异步物化视图本质上是一张预计算的表,它存储了预先定义好的聚合计算结果。这就像给数据库配备了一个"智能缓存",把常用的计算结果提前准备好。...如果每次查询都要从原始订单表计算,显然会很耗时。这时我们就可以创建一个基于商品和时间维度的异步物化视图,提前计算好各个时间粒度的聚合结果。用户查询时直接使用物化视图,响应速度可提升10倍以上。...多列分区允许我们同时按多个维度进行数据切分。比如在数据湖场景中,我们可以按照时间和地区两个维度建立分区,方便数据的管理和查询。...它能够将基表的细粒度分区智能合并成粗粒度分区:基表按天分区,而分析需求常常是按月度统计,这时分区上卷就能自动将30个日分区合并成1个月分区,大大减少分区数量。...如下示例:
基表有多列分区
Hive 外表有很多多级分区的情况,例如一级分区按照日期,二级分区按照区域。物化视图可以选择 Hive 的某一级分区列作为物化视图的分区列。