MySQL视图与索引：从虚拟表本质到慢查询优化实战

线上MySQL慢查询多，业务又催着优化的时候，我猜不少人都被问过这两个问题：视图能不能加速查询？为什么明明建了索引，SQL还是慢？这次就把视图和索引这两个东西放到一起，揉碎了讲清楚，从原理到实操再到踩坑，一篇说透。

先泼一盆冷水：视图本身不加速查询，搜索引擎里那个“视图可以加快查询速度吗”的问题，是典型的外行误区。视图本质是虚拟表，它只是帮你把一段SQL存起来，查询视图的时候还是执行这段SQL，MySQL不会给视图结果做任何缓存。真正让查询变快的是底层表的索引，以及你SQL本身能不能命中索引。所以这篇不是单纯讲某个语法，而是把“视图封装 + 索引加速”这套组合打法讲透，适合刚入门但已经写过不少SQL的开发者，也适合准备MySQL面试、或者正在处理线上慢SQL的同学。

1. 先搞清楚视图的本质，再看索引

1.1 视图到底是个什么东西：一张不占物理空间的“虚拟表”

视图在我看来就像你在数据库上开了一个“查询窗口”。你创建视图的时候，MySQL做的事情极其简单：把你那段SELECT语句存下来，仅此而已。视图不复制数据，不占用额外的数据存储空间，它每次被查询时都会实时执行底层的SELECT语句。

拿生活类比，视图有点像你在手机里存了一个“常去餐厅”的快捷方式，但这个快捷方式每次点进去都是实时到餐厅买饭，而不是提前把饭囤在家里。这个类比很重要，因为理解了这一点，你就理解了视图的绝大多数性能局限：

• 为什么要用视图？因为你可以把一段很长、很复杂的多表关联查询封装成一个看起来像“表”的东西，业务代码里直接SELECT * FROM v_order_summary就行，代码清爽很多。
• 视图能不能减少磁盘IO？不能，因为数据还是从底层表读出来的，该做多少IO还是多少。
• 视图能不能当临时表用？不建议，尤其不要在视图上再套视图，那种几层嵌套视图的查询计划复杂到你想哭。

1.2 视图的真正价值：安全、简化、逻辑隔离

视图最大的价值之一在于数据安全和权限控制。我举个实际场景：你有一个用户表叫user，里面有id, name, phone, email, password_hash, created_at等字段。如果直接给业务账号开放这个表的SELECT权限，那业务方就能看到所有人的手机号和密码哈希，一旦业务方代码被拖库，用户隐私数据等于裸奔。

视图在这里能做的事情是：只暴露必要字段。

sql复制CREATE VIEW v_user_public AS
SELECT id, name, created_at
FROM user;

然后你把user表的权限收回，只给业务账号授予对v_user_public的SELECT权限。这样业务方想查手机号也查不到，因为视图在设计上就切掉了敏感字段。这个做法在金融、医疗等对数据合规要求高的系统里几乎是标配。

视图还能做逻辑隔离。某个业务要调整表结构，但下游有十几个报表依赖旧字段，你可以在不阻塞业务的情况下，通过视图把旧字段映射到新表结构。这种“改表先建视图过渡”的操作我实际用过，在核心业务表上做字段拆分时非常有用。

1.3 视图能加速查询吗：聊聊那个高频迷思

直接给结论：**视图本身不能加速查询，它加速的是开发和维护的效率。**精确地讲，你能通过视图实现“SQL级复用”，但复用的还是那串SQL。假如底层的SQL写得烂，查询视图一样慢。

但网上有个点需要补充说明——视图在一些特定场景下会让你产生“变快了”的错觉。比如原来业务代码里，用户先在A表查一遍，再跑个循环到B表查一遍，N+1次查询。你后来用视图做了多表JOIN，把N+1次查询合并成一次SQL查询视图，数据量小的时候网络交互减少了，确实体感会快。但这个快跟“视图”这个对象没有直接关系，是因为你用JOIN替代了N+1次循环查询，本质上还是SQL写法的优化。

你真正想加速视图查询的时候，唯一正确的发力点是：优化视图定义中的那条SELECT语句，并在底层表上建好对应索引。视图不能建索引，这条要刻在脑子里。MySQL官方限制，视图上不能直接创建索引，所谓“给视图加索引”实际都是给底层表加索引。

1.4 MySQL视图和物化视图的区别

既然话题聊到这，顺便把物化视图带出来。Oracle、PostgreSQL、SQL Server都有物化视图，它跟MySQL普通视图有本质不同：物化视图会把查询结果真的落盘存储，占物理空间，同时支持定期刷新数据。因为数据是预先算好的，所以查询时确实快，属于典型的“空间换时间”。

但MySQL至今没有原生物化视图。如果哪天你的人跟你说“用MySQL物化视图优化报表”，那大概率是在说用定时任务把统计结果写进一张中间表，或者用CREATE TABLE ... AS SELECT来做快照。这确实是报表类业务的常用方案，但它不是MVCC语义下实时可见的视图，你要自己管理刷新时机。

注意：MySQL 8.0里有个关于视图的优化是MERGE / TEMPTABLE算法，但那是查询执行策略，不是物化缓存。想用“伪物化视图”方案，我会在5.5节给一个经验上的做法。

2. 视图其实也有语法细节和性能边界

2.1 创建视图的几个标准姿势

视图语法很简单，核心就是CREATE VIEW加一段SELECT。我平时建视图一定会注意下面三点：

sql复制CREATE OR REPLACE VIEW v_user_public AS
SELECT id, name, created_at
FROM user
WHERE deleted = 0;

第一，加OR REPLACE。因为视图的修改往往是迭代式的，你写完第一天觉得字段够了，第二天业务说要加个字段，没有OR REPLACE就要先DROP再CREATE，两条SQL有间隙，有依赖关系的地方可能会报错。直接OR REPLACE一条SQL搞定，原子性好不少。

第二，SELECT里的字段建议显式列出列名，而不是滥用*。视图的字段列表一旦被下游引用，你把*替换成具体字段会更可控。视图数据结构出问题的时候，你排查显式字段比排查*来的容易。

第三，WHERE条件里带上数据权限或软删除过滤。比如上面的deleted = 0，这样用一个视图就把“已删除数据不给业务方看”的规则统一收口，谁查这个视图都不会意外把脏数据捞出来。这个习惯遇到要对外提供数据查询的部门接口时，能帮你省下不少扯皮的功夫。

2.2 可更新视图的边界条件：不是所有视图都能UPDATE

很多新手不知道，MySQL里的视图除了查，还能用来INSERT、UPDATE、DELETE。但限制非常多，挑几个我踩过坑的：

• 视图和底层表必须是一对一关系，也就是说视图定义里不能有DISTINCT、GROUP BY、HAVING、UNION、聚合函数、子查询等，这些都会导致视图不可更新。
• 视图里的列必须直接映射到表里的真实列。如果你在SELECT里写了(price * quantity) AS total_price这种表达式列，那这个视图基本就不可更新了，因为MySQL没法反向计算出应该如何修改price或quantity。
• 底层表有NOT NULL约束但视图没包含这个字段，插入的时候就会报错。

坦白说，我几乎不推荐用可更新视图去写数据。视图最大的使用场景是只读，拿来做权限控制和简化查询。真要通过视图做数据订正，也务必先跑SELECT确认视图范围，再用WHERE精确匹配主键来做UPDATE，并且操作前备份。视图写操作被业务代码大面积使用后，调试复杂度会成倍上升。

2.3 视图管理：查看定义、修改与删除

实际工作里总要维护别人留下的视图。常用管理语句：

sql复制-- 查看某个视图的定义语句
SHOW CREATE VIEW v_user_public;

-- 查看某张表有哪些视图依赖（在 information_schema 中查询）
SELECT table_name, view_definition
FROM information_schema.views
WHERE table_schema = 'your_db';

查看依赖也很重要。删除底层字段前，先查一下有没有视图引用它。视图是逻辑对象，底层字段删了视图不会自动报错，但查询视图的时候SQL就会报错，这种问题一旦发生在半夜值班期间，真的很酸爽。我一般在现网做表结构调整前的操作清单里，第一步就是查依赖视图清单，第二步才会动表结构。

2.4 视图开发时的几个老经验

一是不要搞超过两层的视图嵌套。SQL的可读性本来就比应用代码差，视图套视图，你最终得到的是一个层层拼接的怪物SQL，优化器有时候也不见得能聪明地把嵌套视图完全展开成最优执行计划。真要多层封装，我的做法是把中间层的复杂统计落成中间表，而不是中间视图。

二是视图里的JOIN要控制规模。视图拼接5张以上大表，会直接成为后端数据库的“隐形压力来源”，因为每次有人查这个视图，底层都要把这5张表关联一遍。你如果发现某个视图查询特别多，但每次查询条件都只是按某个主键过滤少数记录，那就可以考虑用存储过程参数或直接改造成业务SQL，不要用一个庞大的视图承载所有过滤情况。

3. 索引是怎么让查询飞起来的

3.1 B+Tree索引结构：为什么它能扛住千万条数据

聊完了视图，接下来到索引重头戏。很多人背概念很熟，但一遇到“为什么这个SQL没走索引”就懵，根子上是没吃透索引结构。MySQL InnoDB引擎用得最多的是B+Tree索引，要理解它，先记住三件事：

• B+Tree是一种多路平衡搜索树，它的每个节点可以存储多个键值，而且所有数据都存在叶子节点上，叶子节点之间用指针串成有序链表。
• 树的高度非常低。InnoDB默认页大小是16KB，假设一行数据1KB，一个叶子页能放16条记录，一个非叶子页能放约16KB / 8B ≈ 1000多个键值指针。两层非叶子加一层叶子，也就是高度为3的B+Tree，大约能存储1000 × 1000 × 16 = 1600万条记录。
• 既然数据在叶子节点，而且叶子之间有序，那么范围查询和排序查询天然就有优势，不需要回溯。你执行WHERE age BETWEEN 20 AND 30的时候，只要定位到age=20那条记录，沿着叶子节点的链表一路往后扫到age=30就行了。

所以B+Tree索引能支撑千万级数据查询，核心不是“快”，而是磁盘IO次数少——每次定位一条记录，树的高度是多少就做多少次磁盘IO。3次IO定位千万数据，这就是B+Tree厉害的地方。这也是面试里高频问题“为什么MySQL用B+Tree而不是Hash或者红黑树”的基本论据：Hash索引不支持范围查询，红黑树树太高IO次数多。

3.2 聚簇索引、二级索引与回表

InnoDB里，表的数据本身就按主键索引组织，这种索引叫聚簇索引。聚簇索引的叶子节点存的是整行数据，所以“通过主键查询”是最快的路径，因为扫到索引等于直接拿到数据。

你在其他字段上建立的索引叫二级索引或辅助索引。二级索引的叶子节点存的是索引列值 + 主键值。这里就引出“回表”的概念：

sql复制-- 假设 user 表: id 是主键，name 上有普通索引 idx_name
SELECT * FROM user WHERE name = '张三';

执行这个查询时，MySQL先通过idx_name找到所有满足条件的叶子节点，拿到对应主键id，然后再拿这些id去聚簇索引查整行数据。这个步骤就是回表。

回表本身不可怕，可怕的是回表次数太多。如果你按name查出来10万条记录，那就要回表10万次，性能立刻炸。所以优化时一个重要手段就是尽量“避免回表”，让查询所需的所有字段都能在二级索引里找到，这就是下一节的覆盖索引。

3.3 联合索引与最左前缀原则：设计索引的底层逻辑

日常开发里，单列索引很容易建，真正考验水平的是联合索引。比如我要查询“某个用户在某段时间内的订单”，那我大概率会建(user_id, created_at)联合索引，而不是user_id和created_at各建一个单列索引。

原因在于B+Tree的排序特性。联合索引的键值排序是先按第一个列排，第一列相同再按第二列排，以此类推。就像查字典，先按部首、再按笔画，你想用“笔画”直接定位是做不到的。数据库也一样：

• 走联合索引(user_id, created_at)的最左前缀，WHERE user_id = 1或WHERE user_id = 1 AND created_at > '2024-01-01'都能用上索引。
• 但你直接WHERE created_at > '2024-01-01'就不满足最左前缀原则，索引大概率失效。

所以设计联合索引时，判断依据是“我有哪些查询条件，这些条件里哪个列必须等值匹配，哪个列是范围匹配”。通常把等值匹配的列放前面，范围匹配的列放后面，这样索引利用率最高。这也是为什么我个人不推荐单纯“把所有查询列都塞进一个索引”这种无脑做法，排列顺序错了，索引可能一半场景都用不上。

3.4 覆盖索引的实战价值：少一次回表，性能翻倍

覆盖索引这种优化很适合在实际项目里直接落地。拿电商订单为例，先看两条SQL：

sql复制-- 慢一点的版本：select * 必然要回表拿完整行数据
SELECT * FROM order_table WHERE user_id = 12345 ORDER BY created_at DESC LIMIT 10;

-- 快一点的版本：查询列都包含在联合索引中
SELECT id, order_no, amount, created_at
FROM order_table
WHERE user_id = 12345 ORDER BY created_at DESC LIMIT 10;

如果order_table上有联合索引(user_id, created_at, order_no, amount)，第二种写法里SELECT涉及的所有字段（id是主键，二级索引叶子节点天然带着主键）都能从索引里直接拿到，不需要回表，这类查询就是“覆盖索引查询”。

实际项目里，查询结果往往需要呈现几十个字段，这时把所有字段都塞进索引不现实。折中方案是：先通过覆盖索引缩小结果集（比如只查主键id），再用主键去关联原表拿完整信息，类似这样：

sql复制SELECT o.*
FROM order_table o
INNER JOIN (
    SELECT id
    FROM order_table
    WHERE user_id = 12345
    ORDER BY created_at DESC
    LIMIT 10
) t ON o.id = t.id;

虽然是子查询，但子查询阶段只走覆盖索引，回表被推迟到只有10条记录的时候才发生。这种改写方式在处理深分页或者大结果集时效果尤其明显，比直接OFFSET 100000 LIMIT 10少了大量无效回表。

4. 索引失效场景盘点：线上事故的重灾区，也是面试高频题

4.1 对索引列使用函数或表达式

索引失效第一杀手就是对索引列做了计算。比如：

sql复制-- 这时候即便 phone 上有唯一索引，也无法定位
SELECT * FROM user WHERE phone + 0 = 13800138000;

-- 甚至字段上套函数
SELECT * FROM user WHERE DATE(created_at) = '2024-06-01';

看到这样的写法，优化器很无奈：索引里存的是原始值，你让字段先运算再比较，索引的排序结构就帮不上忙了。解决办法很直接，把计算挪到等号右侧，让索引列保持纯净：

sql复制SELECT * FROM user WHERE phone = '13800138000';

SELECT * FROM user
WHERE created_at >= '2024-06-01' AND created_at < '2024-06-02';

这个案例对应了热搜词里的“mysql中int+5”类问题，本质极相似，也是把字段放到表达式左侧导致命中不了索引。

4.2 隐式类型转换：字段类型和参数类型不一致

MySQL里如果字段是varchar，但你的查询条件传了数字，MySQL会尝试把字段转成数字再比较，等于给字段加了隐式函数，导致索引失效。比如：

sql复制-- phone 字段类型是 varchar(20)，但传入的是数字
SELECT * FROM user WHERE phone = 13800138000;

这一条会让全表扫描，别问我为什么知道这种错误常见——很多接口层参数没做好类型校验就扔进SQL，分分钟白屏。解决办法是参数和字段类型保持一致，Java代码里就传字符串，SQL里写phone = '13800138000'。

4.3 LIKE左模糊与通配符

LIKE想用索引，前提是通配符不能在最左侧：

sql复制-- 能走索引，因为前缀是确定的 'abc'
SELECT * FROM user WHERE name LIKE 'abc%';

-- 不能走索引，因为引擎不知道字符串最终以什么开头
SELECT * FROM user WHERE name LIKE '%abc';

我见过无数人问“为什么我name字段明明建了索引，LIKE查询还是慢”，一查全是%关键词%。这种模糊搜索需求确实常见，但正确解法不应该是硬扛LIKE '%xxx%'走全表扫描，而是引入全文索引或者搜索引擎（ES等），让专业工具做专业事。如果数据量小、搜索频率低，还能勉强接受全表扫，但数据量一旦上百万，这个查询会拖垮库。

4.4 范围查询与OR条件的边界

联合索引里，范围查询会导致它右侧的索引列失效。比如索引(a, b, c)，查询WHERE a = 1 AND b > 10 AND c = 5时，a能用索引定位，b能用索引做范围扫描，但c就基本用不上了。因为B+Tree在节点内是先按b排序的，b是个范围，c的有序性已经无法保证。这就是为什么推荐把范围查询列放最后或者单独考虑。

OR条件则更麻烦，WHERE a = 1 OR b = 2，如果只在a上有索引而b上没有，MySQL可能因为b没法走索引而选择全表扫描。要么给b也建索引，要么把OR改写成UNION ALL（当事务和去重逻辑允许时），要么从业务层面保证这种查询不会频繁出现。

4.5 优化器放弃索引的一些特殊情形

还有一个很多新手没想到的场景：查询的数据量占表里数据的比例太高，优化器可能认为全表扫描比走索引更快。比如状态字段只有两个值，其中90%的记录都是status=1，你查WHERE status=1时，优化器可能直接放弃索引走全表扫。这是因为回表和随机IO的成本算下来比顺序扫描还高。这类低基数字段（性别、状态、是否删除）就不适合单独建索引。

此外，如果表经过大量删除后碎片化严重，或者统计信息不准确，也可能导致优化器做出错误预估。处理方式是ANALYZE TABLE更新统计信息，必要时重建表。

4.6 索引下推（ICP）：不是失效，而是一种优化机制

搜索词里有“mysql索引下推是指什么”，这是MySQL 5.6引入的优化机制。简单说，以前联合索引(name, age)，遇到WHERE name LIKE '张%' AND age = 20时，引擎会先根据name前缀把满足条件的记录主键都取出来回表，再去过滤age。开启索引下推后，引擎会在索引遍历阶段就判断age条件，提前过滤掉不满足的记录，减少回表次数。

怎么看有没有用到索引下推？执行EXPLAIN时，Extra列里出现Using index condition就是在使用ICP。这个机制对联合索引的LIKE、范围查询场景照顾很大，日常开发不需要手动干预，属于MySQL自带的优化项。

5. 实操：从慢SQL到SQL优化的完整指挥流程

5.1 第一步：开启慢查询日志，找到真正疼的那条SQL

我接手一个性能问题时的第一件事不是猜，而是先开启慢查询日志定位目标SQL。MySQL里可以通过如下命令临时开启并设置阈值：

sql复制-- 查看当前慢日志相关配置
SHOW VARIABLES LIKE 'slow_query_log%';
SHOW VARIABLES LIKE 'long_query_time';

-- 临时开启慢日志，阈值设为1秒
SET GLOBAL slow_query_log = ON;
SET GLOBAL long_query_time = 1;

生产环境通常建议阈值设置0.5到1秒之间，太低会让你被大量普通查询刷屏，太高又漏掉潜在问题。开启后压测或观察一段时间，再查看慢日志文件，把耗时最高、出现频率最高的SQL捞出来分析。

5.2 第二步：用EXPLAIN解析SQL执行计划，别靠感觉优化

EXPLAIN的结果每个字段都有价值，但我日常最关心的几个是：

• type：从好到坏大致是const、eq_ref、ref、range、index、ALL。看到ALL就得警惕全表扫描，看到比较好的ref、range就说明索引基本用上了。
• key：实际使用的索引名。如果这一项是NULL，说明可能没走到任何索引。
• rows：优化器估算的需要扫描的行数，这个数字直接反映SQL扫描规模，优化后行数降低几个数量级，效果通常会很明显。
• Extra：看有没有Using filesort、Using temporary、Using index condition。文件排序和临时表往往是大查询的隐形杀手。

需要说明，EXPLAIN展示的是预估执行计划，不是实际执行状态。遇到执行计划非常怪的情况，可以在MySQL 8.0里用EXPLAIN ANALYZE看实际执行耗时和扫行数，定位更准。

5.3 第三步：一个完整的优化案例，从400ms压到10ms以内

纸上谈兵没意思，放一个我自己处理过的订单分页查询案例。表结构大致如下：

sql复制CREATE TABLE order_table (
  id BIGINT PRIMARY KEY AUTO_INCREMENT,
  user_id BIGINT NOT NULL,
  order_no VARCHAR(64) NOT NULL,
  status TINYINT NOT NULL DEFAULT 0,
  amount DECIMAL(12,2) NOT NULL,
  created_at DATETIME NOT NULL,
  KEY idx_user_created (user_id, created_at)
) ENGINE=InnoDB;

业务需求是按用户查订单列表，按时间倒序分页。刚开始业务方给的SQL是：

sql复制SELECT *
FROM order_table
WHERE user_id = 12345
ORDER BY created_at DESC
LIMIT 10 OFFSET 10000;

这条SQL单次执行大概在400ms左右。问题是分页越深，OFFSET越大，MySQL要先把前10010条记录都找出来，再丢弃前10000条。虽然(user_id, created_at)上的联合索引能帮上忙，但回表和深分页的代价依然很高。

优化改写后：

sql复制SELECT o.*
FROM order_table o
INNER JOIN (
    SELECT id
    FROM order_table
    WHERE user_id = 12345
    ORDER BY created_at DESC
    LIMIT 10 OFFSET 10000
) t ON o.id = t.id;

实际执行计划里，子查询阶段命中idx_user_created，由于查询列只有id和索引本身覆盖的user_id、created_at，Extra里能看到Using index，意味着子查询不需要回表。等到最后关联只有10条记录做回表，成本极低。这个改写实测单次耗时降到10ms以内，效果立竿见影。这个思路在处理后台系统深分页时尤其好用。

5.4 第四步：怎么评估一个字段到底要不要建索引

很多开发同学见一个WHERE条件就建一个索引，欠考虑。我的经验是构建一个简单评估模板：

• 先看查询频率和数据量。线上日志里没出现的查询条件，现在不建；冷门查询可以以后再说。
• 再看区分度。区分度越高，索引价值越大。区分度低的字段（性别、布尔值等）谨慎单建。
• 再看WHERE与ORDER BY的组合。比如常用WHERE user_id = ? ORDER BY created_at DESC，就建(user_id, created_at)联合索引，不仅条件过滤快，也替数据库省去filesort。
• 最后考虑覆盖。如果某个高频查询永远只取少量字段，可以考虑把这些字段扩进联合索引，让查询走覆盖索引。

索引并不是越多越好。每一个索引都会拖慢INSERT/UPDATE/DELETE的写入性能，因为每次写数据都要同步更新索引树。表上三个冗余索引和八个滥用索引，对线上延迟的影响天差地别。

5.5 给视图查询“加速”的落地组合方案

之前说了MySQL没有原生物化视图，但报表查询又确实有“预聚合结果 + 定期刷新”的需求。我的常规做法是结合视图的易用性和中间表的性能：

1. 用定时任务或事件调度器，定期将常用统计SQL的结果写入一张带索引的中间表（例如daily_order_stats）。
2. 在中间表上建对应索引。
3. 对外创建一个视图，直接SELECT * FROM daily_order_stats，让下游应用无需感知中间表的存在；哪天中间表结构要扩展字段时，还能通过视图映射做平滑升级。

这样的方案优势在于：每一次查询都命中中间表的小数据量和索引，速度快，同时视图在下游看来仍然稳定。MySQL里可以用下面这条SQL模拟刷新快照：

sql复制CREATE TABLE daily_order_stats_new AS
SELECT DATE(created_at) AS stat_date, COUNT(*) AS order_cnt, SUM(amount) AS order_amount
FROM order_table
GROUP BY DATE(created_at);

刷新时先建新表再原子替换（RENAME TABLE），能有效减少下游查询中断时间。没有原生物化视图的情况下，这套“中间表+视图”的组合是业务报表里性价比很高的实现方式。

6. 常见问题排查实录：这些坑我替你踩过了

6.1 索引失效场景速查表

平时排查SQL直接对照这个表效率很高。

出现问题时，第一反应应该是拿真实SQL跑一次EXPLAIN，看type和key，不要自己脑补。把慢查询日志和EXPLAIN结果截图固化下来，优化前后对比也有据可查。

6.2 视图使用中容易忽略的隐患

视图最大的隐患不在语法，而在你把它当成一张真表来设计。下面几个问题值得留意：

• 视图嵌套过深会导致执行计划可读性变差。有人把一个统计需求套了四层视图，最后数据库直接跑出10秒+的执行计划，拆开改SQL不到300ms。
• 频繁修改底层表结构时，先查视图依赖。很多平台有元数据管理，但原生MySQL环境你最好在变更前查一下information_schema.views，否则视图会带着旧字段报错，而且报错信息往往等到运行时才出现。
• 不要试图在视图上做复杂的写入操作。视图写数据一旦涉及JOIN或表达式列，MySQL的行为很容易超出你的直觉，安全起见只写单表可更新视图。
• 注意权限。视图在MySQL里本身可以设置SQL SECURITY DEFINER或SQL SECURITY INVOKER，前者会让视图以定义者权限执行，后者以调用者权限执行。如果以定义者权限执行，定义者必须有底层表相关权限，否则其他人查询视图会报权限不足。这个坑在提权操作后很容易出现。

6.3 线上加索引的经验教训：不要直接在大表上跑DDL

最后说一个我认为对线上影响最大的实操点：给千万级、亿级大表直接加索引，可能把数据库锁到业务超时。

在MySQL 5.6之前，ALTER TABLE ADD INDEX期间通常需要锁表，不能接受。即使在5.6及以后版本中，虽然内置了在线DDL支持，但大表加索引依然可能长时间占用资源、产生主从延迟。我自己的习惯是使用pt-online-schema-change这类工具在后台无锁变更。基本姿势：

bash复制pt-online-schema-change --alter "ADD INDEX idx_user_created (user_id, created_at)" \
  D=your_db,t=order_table --host=127.0.0.1 --user=root --ask-pass \
  --max-load Threads_running=50 --chunk-size=500 --critical-load Threads_running=100

这套工具的原理是先创建一个表结构相同的新表，在新表上加索引，再把原表数据分批拷贝过去，最后通过触发器同步增量数据，并在某个时间点原子的RENAME替换表。整个过程对线上读写的影响相对于原生ALTER要小得多。

平时我还会在建完索引后用SHOW INDEX FROM order_table确认索引是否已经生效，再执行一次实际SQL和EXPLAIN做验收。顺便提一句，线上优化完成之后，要把对应慢SQL的执行计划之前与之后对比图存进文档，不然过两个月连自己当时为什么这个顺序建索引都会忘。

7. 写在最后的优化习惯

数据库优化这次先聊这么多。我在实际项目里最强烈的体会是：视图和索引都不是越复杂越好，真正让系统健康的永远是回归业务场景去理解查询规律。视图的作用是让复杂查询有清晰边界，是代码层的组织工具；索引的作用是让数据检索路径更短，是存储引擎的性能工具。两者完全互补，但你首先得明白谁是主角——索引才是MySQL查询性能的基石。

如果你现在面对一张慢SQL表无从下手，我的建议是从最耗时的单条SQL开始，用EXPLAIN一步步看完type、key、rows、Extra四个字段，然后建一个验证一个。测试完成别忘了检查索引更新对写入的影响，最好在业务低峰期上线。最后再啰嗦一句：线上表数据一旦超过百万，加索引前务必备份或使用在线变更工具，别用一个ADD INDEX让整个业务陪你过夜。