4、物化视图的查询重写：优化器如何“偷梁换柱”

这一章，我们来聊聊物化视图最核心、也最神奇的能力——查询重写。

说白了，就是数据库优化器在收到你的 SQL 后，会偷偷地“调包”。它发现你的查询其实可以用一个已经存在的物化视图来加速，于是它就不去碰那些原始的大表了，而是直接去读物化视图里的小结果集。你写的 SQL 没变，但实际执行路径已经被换了。

我第一次接触这个特性时，心里想的是：“这不就是作弊吗？” 但后来我发现，这种“作弊”正是数据库性能优化的精髓。

4.1 查询重写机制：优化器的“小算盘”

查询重写，也叫 Query Rewrite 或 Transparent Rewrite。它的工作流程大致是这样的：

1. 你提交一条 SQL 查询。
2. 优化器解析 SQL，生成逻辑执行计划。
3. 优化器扫描系统中可用的物化视图定义。
4. 优化器判断：你的查询结果，是否可以从某个物化视图中“推导”出来？
5. 如果可以，优化器就把你的查询计划，替换成直接扫描物化视图的计划。
6. 最终执行时，读的是物化视图，而不是原始表。

整个过程对应用层完全透明。你的代码不用改，连接池不用动，DBA 在后台加个物化视图，查询速度可能就翻了几倍。

我在项目中遇到过一种情况：业务方抱怨某个报表查询越来越慢，我检查后发现，其实两年前就有人建了一个物化视图，但查询重写一直没生效。原因很简单——物化视图的刷新状态是 INCOMPLETE。优化器很聪明，它不会用一个“脏数据”来回答你的查询。

4.2 优化器如何利用物化视图：匹配与代价

优化器不是随便抓个物化视图就用的。它有一套严格的匹配逻辑。我把它总结为三个核心条件：

条件	说明	个人经验
数据一致性	物化视图的数据必须与基表数据一致（或可接受一定延迟）	我习惯用 REFRESH FAST ON COMMIT 来保证实时一致性
查询包含性	物化视图的查询范围，必须能覆盖你的查询需求	比如物化视图聚合了所有月份，你只查某个月，是可以的
代价优势	扫描物化视图的代价，必须小于扫描原始表的代价	如果物化视图太大，优化器可能放弃重写

为什么会这样？你想想看，如果物化视图本身也很大，或者它的索引不好，优化器算来算去发现还不如直接扫原表，那它就不会用。优化器是个“精明的会计”，它只做划算的买卖。

我记得有一次，我在 Oracle 里调试一个慢查询。执行计划显示优化器没有使用物化视图。我手动加了 /*+ REWRITE */ 提示，它才用上。后来发现，是因为物化视图的统计信息过期了，优化器误判了代价。刷新统计信息后，重写就自动触发了。

4.3 REWRITE 关键字的使用：手动干预的艺术

虽然优化器会自动判断是否重写，但有时候我们需要手动干预。大多数数据库（如 Oracle、PostgreSQL）都提供了 REWRITE 相关的提示或参数。

在 Oracle 中，你可以这样用：

-- 强制使用查询重写
SELECT /*+ REWRITE(sales_mv) */
       product_id, SUM(amount)
FROM sales
WHERE sale_date BETWEEN '2024-01-01' AND '2024-12-31'
GROUP BY product_id;

-- 禁用查询重写
SELECT /*+ NOREWRITE */
       product_id, SUM(amount)
FROM sales
WHERE sale_date BETWEEN '2024-01-01' AND '2024-12-31'
GROUP BY product_id;

在 PostgreSQL 中，虽然没有直接的 REWRITE 提示，但可以通过设置 enable_materialized_view_rewrite 参数来控制：

-- 启用物化视图重写（默认开启）
SET enable_materialized_view_rewrite = on;

-- 禁用
SET enable_materialized_view_rewrite = off;

4.4 查询重写的常见场景与限制

不是所有查询都能被重写。我整理了一张表，方便你对照：

场景	能否重写	说明
简单聚合查询（SUM、COUNT、AVG）	✅ 能	最常用的场景，物化视图预聚合
多表 JOIN 查询	✅ 能	物化视图预连接，减少运行时 JOIN 开销
带 WHERE 条件过滤	✅ 能	只要物化视图的数据范围能覆盖查询条件
使用 DISTINCT 或 GROUP BY	✅ 能	物化视图已经去重或分组
子查询或 CTE	⚠️ 部分能	取决于数据库优化器的能力，Oracle 支持较好
窗口函数（ROW_NUMBER、RANK）	❌ 通常不能	物化视图不支持窗口函数的预计算
使用了非确定性函数（SYSDATE、RANDOM）	❌ 不能	结果不确定，无法保证一致性

嗯，这里要注意。窗口函数不能重写，是我踩过的一个坑。当时我想用物化视图加速一个排名查询，建好之后发现执行计划根本没变。查了文档才知道，物化视图不支持窗口函数的预计算。后来我换了个思路，把排名逻辑放到应用层去处理，物化视图只负责提供基础数据。

4.5 知识体系图：查询重写的完整链路

下面这张图，帮你把查询重写的整个流程串起来。从你提交 SQL，到优化器决定是否重写，再到最终执行，每一步都清晰可见。