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。

访问物化视图中存储的数据，往往比直接或通过视图访问底层表快得多，但这些数据并不总是最新的；不过，有时并不需要最新数据。考虑以下记录销售情况的表：

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
);

如果希望快速绘制历史销售数据的图表，就可能需要汇总数据，而不必关心当天尚不完整的数据：

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
    ORDER BY
      seller_no,
      invoice_date;

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

这个物化视图可以用于在为销售人员创建的仪表板中显示图表。可以调度一个作业，每晚使用以下 SQL 语句更新统计数据：

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。 准备工作：

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;

现在来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)

执行计划为：

 Aggregate  (cost=4125.19..4125.20 rows=1 width=0) (actual time=26.013..26.014 rows=1 loops=1)
   ->  Foreign Scan on words  (cost=0.00..4124.70 rows=196 width=0) (actual time=26.011..26.011 rows=0 loops=1)
         Filter: (word = 'caterpiler'::text)
         Rows Removed by Filter: 99171
         Foreign File: /etc/dictionaries-common/words
         Foreign File Size: 938848
 Total runtime: 26.081 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=0.074..0.074 rows=1 loops=1)
   ->  Index Only Scan using wrd_word on wrd  (cost=0.42..4.44 rows=1 width=0) (actual time=0.071..0.071 rows=0 loops=1)
         Index Cond: (word = 'caterpiler'::text)
         Heap Fetches: 0
 Total runtime: 0.119 ms

无论采用哪种方式，这个单词的拼写都是错误的，因此来找找我们可能想要的单词。再次使用 file_fdw：

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=2195.70..2195.72 rows=10 width=32) (actual time=218.904..218.906 rows=10 loops=1)
   ->  Sort  (cost=2195.70..2237.61 rows=16765 width=32) (actual time=218.902..218.904 rows=10 loops=1)
         Sort Key: ((word <-> 'caterpiler'::text))
         Sort Method: top-N heapsort  Memory: 25kB
         ->  Foreign Scan on words  (cost=0.00..1833.41 rows=16765 width=32) (actual time=0.046..200.965 rows=99171 loops=1)
               Foreign File: /etc/dictionaries-common/words
               Foreign File Size: 938848
 Total runtime: 218.966 ms

使用物化视图：

 Limit  (cost=0.28..1.02 rows=10 width=9) (actual time=24.916..25.079 rows=10 loops=1)
   ->  Index Scan using wrd_trgm on wrd  (cost=0.28..7383.70 rows=99171 width=9) (actual time=24.914..25.076 rows=10 loops=1)
         Order By: (word <-> 'caterpiler'::text)
 Total runtime: 25.884 ms

如果能够接受将远程数据定期更新到本地数据库，性能收益可能相当可观。