| SQL 复杂程度 | 无限制 | 受限 |
| 优化目标 | 安全性和抽象化 | 速度和成本降低 |
| 维护和存储费用 | 无 | 有 |
1 在处理频繁更改的大型数据集时，--max_staleness 选项能够以可控的成本提升查询性能。
何时使用逻辑视图
- 语义分层。将复杂的列名称重命名为非技术用户也能理解的业务术语。
- 快速开发。当逻辑处于变动状态，并且您不想管理物理存储的开销时，请使用此模式。
- 整合的数据源。为 Looker Studio 或 BigQuery Sharing（以前称为 Analytics Hub）等可视化工具提供数据源。
何时使用具体化视图
- 预处理数据。通过准备聚合、过滤条件、联接和聚簇来提高查询性能。
- 信息中心加速。支持 Looker 等经常查询相同汇总指标（例如日活跃用户数）的 BI 工具。
- 对大型数据流进行实时分析。可针对接收高速流式数据的表提供更快的响应速度。
- 费用管理。降低对大型数据集进行重复性高成本查询的费用。
最佳做法
对于架构完善的 BigQuery 环境，逻辑视图是整合所需数据的实用工具。预留具体化视图，以用作性能优化工具，用于涉及大量聚合的特定高流量查询模式。
如需了解如何监控具体化视图的使用情况和性能，请参阅 MATERIALIZED_VIEWS 视图。