PostgreSQL 中的物化视图像视图一样使用规则系统，但将结果持久化存储在一个类似表格的形式中。主要区别在于

CREATE MATERIALIZED VIEW mymatview AS SELECT * FROM mytab;

和

CREATE TABLE mymatview AS SELECT * FROM mytab;

是物化视图之后不能直接更新，以及用于创建物化视图的查询以与视图的查询存储方式完全相同的方式存储，以便可以使用以下命令为物化视图生成新数据

REFRESH MATERIALIZED VIEW mymatview;

PostgreSQL 系统目录中关于物化视图的信息与表或视图的信息完全相同。因此，对于解析器来说，物化视图是一个关系，就像表或视图一样。当在查询中引用物化视图时，数据直接从物化视图返回，就像从表中返回一样；该规则仅用于填充物化视图。

虽然访问存储在物化视图中的数据通常比直接访问底层表或通过视图访问快得多，但数据并不总是最新的；但有时不需要最新的数据。考虑一个记录销售额的表

CREATE TABLE invoice (
    invoice_no    integer        PRIMARY KEY,
    seller_no     integer,       -- ID of salesperson
    invoice_date  date,          -- date of sale
    invoice_amt   numeric(13,2)  -- amount of sale
);

如果人们希望能够快速绘制历史销售数据的图表，他们可能需要进行汇总，并且他们可能不关心当前日期的不完整数据

CREATE MATERIALIZED VIEW sales_summary AS
  SELECT
      seller_no,
      invoice_date,
      sum(invoice_amt)::numeric(13,2) as sales_amt
    FROM invoice
    WHERE invoice_date < CURRENT_DATE
    GROUP BY
      seller_no,
      invoice_date;

CREATE UNIQUE INDEX sales_summary_seller
  ON sales_summary (seller_no, invoice_date);

这个物化视图对于在为销售人员创建的仪表板中显示图表可能很有用。可以安排一个作业，在每晚使用此 SQL 语句更新统计数据

REFRESH MATERIALIZED VIEW sales_summary;

物化视图的另一个用途是允许更快地访问通过外部数据包装器从远程系统获取的数据。下面是一个使用 file_fdw 的简单示例，并附带了时间，但由于这是使用本地系统上的缓存，因此与访问远程系统相比，性能差异通常会更大。请注意，我们还利用了在物化视图上放置索引的能力，而 file_fdw 不支持索引；对于其他类型的外部数据访问，此优势可能不适用。

设置

CREATE EXTENSION file_fdw;
CREATE SERVER local_file FOREIGN DATA WRAPPER file_fdw;
CREATE FOREIGN TABLE words (word text NOT NULL)
  SERVER local_file
  OPTIONS (filename '/usr/share/dict/words');
CREATE MATERIALIZED VIEW wrd AS SELECT * FROM words;
CREATE UNIQUE INDEX wrd_word ON wrd (word);
CREATE EXTENSION pg_trgm;
CREATE INDEX wrd_trgm ON wrd USING gist (word gist_trgm_ops);
VACUUM ANALYZE wrd;

现在让我们拼写检查一个单词。直接使用 file_fdw

SELECT count(*) FROM words WHERE word = 'caterpiler';

 count
-------
     0
(1 row)

使用 EXPLAIN ANALYZE，我们看到

 Aggregate  (cost=21763.99..21764.00 rows=1 width=0) (actual time=188.180..188.181 rows=1 loops=1)
   ->  Foreign Scan on words  (cost=0.00..21761.41 rows=1032 width=0) (actual time=188.177..188.177 rows=0 loops=1)
         Filter: (word = 'caterpiler'::text)
         Rows Removed by Filter: 479829
         Foreign File: /usr/share/dict/words
         Foreign File Size: 4953699
 Planning time: 0.118 ms
 Execution time: 188.273 ms

如果改用物化视图，查询速度会快得多

 Aggregate  (cost=4.44..4.45 rows=1 width=0) (actual time=0.042..0.042 rows=1 loops=1)
   ->  Index Only Scan using wrd_word on wrd  (cost=0.42..4.44 rows=1 width=0) (actual time=0.039..0.039 rows=0 loops=1)
         Index Cond: (word = 'caterpiler'::text)
         Heap Fetches: 0
 Planning time: 0.164 ms
 Execution time: 0.117 ms

无论如何，单词拼写错误，所以让我们查找我们可能想要的内容。再次使用 file_fdw 和 pg_trgm

SELECT word FROM words ORDER BY word <-> 'caterpiler' LIMIT 10;

     word
---------------
 cater
 caterpillar
 Caterpillar
 caterpillars
 caterpillar's
 Caterpillar's
 caterer
 caterer's
 caters
 catered
(10 rows)

 Limit  (cost=11583.61..11583.64 rows=10 width=32) (actual time=1431.591..1431.594 rows=10 loops=1)
   ->  Sort  (cost=11583.61..11804.76 rows=88459 width=32) (actual time=1431.589..1431.591 rows=10 loops=1)
         Sort Key: ((word <-> 'caterpiler'::text))
         Sort Method: top-N heapsort  Memory: 25kB
         ->  Foreign Scan on words  (cost=0.00..9672.05 rows=88459 width=32) (actual time=0.057..1286.455 rows=479829 loops=1)
               Foreign File: /usr/share/dict/words
               Foreign File Size: 4953699
 Planning time: 0.128 ms
 Execution time: 1431.679 ms

使用物化视图

 Limit  (cost=0.29..1.06 rows=10 width=10) (actual time=187.222..188.257 rows=10 loops=1)
   ->  Index Scan using wrd_trgm on wrd  (cost=0.29..37020.87 rows=479829 width=10) (actual time=187.219..188.252 rows=10 loops=1)
         Order By: (word <-> 'caterpiler'::text)
 Planning time: 0.196 ms
 Execution time: 198.640 ms

如果您可以容忍定期将远程数据更新到本地数据库，则性能优势可能会非常可观。