物化視圖當前支持如下聚合函數。

• SUM

• COUNT

• AVG

• MIN

• MAX

• RB_BUILD_CARDINALITY_AGG（只支持BIGINT，需創建Extension roaringbitmap）

精確UV計算是計算復雜度非常高的算子，通常是系統的性能瓶頸部分。Hologres支持RB_BUILD_CARDINALITY_AGG聚合函數，通過利用RoaringBitmap數據結構，可以對BIGINT類數據（通常是表示業務ID字段）進行物化視圖預聚合，實現UV統計實時去重，可按照如下方式創建物化視圖，當前僅支持BIGINT類字段的聚合去重。

--UV計算依賴RoaringBitmap數據類型，需要提前創建RoaringBitmap extension
CREATE EXTENSION if not exists roaringbitmap;

BEGIN;
CREATE TABLE base_sales_r(
  day text not null,
  hour int ,
  ts timestamptz,
  amount float,
  userid bigint,
  pk text not null primary key
);
CALL SET_TABLE_PROPERTY('base_sales_r', 'mutate_type', 'appendonly');

CREATE MATERIALIZED VIEW mv_sales_r AS
  SELECT
    day,
    hour,
    avg(amount) AS amount_avg,
    rb_build_cardinality_agg(userid) as user_count
  FROM base_sales_r
  GROUP BY day, hour;

COMMIT;

insert into base_sales_r values(to_char(now(),'YYYYMMDD'),'12',now(),100,1,'pk1');
insert into base_sales_r values(to_char(now(),'YYYYMMDD'),'12',now(),200,2,'pk2');
insert into base_sales_r values(to_char(now(),'YYYYMMDD'),'12',now(),300,3,'pk3');
select user_count as UV from mv_sales_r where day = to_char(now(),'YYYYMMDD') AND hour = 12;

通過rb_build_cardinality_agg計算去重數，mv_sales_r中user_count代表userid去重數，查詢user_count可獲得去重數。

假設定義了上述的mv_sales物化視圖，且明細表base_sales中當前含有以下明細數據。

直接查詢sales_mv將會有如下結果。

postgres=> select * from mv_sales;
    day    |   hour  |   amount_avg
-----------+---------+--------------
  20210101 |    12   |     3
  20210101 |    13   |     6

這時如果想更改查詢物化視圖的聚合維度，例如使用維度day進行avg聚合計算，則會得到的會是一個錯誤的結果，因為avg的avg不等于total的avg。

postgres=> select day, avg(amount_avg) from mv_sales group by day;
    day    |   avg
-----------+--------
  20210101 |   4.5

這時候一種辦法是再建一張以day為維度進行聚合的物化視圖，但這樣會導致物化視圖的數量膨脹，Hologres提供了一種基于聚合中間狀態的實現，使得用戶僅用一張物化視圖，實現不同維度聚合查詢。這里以Avg為例，修改聚合視圖的定義如下。

BEGIN;
CREATE TABLE base_sales(
  day text not null,
  hour int ,
  ts timestamptz,
  amount float,
  pk text not null primary key
);
CALL SET_TABLE_PROPERTY('base_sales', 'mutate_type', 'appendonly');

CREATE MATERIALIZED VIEW mv_sales_partial AS
  SELECT
    day,
    hour,
    avg(amount) as avg,
    avg_partial(amount) AS amt_avg_partial
  FROM base_sales
  GROUP BY day, hour;

COMMIT;

原先的avg聚合函數重新定義為avg_partial聚合函數，amount_avg_partial列存儲的是聚合結果的中間狀態，查詢時需要修改查詢函數，將avg聚合函數改寫為avg_final最終聚合函數，聲明是對聚合結果中間狀態的最終聚合。

postgres=> select day, avg(avg) as avg_avg, avg_final(amt_avg_partial) as real_avg from mv_sales_partial group by day;
    day    |   avg_avg |  real_avg
-----------+-----------+----------
  20210101 |    4.5    |     4

目前支持以下聚合函數及對應的partial聚合函數。

為base_sales_table設置了TTL，如果數據由于TTL到期被回收掉，那么此時查詢明細表的結果如下所示。

postgres=> SELECT
    day,
    hour,
    avg(amount) AS amount_avg
  FROM base_sales
  GROUP BY day, hour;

--查詢結果
    day    |   hour  |   amount_avg
-----------+---------+--------------
  20210101 |    12   |     4
  20210101 |    13   |     6

但是由于被回收的數據，已經物化到了物化視圖的數據中，所以查詢物化視圖時有可能得到的結果如下。

postgres=> select * from mv_sales;
--查詢結果
    day    |   hour  |   amount_avg
-----------+---------+--------------
  20210101 |    12   |     3
  20210101 |    13   |     6

此時查詢結果不一致，建議改進方案如下。

• 明細表不要設置TTL。

• 明細表設置TTL，但是物化視圖的GROUP BY含有數據的時間字段，且查詢物化視圖的時候，不會去查詢在TTL臨界點附近的數據。

• 明細表建成分區表，不設置TTL，回收數據通過刪除（Drop）分區表來實現。

查詢時不需要顯式指定物化視圖表名稱，可以像之前一樣基于基礎表進行查詢。如果有匹配的物化視圖表，優化器會智能路由到最佳的物化視圖表來加速查詢。在查詢時，物化視圖表的選擇規則如下：

• 選擇包含所有查詢列或可以通過間接計算得到的物化視圖表。

• 選擇GROUP BY列字段包含原始查詢GROUP BY所有列的物化視圖表。

• 當有多個物化視圖表符合條件時，選擇GROUP BY列字段少的物化視圖表。

當前支持智能路由的聚合函數有SUM、COUNT、MIN和MAX。