类似的名词包括EII和ETL，ETL是BI项目中必有的部分，也是目前每个项目戏份最重的环节。ETL有一种定义，如"抽取、转换和装载，为了分析的目的，将数据从多种数据源抽取，经过转换、清洗，装载到另一个数据库的过程，包括数据集市和数据仓库，或者是另一个操作型系统"，我不知道这是谁的定义，恐怕也恐怕很难有权威的定义。在这个定义中，ETL是广义的，它是数据流动的过程，没有说它究竟是批量的或是实时的。因此，按照这个定义，EAI也就像是ETL。

EAI，全名为企业应用集成，这提升到一个比较高的层面，相比之下，"数据"显得太微观，太底层了。不错，现实的情况是企业的IT环境中，大量不同的系统同时并存，缺乏总体规划。在这种情况下，提出应用集成也是形势所逼。比如联通的经营分析和客户维系挽留系统，缺乏规划的时候，他们就有功能重叠的地方，各自的厂商为了自己的利益，不可能顾及"应该"如何，只是将自己的蛋糕划分得大一些才好。因此，诸如"客户价值模型"这样得东西就会抢来抢去。可能这种交叉应用的存在，才导致人们对应用集成的愿望，他们希望能够统一地看这些不同的应用，就像一个完整的大系统在运行一样。

但显然，如果达到这样的程度，理想的程度，并非一种技术就能搞定。所以，EAI的定义显得比ETL定义更加"虚头八脑"，而在实际项目中看来，EAI的主要功能就是数据的集成，在多个应用之间共享数据，联通里面一般管这叫做"交互性"。技术实现上，它更像是CDC（变化数据捕获）＋ETL。

至于EII，名称上意思为"企业信息集成"，按照数据、信息到知识这个从低到高的层次，EII听起来又比ETL高级一些。然而对它，更加没有深入了解。也不明白它为什么会蹦出这个名词，是和ETL、EAI并列还是有取代他们的意思。从它的定义来看，EII是建立了一个虚拟的数据库，用户向这个虚拟库提交查询，而EII将这种查询物理地分布到各个不同的数据源中，然而返回数据，对于用户来说，他没有意识到这批数据是来自不同应用、不同数据库的。

喔，很酷，不过难度不小，因为这不是技术问题。假设理想的情况下，能够为数据源建立详尽的、一致的元数据，能够有一个引擎实现这种分布式查询，当然可以EII。然而我们不是生活在理想国，为不同的数据源建立一致的元数据几乎是不可能，这涉及到各个系统厂商的管理、系统设计以及维护能力，无法仅仅通过技术手段保证的。所以，EII，我只能暂且将它看作是未来理想。

随着数据仓库技术的逐步成熟，企业对数据仓库的时间延迟有了更高的要求，也就出现了目前常说的实时ETL（Real-Time ETL）。实时ETL是数据仓库领域里比较新的一部分内容。

在构建实时ETL架构的数据仓库时，有几种技术可供选择。

1．微批处理（microbatch ETL，MB-ETL）

微批处理的方式和我们通常的ETL处理方式很相似，但是处理的时间间隔要短，例如间隔一个小时处理一次。

2．企业应用集成（Enterprise Application Integration，EAI）

EAI也称为功能整合，通常由中间件来完成数据的交互。而通常的ETL称为数据整合。

对实时性要求非常高的系统，可以考虑使用EAI作为ETL的一个工具，可以提供快捷的数据交互。不过在数据量大时采用EAI工具效率比较差，而且实现起来相对复杂。

3．CTF（Capture, Transform and Flow）

CTF是一类比较新的数据整合工具。它采用的是直接的数据库对数据库的连接方式，可以提供秒级的数据。CTF的缺点是只能进行轻量级的数据整合。通常的处理方式是建立数据准备区，采用CTF工具在源数据库和数据准备区的数据库之间相连接。数据进入数据准备区后再经过其他处理后迁移入数据仓库。

4．EII（Enterprise Information Integration）

EII是另一类比较新的数据整合软件，可以给企业提供实时报表。EII的处理方式和CTF很相似，但是它不将数据迁移入数据准备区或者数据仓库，而是在抽取转换后直接加载到报表中。

在实际建立实时ETL架构的数据仓库时，可以在MB-ETL, EAI, CTF, EII及通常的ETL中作出选择或者进行组合。

Microstrategy是国外品牌，在全球BI软件市场占用很大的份额，通过BI软件产品向中国高端市场进军。他们往往能与最终用户直接签单，能给系统集成商和软件开发商带来丰厚的利润。Microstrategy报表软件的确功能强大，提供了很多二次开发接口，能给用户解决很多实际问题，但是价格昂贵不是一般客户可以接受的。

这是本人的一点认识，不正确的地方希望得到大家的指出。

    技术比拼应该以下几个方面进行
    一、伸缩性
    MicroStrategy的第三代ROLAP架构，在容量上很容易能达到TB级或一个数据库平台能存储的数据量，这是通过以下方式实现的：反复地在优化的基于server的平台、数据库和MicroStrategy’s Intelligence Server中执行分析。根据定义，假定BI平台能够像MicroStrategy 那样产生高度优化的基于平台的SQL，数据库技术不断扩展并且将是一个理想的场所来完成大容量数据处理。MicroStrategy中的 Intelligence Server能进行多维分析，比如能利用各种各样的OLAP函数，执行那些不能被数据库高效率处理的cube-like slice and dice fully offloading analysis。
    MicroStrategy 中的Intelligence Server是一个基于组件的应用服务器，提供了高度伸缩性环境所具备的必要控制和应用系统管理，如下所述：
• 在理想平台上完成多维分析处理（通过Intelligence Server或数据库中的200多个分析库）
• 真正共享的多级别的缓存完全与Intelligence Server中的安全模式进行了集成
• 通过连接池、粒状数据和应用控制来智能地管理所有的用户对数据库的连接
• 通过排队等候和线程管理，对所有请求动态分配优先权
• 系统用法和性能调整工具
• 群集管理和负载均衡
• 通过动态资源分配进行自我调整的结构使组件满负荷工作
    MicroStrategy是第一个认可主动信息传递需要的BI厂商。以1998年的Broadcaster产品为开端，还有近期新近命名的Narrowcast Server，MicroStrategy使得通过各种媒体如：email、传真、呼机、手机，主动传递高度个性化的相关信息成为可能。该功能是out of the box并且不需要任何定制代码。用户定制他们想收到的信息、条件，例如数据中的异常或者是基于事件的标准和设备类型。
    结构被设计成从MicroStrategy Intelligence Server和外部信息源中接受个性化的内容。从多种来源中获得的信息可能会出现在MicroStrategy Narrowcast Server的输出结果当中。数据源的例子包括从ERP系统中获得的XML内容、从内容供给者和入口处获得的ICE内容，或者其它的非关系型的内容如：平面文件、图片等等。基于XML的结构确保了完善的内容控制和对任何当前或将来存在的设备的适应性。Out of the box，MicroStrategy Narrowcast Server使你能够以HTML、普通文本、或Excel的形式给任何一个SMTP网关传送商业智能报告。
    二、安全性
    MicroStrategy满足以下需求：MicroStrategy 9安全模式包含必要的广度和深度，通过internet允许BI应用系统对员工、合作伙伴、供应商和顾客进行安全部署。MicroStrategy产品是通过以下方式实现其安全性的：应用功能级别的特权的使用、报表对象级别上的访问控制列表、安全过滤器、连接映射和在数据级别上对数据库视图的支持。另外，用户级别的安全是通过MicroStrategy与NT、WIN2003、LDAP的集成实现的，传输级别的安全是通过128位的SSL传输、128位数据加密或在web服务器上无数据库连接的双防火墙配置来实现的。
MicroStrategy 基于配置文档的安全性能确保了平台和传输体系中的每一部分都是安全的，都被严格管理。另外，MicroStrategy对工业标准的安全尺度的实现确保了MicroStrategy的安全模型能与当前存在的任一安全方式进行集成。
    三、部署能力（包括维护能力）
    MicroStrategy提供了desktop方式和web方式的集成的全功能性的BI，完整的BI功能包括静态报表制作，报表分发，查询和报表制作，OLAP分析，集分析并且从一个集成的接口利用数据挖掘。
    允许用户从一个单独的接口，通过MicroStrategy Architect, MicroStrategy Agent 和 MicroStrategy 服务器管理之间紧密的集成来进行设计、创建、维护、运行和监视分析。
    四、分析能力
    由于MicroStrategy具有能够以优化的方式存取TB级数据的能力，用户有权在他们的安全角色确定的适当的控制范围内使用整个数据仓库。虽然许多查询工具能够检索少量的slice级别的数据，仅有MicroStrategy能够对可用的信息进行足够深度和宽度的优化存取。
    五、易用
    MicroStrategy Web中的纯HTML解决方案，使得能通过任何浏览器、在任何操作系统上、穿过任何防火墙被迅速存取。MicroStrategy Web提供了像完全互动地钻取引导、递增的获取、导航、转出到Excel、ad hoc报表创建、排序/分等级、表格和图形方式、任意旋转、报表提示等功能。
    MicroStrategy Web中的Page-By提供了一个类似slice and dice 功能的cube。另外，MicroStrategy的互动处理是完全透明的。
    六、性能
    MicroStrategy 以cube响应时间的方式提供了具有ROLAP结构的数据伸缩性。这是MicroStrategy 通过动态地在所有级别上优化性能、阻止瓶颈在BI环境中发生来实现的，如下所述：
    数据库处理
    MicroStrategy利用数据库平台内在的优化，通过高度优化的、能对产生的SQL类型和优化提供粒状控制的数据库版本明确的VLDB驱动程序，进行大数据量处理和进一步提高整个数据库处理的效率。
    MicroStrategy自动的aggregate table generation and advanced aggregate awareness意味着任何要添加进数据库的聚合表被MicroStrategy SQL引擎自动地动态利用。其它的数据库构造自动地利用包括本地数据库函数，性能调节算法和对像，MicroStrategy中的VLDB驱动程序包含大约60个
    应用处理层
    虽然MicroStrategy 中的Intelligence Server提供了大量的performance tuning aspects，然而它的主要目的是作为神经中枢对所有处理资源进行有效的协调-确保组件被正确利用，在优化的平台进行的处理包括：
• 在内存中有多级缓存，自动提示
• 依靠请求类型和可用资源，在数据库或应用服务器上反复处理
• 通过动态给超载组件分配资源的自我调整的结构
• 聚类和动态的负载均衡
• 异步的处理能力保证能够在同一时间处理多个web客户端请求
    数据传输
    MicroStrategy的ROLAP方式保证了在网络上只传输结果集。MicroStrategy把XML作为信息传递的机制保证了只向web浏览器发送高效结果集。递增的Fetch确保了请求结果行的数量在被需要的时候，从MicroStrategy Intelligence Server发送到web浏览器。
    展示/本地desktop
    大多报表格式和数据操纵在瘦客户端完成。类似于cube的数据操纵如Page By等和其它的数据操纵如数据排序是在本地完成的。
    The MicroStrategy Narrowcast Server subscription portal也在关系结构中缓存HTML内容，这主要是为了允许narrowcast server subscription portal用户通过portal来浏览个性化的静态服务。

Max@X Analyser 5是新一代的报表与数据分析技术产品。针对复杂应用环境下的数据Web报表展现与联机数据分析（OLAP）而设计，重点在部署与集成、复杂表样支持、特殊需求适应、数据填报、OLAP 快速实施及可用性、服务器性能等方面进行了创造性的优化。
Max@X Analyser由四部分组成：Web报表（Reports）、联机数据分析（OLAP）、服务器引擎（Server Engine）、决策门户（Analyser Portal）。 
可满足任何复杂样式需求的WEB报表设计模型（Reports）
报表是数据分析的最基础形式，也是应用最为广泛的数据表现形式。Max@X Analyser包含了一套功能强大且简单易用的专业Web报表工具。除了解决传统工具已经涵盖的B/S架构报表制作、预览、打印及导出文件等方面外，Max@X Analyser更进一步，在复杂报表的设计处理、特殊样式的扩展适应、海量数据的快速响应等方面，提供了更为优越的性能表现。
可直连多数据库的联机数据分析模型（OLAP）
联机分析处理OLAP是Max@X Analyser的重要核心之一，支持动态分析操作，侧重决策支持，并提供直观易懂的查询结果。Max@X Analyser无需数据仓库建设，也无需任何第三方OLAP Server支持，用户仅仅需要懂得数据库管理知识，就可以快速建立OLAP系统，设计并部署OLAP分析模型。Max@X Analyser联机分析功能不仅能进行数据汇总/聚集，建立多维度的分析、查询和报表，同时还提供切片、切块、下钻、上卷和旋转等数据分析功能，从而使用户从更快、更易使用的交互方式中获得收益。
可集成、可独立部署的服务器引擎（Server Engine）
服务器引擎是Max@X Analyser专门提供给集成用户的服务器核心。服务器引擎的表现形式在Java下是一系列JAR文件，在VS.NET下是一个Web组件。无论是JAVA还是VS.NET版本，服务器引擎均可作为应用程序的一个组成部分与应用程序进行集成，并接受应用程序的授权等控制，与应用程序共享数据库连接池。
100%免代码的快速部署发布应用门户服务器（Analyser Portal Server）
如果说我们可以把企业看做一架飞机的话，那么决策门户服务器（Analyser Portal Server）就是这架飞机的仪表及控制平台。Analyser Portal Server无需任何代码，根据人机交互的部署配置，自动创建应用页面及控制平台，包含了信息发布、信息共享、快速决策、任务定制以及授权控制等功能前端应用，与所有Max@X Analyser产品组件紧密关联。同时，它是一个基于Web的应用平台。通过这个平台，终端用户可以方便地完成数据分析、信息发布以及信息协同等任务。
 

数巨：技术：55；价格：10；服务25；总分90分。

1.   概述

开源的BI项目在在2005年之前并没有太大的发展，到了2005年才开始呈现繁荣之势，并在2006年蓬勃发展。这些众多的BI项目从规模和对BI系统支撑的完善程度上来说，大体可以分为Framework、Stand-alone Tools和BI Suit三种类型。

l         Framework

开源框架，这是在商业BI系统中所没有的。我们可以使用它们来构建自己的BI工具，或者增强和扩展我们的BI解决方案。

l         Stand-alone Tools

独立的BI工具，这是开源项目中数量最多的一类。很多工具只侧重BI系统中的某个环节和方面，如ETL、Report、OLAP和Database等等。

l         BI Suit

在统一的架构下提供了多种BI系统的特性的工具集合。就目前的情况看，不管是商业软件还是开源软件，还没有任何一个套件提供了完整的端到端的BI解决方案。这些开源的BI Suit是通过连接多个其他的组件和工具的方式形成套件的，由于BI系统涉及到的工具是非常多的，所以整合一套完整的BI解决方案是很困难的。

2.   BI解决方案中的工具

一个完整的BI解决方案中有多种工具来完成BI系统中各个阶段的工作。

2.1. ETL工具

数据抽取、转换和加载工具。优秀的ETL工具应该具有以下特性：

1、  Workflow Management, Job Execution and Scheduling Manager。能方便地定义流程并自动化执行ETL任务。

2、  Centralized Metadata Repository and Management。集中存储和管理符合业界标准的元数据。

3、  Data Profile and Validation。可以检验数据的质量。

4、  High Performance。在大负荷的任务执行中仍然有良好的性能。

5、  Scalable, Platform Independent。具有良好的弹性，支持多种操作系统和数据库系统，能操作多种异构的数据源。

6、  Open Architecture and API。具有开放的架构和易于使用的二次开发接口。

目前较为知名的开源ETL工具有：

1、  KETL，由具有IBM和KPMG背景的Kinetic Networks公司开发，现在已经有三年多的产品应用历史，成功应用于一些产品中，在点击流（ClickStream）分析应用中表现出色。KETL采用Plug-in的架构，使用Java开发。

2、  KETTLE，为一个元数据驱动的ETL工具。已经加入Pentaho。

3、  Clover ETL，为一个基于Java的ETL Framework，可以用来开发自己的ETL应用。

4、  Enhydra Octopus，为一个基于Java的ETL工具，使用JDBC来连接各种数据源，易于使用和部署。曾有人应用于电信网络资源分析系统中。

2.2. 报表工具

优秀的报表工具通常具有以下特性：

1、  支持多种数据源。

2、  直观的可视化设计器，简单易用的报表定制功能。

3、  方便的数据访问和格式化，丰富的数据呈现方式。

4、  符合数据呈现的通用标准，能和应用程序很好地进行结合。

5、  易于扩展和部署。

目前较为知名的开源报表工具有：

1、  JasperReports，一个优秀的Java报表工具，始于2001，现在JasperSoft公司持续开发和支持该工具。该工具类似于商业软件Crystal Report，支持PDF、HTML、XLS、CSV和XML文件输出格式，现在是Java开发者最常用的报表工具。

2、  OpenReports，提供基于web的灵活报表解决方案，通过浏览器自动生成动态PDF,XLS,HTMLCSV 和Chart报表，它是用Java开发的，使用JasperReports 作为报表引擎，利用到的开源技术有Hibernate,Veloctiy,Webwork。

3、  JFreeReport，现在是Pentaho的一部分，它是一个优秀的用来生成报表的Java类库。它为Java应用程序提供一个灵活的打印 功能并支持输出到打印机和PDF, Excel, HTML和XHTML, PlainText, XML和CSV文件中。

4、  Eclipse BIRT，是Eclipse下面的一个企业智能和报表 工具，能为J2EE的WEB应用程序创建漂亮醒目的PDF或者HTML格式的报表，它提供了核心的报表功能。

2.3. OLAP工具

联机分析处理工具。目前开源的OLAP工具也分为MOLAP、ROLAP和HOLAP，优秀的OLAP工具通常有以下特性：

1、  良好的执行性能，能快速地进行分析处理工作。

2、  良好的适用性和可伸缩性。

3、  开放式接口和丰富的API。

目前较为知名的开源OLAP工具有：

1、  Mondrian，是Pentaho的一部分，为一个用Java开发的OLAP服务器，实现了MDX语言、XML解析和JOLAP规范，可以不写SQL就能分析存储于SQL 数据库的庞大数据集，可以封装JDBC数据源并把数据以多维的方式展现出来。

2、  JPivot，是一个JSP 自定制的标签库，可以绘制一个OLAP表格和图表。用户可以执行 典型的OLAP导航，如下钻，切片和方块。它使用Mondrian 作为其OLAP服务器。它使用WCF (Web Component Framework) ，基于XML/XSLT来渲染Web UI组件。JPivot在元数据缓存方面的过于简化的整体性初始化装载的做法将限制它只能处理很小的立方体（Cube）。

2.4. 数据库

开源的数据库也有很多，大多数为关系型数据库，少数为应用于数据仓库环境做了专门的优化工作。Bizgres以PostgreSQL为基础进行了数据仓库环境下的优化，提高了分析查询性能。

3.   开源BI套件

下面列出相对成熟和完整，并且有借鉴意义的开源BI套件。

3.1. Bizgres

为GreenPlum公司主导的开源项目，和Sun公司达成合作关系。Bizgres为BI应用而对PostgreSQL做了优化，提高了大负荷的并行计算能力，在BI环境中，相对于普通的关系型数据库具有卓越的数据处理性能。Bizgres的数据库平台可以和KETL和JasperReports进行整合，从而形成一个BI套件：

1、  数据库：BI专业数据库Bizgres，或者大型应用中的高性能服务器Bizgres MPP，能比普通关系数据库快20倍

2、  ETL工具：KETL

3、  报表工具：JasperReports

3.2. Openi

是一个Java开发的Web应用，能对OLAP服务器、关系数据库和数据挖掘服务器进行分析和报表展示，非常易于使用和部署，界面美观友好，后续还将支持数据挖掘和ETL等。Openi主要包括：

1、  OLAP展示：JPivot

2、  报表工具：JFreeChart

3、  分析数据源连接器

3.3. Pentaho

是一个以工作流为核心的、强调面向解决方案而非工具组件的BI套件，整合了多个开源项目，目标是和商业BI相抗衡。它包括：

1、  工作流引擎：Shark and JaWE

2、  数据库：Firebird RDBMS

3、  集成管理和开发环境：Eclipse

4、  报表工具：Eclipse BIRT

5、  ETL工具：Enhydra/Kettle

6、  OLAP Server：Mondrian

7、  OLAP展示：JPivot

8、  数据挖掘组件：Weka

9、  应用服务器和Portal服务器：JBoss

10、              单点登陆服务及LDap认证：JOSSO

11、              自定义脚本支持：Mozilla Rhino Javascript脚本处理器

由上可见Pentaho是一个很完善的BI解决方案。Pentaho偏向于与业务流程相结合的BI解决方案，侧重于大中型企业应用。

3.4. SpagoBI

SpagoBI 集成了Mondrain和JProvit，能够通过OpenLaszlo产生实时报表。SpagoBI使用java开发，不依赖于具体的操作系统，有很强的扩展能力。它主要包括：

1、  报表工具：JasperReports /Eclipse BIRT/ iReport

2、  OLAP Server：Mondrian

3、  OLAP展示：JPivot

4、  数据挖掘组件：Weka

5、  Map引擎：Geo

6、  ETL：BIE

7、  搜索引擎：Lucene

8、  Dashboard：OpenLaszlo

9、  Portal Server：JBoss/ Tomcat/ JOnAS

根据其Roadmap可以看出，SpagoBI将融入更多的BI功能，甚至BI之外的功能。

       物化视图可以查询表，视图和其它的物化视图。

       通常情况下，物化视图被称为主表（在复制期间）或明细表（在数据仓库中）。

       对于复制，物化视图允许你在本地维护远程数据的副本 , 这些副本是只读的。如果你想修改本地副本，必须用高级复制的功能。当你想从一个表或视图中抽取数据时，你可以用从物化视图中抽取。

       对于数据仓库，创建的物化视图通常情况下是聚合视图，单一表聚合视图和连接视图。

本文我们将会看到怎样创建物化视图并且讨论它的刷新选项。

       在复制环境下，创建的物化视图通常情况下主键， rowid, 和子查询视图。

1. 主键物化视图：

              下面的语法在远程数据库表 emp 上创建主键物化视图

				
						
								
										SQL> CREATE MATERIALIZED VIEW mv_emp_pk
								
						
				
				
						
								
										REFRESH FAST START WITH SYSDATE 
								
						
				
				
						
								
										
												    NEXT  SYSDATE + 1/48
								
						
				
				
						
								
										WITH PRIMARY KEY 
								
						
				
				
						
								
										
												    AS SELECT * FROM emp@remote_db;
								
						
				
				
						
								
										Materialized view created.
										
   
						
				
				
						
								
								
						
				
				注意：当用
				
						FAST
				
				选项创建物化视图，必须创建基于主表的视图日志
				
						,
				
				如下
				
						:
				
		

      SQL> CREATE MATERIALIZED VIEW LOG ON emp;Materialized view log created.

2. Rowid 物化视图

              下面的语法在远程数据库表 emp 上创建 Rowid 物化视图

				
						
								
										SQL> CREATE MATERIALIZED VIEW mv_emp_rowid 
								
						
				
				
						
								
										REFRESH WITH ROWID 
								
						
				
				
						
								
										
												     AS SELECT * FROM emp@remote_db; 
								
						
				
				
						
								
										Materialized view log created.
								
						
				
		

3. 子查询物化视图

              下面的语法在远程数据库表 emp 上创建基于 emp 和 dept 表的子查询物化视图

				
						
								
										
												
												SQL> CREATE MATERIALIZED VIEW  mv_empdept
								
						
				
				
						
								
										AS SELECT * FROM emp@remote_db e
								
						
				
				
						
								
										
												     WHERE EXISTS
								
						
				
				
						
								
										
												   (SELECT * FROM dept@remote_db d
								
						
				
				
						
								        WHERE e.dept_no = d.dept_no)
				
				
						
								
										Materialized view log created.
										
										
								
						
				
				
						
								
										       
								
						
				
				
						REFRESH 
				
				
						子句
				
				
						
								
								
						
				
		

				
						
								
										[refresh [fast|complete|force]
								
						
				
				
						
								
										
												         [on demand | commit]
								
						
				
				
						
								
										
												         [start with date] [next date]
								
						
				
				
						
								
										
												         [with {primary key|rowid}]]
								
						
				
		

       Refresh 选项说明 :

a.       oracle 用刷新方法在物化视图中刷新数据 .

b.       是基于主键还是基于 rowid 的物化视图

c.        物化视图的刷新时间和间隔刷新时间

Refresh 方法 -FAST 子句

       增量刷新用物化视图日志（参照上面所述）来发送主表已经修改的数据行到物化视图中 . 如果指定 REFRESH FAST 子句，那么应该对主表创建物化视图日志

				
						
								
										SQL> CREATE MATERIALIZED VIEW LOG ON emp;
								
						
				
				
						Materialized view log created.
				
		

       对于增量刷新选项，如果在子查询中存在分析函数，则物化视图不起作用。

Refresh 方法 -COMPLETE 子句

       完全刷新重新生成整个视图，如果请求完全刷新， oracle 会完成        完全刷新即使增量刷新可用。

Refresh Method – FORCE 子句

       当指定 FORCE 子句，如果增量刷新可用 Oracle 将完成增量刷新，否则将完成完全刷新 , 如果不指定刷新方法 (FAST, COMPLETE, or FORCE),Force 选项是默认选项

主键和 ROWD 子句

       WITH PRIMARY KEY 选项生成主键物化视图 , 也就是说物化视图是基于主表的主键，而不是 ROWID( 对应于 ROWID 子句 ). PRIMARY KEY 是默认选项 , 为了生成 PRIMARY KEY 子句，应该在主表上定义主键，否则应该用基于 ROWID 的物化视图 .

       主键物化视图允许识别物化视图主表而不影响物化视图增量刷新的可用性。

       Rowid 物化视图只有一个单一的主表，不能包括下面任何一项 :

n          Distinct 或者聚合函数 .

n          Group by ，子查询，连接和 SET 操作

刷新时间       

       START WITH 子句通知数据库完成从主表到本地表第一次复制的时间 , 应该及时估计下一次运行的时间点 , NEXT 子句说明了刷新的间隔时间 .

				
						
								
										SQL> CREATE MATERIALIZED VIEW mv_emp_pk
								
						
				
				
						
								
										
												            REFRESH FAST 
								
						
				
				
						
								
										
												            START WITH SYSDATE 
								
						
				
				
						
								
										
												            NEXT  SYSDATE + 2
								
						
				
				
						
								
										
												            WITH PRIMARY KEY 
								
						
				
				
						
								
										
												              AS SELECT * FROM emp@remote_db;

								
						
				
				
						
								
										
												                 Materialized view created.
								
						
				
		

在上面的例子中，物化视图数据的第一个副本在创建时生成，以后每两天刷新一次 .

总结

物化视图提供了可伸缩的基于主键或 ROWID 的视图 , 指定了刷新方法和自动刷新的时间。