讲师中心 微信公众号

工具推荐

视频效率加速
AniShort
AniShort

AI短剧协同制作平台

立刻MV
立刻MV

低成本歌曲 MV、视频生成

updream

一键生成高质量推广成片

Seko
Seko

AI短剧一键生成成片

怎么在SQL中使用视图对高基数模糊查询进行前置过滤优化?

大静酱_3258

大静酱_3258

发布时间:2026-11-20 10:43:01

|

972人浏览过

|

来源于php中文网

原创

视图中加WHERE对模糊查询无效,因优化器常无法将LIKE条件下推至基表,尤其视图含GROUP BY、DISTINCT或多层JOIN时,会先全量计算再过滤;真正起效的是基表是否建有匹配的前缀索引或全文索引。

怎么在sql中使用视图对高基数模糊查询进行前置过滤优化?

为什么视图里加WHERE条件对模糊查询没用?

因为数据库优化器未必能把外部查询的 LIKE 条件下推到视图定义中——尤其当视图含 GROUP BY、DISTINCT 或多层 JOIN 时,优化器常放弃重写,导致先全量计算视图结果,再过滤。你写 SELECT * FROM v_user_search WHERE name LIKE '%张%',执行计划里可能显示先扫描全部用户、做所有关联、聚合完才匹配字符串。

前置过滤必须从基表索引层开始

视图本身不存数据,也不自带索引。真正起作用的是基表上是否建了支持模糊前缀匹配的索引:

  • name LIKE '张%' 可走 B-Tree 索引(需字段为前导列)
  • name LIKE '%张%' 无法用普通 B-Tree,得靠全文索引或 pg_trgm(PostgreSQL)/ FULLTEXT(MySQL)
  • 若视图里用了函数如 UPPER(name),哪怕基表有索引,也因表达式失效

所以“前置过滤”不是在视图里写 WHERE,而是确保视图定义中涉及的基表字段已建好对应索引,并且视图 SQL 不破坏索引可用性。

如何让模糊条件实际下推进视图?

关键在视图定义足够“透明”,避免触发优化器放弃内联:

  • 不用 DISTINCT、GROUP BY、窗口函数——它们基本阻断下推
  • 避免子查询、标量子查询(如 (SELECT COUNT(*) FROM ...))
  • JOIN 顺序要合理:把带模糊条件的主表放在 FROM,其他表用 LEFT JOIN,别反过来
  • MySQL 8.0+ 可尝试加 ALGORITHM = MERGE 强制内联(但不保证成功)

示例:这个视图大概率能下推 WHERE:

CREATE VIEW v_user_basic AS
SELECT u.id, u.name, u.phone, c.city_name
FROM users u
LEFT JOIN cities c ON u.city_id = c.id;

而这个几乎肯定不能:

CREATE VIEW v_user_summary AS
SELECT u.name, COUNT(o.id) AS order_cnt
FROM users u
LEFT JOIN orders o ON u.id = o.user_id
GROUP BY u.name;

高基数场景下,比视图更有效的替代方案

当视图 + 模糊查询持续慢(比如百万级 name 字段),说明问题不在封装逻辑,而在检索机制本身:

  • 直接查基表 + 全文索引:MySQL 用 MATCH(name) AGAINST('张*' IN BOOLEAN MODE),PostgreSQL 用 to_tsvector + @@
  • 用物化视图(如 PostgreSQL 的 REFRESH MATERIALIZED VIEW CONCURRENTLY)预计算高频模糊词根
  • 把模糊逻辑下沉到应用层:先用前缀索引快速筛出候选集(如 name LIKE '张%'),再在内存里做 contains 过滤
  • 达梦/Oracle 等支持函数索引的库,可建 CREATE INDEX idx_name_trunc ON users (SUBSTR(name, 1, 2)) 加速双字模糊首字定位

视图只是查询外壳,它不会自动给你加索引、也不会重写你的 LIKE。真正决定模糊查询快慢的,永远是基表结构、索引策略和优化器是否信任这段 SQL 能安全下推——而这三点,都在创建视图之前就该定好。

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

热门AI工具

更多
PixPix
PixPix Hot

PixPix是一款面向电商视觉生产的AI商品图生成工具。

WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

火山引擎

火山引擎是一款面向企业的云计算与AI服务平台。

墨刀AI
墨刀AI Hot

一款AI图像与设计工具,主要用于产品经理的专属智能体,适合需要提升相关任务效率的用户。

DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

蛙蛙写作

一款AI论文写作工具,主要用于超级AI智能写作助手,适合需要提升相关任务效率的用户。

Seko
Seko Hot

一款AI视频创作工具,主要用于商汤科技推出的创编一体的AI短视频创作Agent,适合需要提升相关任务效率的用户。

SoundView
SoundView Hot

SoundView是一款面向跨境电商的视频翻译、配音和本地化 AI 创作平台。

相关专题

更多
大数据分析工具有哪四个
大数据分析工具有哪四个

大数据分析的四个工具分别是rapidminer、Hpcc、Hadoop和Pentaho bi。大数据分析用于从各种来源生成的原始数据中提取有价值的数据。这些数据帮助我们获得有意义的见解、隐藏的模式、未知的相关性、市场趋势等等,具体取决于行业。大数据分析的主要动机是提供有价值的见解,以便为未来做出更好的决策。php中文网为大家带来了大数据分析的相关教程、以及相关文章等内容,供大家免费下载使用。

6676

2023.06.21

Java 大数据处理基础(Hadoop 方向)
Java 大数据处理基础(Hadoop 方向)

本专题聚焦 Java 在大数据离线处理场景中的核心应用,系统讲解 Hadoop 生态的基本原理、HDFS 文件系统操作、MapReduce 编程模型、作业优化策略以及常见数据处理流程。通过实际示例(如日志分析、批处理任务),帮助学习者掌握使用 Java 构建高效大数据处理程序的完整方法。

1289

2025.12.08

大数据专业学习教程
大数据专业学习教程

本专题整合了大数据专业学习相关教程,阅读专题下面的文章了解更多详细内容。

243

2026.01.05

python处理大数据合集
python处理大数据合集

本专题整合了python处理大数据相关教程,阅读专题下面的文章了解更多详细内容。

546

2026.01.05

数据分析工具有哪些
数据分析工具有哪些

数据分析工具有Excel、SQL、Python、R、Tableau、Power BI、SAS、SPSS和MATLAB等。详细介绍:1、Excel,具有强大的计算和数据处理功能;2、SQL,可以进行数据查询、过滤、排序、聚合等操作;3、Python,拥有丰富的数据分析库;4、R,拥有丰富的统计分析库和图形库;5、Tableau,提供了直观易用的用户界面等等。

5143

2023.10.12

SQL中distinct的用法
SQL中distinct的用法

SQL中distinct的语法是“SELECT DISTINCT column1, column2,...,FROM table_name;”。本专题为大家提供相关的文章、下载、课程内容,供大家免费下载体验。

1051

2023.10.27

SQL中months_between使用方法
SQL中months_between使用方法

在SQL中,MONTHS_BETWEEN 是一个常见的函数,用于计算两个日期之间的月份差。想了解更多SQL的相关内容,可以阅读本专题下面的文章。

1349

2024.02.23

SQL出现5120错误解决方法
SQL出现5120错误解决方法

SQL Server错误5120是由于没有足够的权限来访问或操作指定的数据库或文件引起的。想了解更多sql错误的相关内容,可以阅读本专题下面的文章。

7241

2024.03.06

Nginx CVE-2026-123007排查与防护指南
Nginx CVE-2026-123007排查与防护指南

Nginx HTTP/2漏洞该怎么修复?本专题围绕CVE-2026-123007,介绍安全版本升级、模块兼容检查和配置恢复方法,以及日志排查、权限设置等后续加固操作,方便你按实际部署情况查找对应教程。

0

2026.11.20

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn