级联物化视图
此示例演示如何创建一个物化视图，然后如何在第一个物化视图上级联第二个物化视图。在本页面中，您将看到如何进行操作、许多可能性以及限制。通过使用第二个物化视图作为源创建物化视图，可以解决不同的用例。
示例：
我们将使用一个虚构的数据集，展示一组域名每小时的浏览次数。
我们的目标
- 我们需要按月对每个域名的数据进行聚合，
- 我们还需要按年对每个域名的数据进行聚合。
您可以选择以下选项之一：
- 编写查询，在 SELECT 请求期间读取并聚合数据
- 在摄取时间将数据准备为一种新格式
- 在摄取时间将数据准备为特定的聚合。
使用物化视图准备数据将允许您限制 ClickHouse 需要处理的数据和计算量，使您的 SELECT 请求更快。
物化视图的源表
创建源表，因为我们的目标涉及对聚合数据的报告而非单个行，我们可以解析它，将信息传递给物化视图，并丢弃实际的输入数据。这满足了我们的目标并节省了存储，因此我们将使用 Null 表引擎。
您可以在 Null 表上创建物化视图。因此，写入表的数据最终将影响视图，但原始原始数据仍将被丢弃。
月度聚合表和物化视图
对于第一个物化视图，我们需要创建 Target 表，在这个示例中，它将是 analytics.monthly_aggregated_data，我们将按月和域名存储浏览次数之和。
将数据转发到目标表的物化视图将如下所示：
年度聚合表和物化视图
现在我们将创建第二个物化视图，该视图将链接到之前的目标表 monthly_aggregated_data。
首先，我们将创建一个新的目标表，该表将存储按年聚合的浏览次数之和。
此步骤定义了级联。 FROM 语句将使用 monthly_aggregated_data 表，这意味着数据流将是：
- 数据进入
hourly_data表。 - ClickHouse 将转发接收到的数据到第一个物化视图
monthly_aggregated_data表， - 最后，第2步接收到的数据将转发到
year_aggregated_data。
在使用物化视图时，一个常见的误解是数据是从表中读取的。这不是 物化视图 的工作方式；转发的数据是插入块，而不是您表中的最终结果。
让我们想象在此示例中，monthly_aggregated_data 中使用的引擎是 CollapsingMergeTree，转发到我们第二个物化视图 year_aggregated_data_mv 的数据将不是已折叠表的最终结果，而是转发具有在 SELECT ... GROUP BY 中定义的字段数据块。
如果您使用 CollapsingMergeTree、ReplacingMergeTree，或者甚至是 SummingMergeTree，并且计划创建级联物化视图，您需要理解在此处描述的限制。
示例数据
现在是插入一些数据以测试我们的级联物化视图的时候了：
如果您 SELECT analytics.hourly_data 的内容，您会看到以下内容，因为表引擎是 Null，但数据已被处理。
我们使用了一个小数据集，以确保我们可以跟踪和比较结果与我们的期望。一旦您的流与小数据集正确，您可以直接转到大量数据。
结果
如果您尝试通过选择 sumCountViews 字段查询目标表，您将看到二进制表示（在某些终端中），因为该值并不是以数字存储，而是作为 AggregateFunction 类型。
要获得聚合的最终结果，您应该使用 -Merge 后缀。
您可以使用以下查询查看存储在 AggregateFunction 中的特殊字符：
相反，让我们尝试使用 Merge 后缀来获取 sumCountViews 值：
在 AggregatingMergeTree 中，我们将 AggregateFunction 定义为 sum，因此我们可以使用 sumMerge。当我们在 AggregateFunction 上使用 avg 函数时，我们将使用 avgMerge，依此类推。
现在我们可以审核物化视图是否满足我们定义的目标。
现在我们已经在目标表 monthly_aggregated_data 中存储了数据，我们可以获取按月对每个域名聚合的数据：
按年聚合每个域名的数据：
将多个源表合并到单个目标表
物化视图还可以用于将多个源表合并到同一个目标表中。这对于创建一个类似于 UNION ALL 逻辑的物化视图非常有用。
首先，创建两个源表，表示不同集合的指标：
然后使用合并后的指标集创建 Target 表：
创建两个指向相同 Target 表的物化视图。您不需要显式包含缺失的列：
现在，当您插入值时，这些值将根据其各自的列聚合到 Target 表中：
Target 表中组合的浏览次数和点击次数：
此查询应输出如下内容：