ClickHouse 面对复杂聚合查询的性能瓶颈，采用预聚合表配合物化视图的手段，其性能提升的实现机制是什么？请结合 ClickHouse 的合并树表引擎与物化视图的异步写入特性，说明这一组合方案如何降低查询期的计算开销，并指出适用场景与常见注意事项。

回答思路

1. 【回答框架 1】预聚合表的本质是预先按维度计算好聚合结果并落盘存储，查询时直接读取小体积汇总数据而非扫描全量明细，从而显著降低 I/O 和 CPU 开销。其典型实现是使用 AggregatingMergeTree 或 SummingMergeTree 等特殊表引擎，在后台合并时自动完成部分聚合。
2. 【回答框架 2】物化视图在 ClickHouse 中是独立于源表的插入触发器，源表每次插入数据时，物化视图会异步增量更新预聚合表。由于异步处理，不阻塞源表写入，且聚合结果实时同步，查询侧始终能访问到最新汇总。
3. 【回答框架 3】使用策略常为：明细数据存入 MergeTree 表，同时建立 To 预聚合表的物化视图，按业务维度（如时间、用户）定义 SUM、COUNT 等聚合函数。查询路径可直接指向预聚合表，避免全表扫描。
4. 【回答框架 4】性能提升源于两点：一是数据体量骤减，聚合结果远小于明细；二是预聚合结果在后台合并，查询时无需实时计算。但需注意维度组合爆炸，预聚合粒度需按业务查询模式设计，维度过多会导致预聚合表膨胀，反而可能劣化性能。
5. 【回答框架 5】局限性：物化视图是同步插入的，对高频小批量插入可能放大写放大；不适合实时性要求极高的场景（因异步延迟）；且更改物化视图需重建，维护成本较高，需权衡预聚合粒度与灵活性。
6. 【关键点 1】预聚合表通过预先算好维度汇总，减少查询期计算量。
7. 【关键点 2】物化视图基于插入触发器异步更新预聚合表，实现增量聚合。
8. 【关键点 3】核心收益是数据量缩减与查询延迟下降。
9. 【关键点 4】维度组合过多会使预聚合表膨胀，需按查询模式设计粒度。
10. 【关键点 5】物化视图重建与维护成本高，且可能增加写入延迟。
11. 【易错点 1】将物化视图误认为实时同步，忽略异步延迟可能造成数据短暂不一致。
12. 【易错点 2】未限制维度基数，导致预聚合表行数过高，反而增加存储和查询开销。
13. 【易错点 3】用临时聚合函数导致物化视图无法正确合并，需使用 SummingMergeTree 或 AggregatingMergeTree 支持的函数。