物化视图查询与单独执行结果不一致问题求助

我创建了一个用于统计页面用户停留时长的物化视图，语句如下：

CREATE MATERIALIZED VIEW duration
(
    `visits` Int64 CODEC(DoubleDelta,LZ4),
    `pageUrl` LowCardinality(String),
    `duration` Int8 CODEC(DoubleDelta,LZ4),
    `createdAtDay` Date
)
ENGINE = SummingMergeTree(visits)
ORDER BY ( createdAtDay, pageUrl)
SETTINGS index_granularity = 8192 
POPULATE AS SELECT
    count(visitId) AS visits,
    pageUrl,
    sum(e.value) AS duration,
    createdAtDay
FROM Record r
left join Events e on r.visitId = e.visitId and e.eventType = 6
GROUP BY ( createdAtDay, pageUrl);

但发现单独执行物化视图对应的SELECT查询，和直接查询该物化视图的结果不一致（特定页面数据不符）。补充信息：Events表中无小于0的值，eventType=6代表心跳事件。

可能的原因及修复方案 #

1. SummingMergeTree聚合列指定错误 #

你在SummingMergeTree中仅指定visits作为聚合列，这意味着MergeTree执行合并操作时，只有visits列会被求和，而duration列只会保留分组内某一行的值，不会执行sum聚合。但原查询中duration是sum(e.value)的结果，这直接导致物化视图合并后的数据与原查询结果不符。

修复：
如果需要同时聚合visits和duration，二选一即可：

• 去掉SummingMergeTree的参数（默认对所有数值列求和）：

ENGINE = SummingMergeTree()

• 明确指定所有需要聚合的列：

ENGINE = SummingMergeTree(visits, duration)

2. duration列类型溢出 #

你将duration定义为Int8类型，其取值范围仅为-128到127。而心跳事件的累加时长很容易超过这个上限，会触发整数溢出，最终存储的数值与原查询的sum结果完全不符。

修复：
将duration的类型改为更大范围的整数类型，比如Int32或Int64：

`duration` Int32 CODEC(DoubleDelta,LZ4),

3. LEFT JOIN的NULL值处理差异 #

原查询中，若某个visitId没有匹配到eventType=6的事件，sum(e.value)会返回NULL，但物化视图中duration是Int8类型，NULL会被自动转换为0。如果原查询未显式处理NULL值，会出现原查询显示NULL、物化视图显示0的差异。

修复：
在原查询中显式处理NULL值，与物化视图的行为保持一致：

COALESCE(sum(e.value), 0) AS duration

4. POPULATE的局限性（次要排查） #

使用POPULATE创建物化视图时，仅会一次性导入创建时的现有数据，后续原表的新数据依赖物化视图自动同步。若创建后原表有新数据写入但同步异常，也会导致结果差异。此情况更多表现为数据不全，而非特定页面数值不符，可作为次要排查点。

内容的提问来源于stack exchange，提问作者Rami Dridi