PostgreSQL中的物化视图和视图一样使用规则系统，但会以类似表的形式持久保存结果。下面两者之间的主要区别是：

CREATE MATERIALIZED VIEW mymatview AS SELECT * FROM mytab;

以及：

CREATE TABLE mymatview AS SELECT * FROM mytab;

物化视图之后不能被直接更新，并且用于创建物化视图的查询，其存储方式与视图查询的存储方式完全相同，因此可以通过下面的命令为物化视图生成新数据：

REFRESH MATERIALIZED VIEW mymatview;

在PostgreSQL系统目录中，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，物化视图也是一种关系，就像表或视图一样。当查询引用物化视图时，数据会像从表中那样直接从物化视图返回；规则只用于填充物化视图。

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要快得多；但这些数据并不总是最新的，而有时我们也并不需要当前数据。考虑这样一个记录销售情况的表：

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
);

如果人们希望快速绘制历史销售数据图表，他们可能想要做汇总，并且不会在意当前日期数据尚不完整：

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);

这个物化视图可能很适合在为销售人员构建的仪表板中显示图表。可以安排一个作业，每晚用下面这条 SQL 语句更新统计信息：

REFRESH MATERIALIZED VIEW sales_summary;

物化视图的另一种用途，是让通过外部数据包装器从远程系统获取的数据能够被更快地访问。下面给出一个使用file_fdw的简单示例，并附带计时结果；不过由于这里使用的是本地系统缓存，因此与真正访问远程系统相比，性能差异通常会比这里展示的更大。还要注意，我们同时利用了可以在物化视图上建立索引这一能力，而file_fdw本身并不支持索引；对其他类型的外部数据访问，这一优势未必适用。

设置如下：

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;

现在让我们检查一个单词的拼写。直接使用file_fdw：

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

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

使用EXPLAIN ANALYZE，可以看到：

 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

无论哪种方式，这个词都拼错了，所以让我们看看可能真正想找的是什么。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

使用物化视图时：

 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

如果你能够容忍定期把远程数据更新到本地数据库，那么性能收益可能非常可观。