视图查询比原表慢的根本原因是外层where条件未下推至基表扫描，导致先物化中间结果再过滤；典型执行计划特征为materialize/using temporary/table spool，诱因包括group by、distinct、union、窗口函数、嵌套过深及select*或字段表达式。
视图查询比原表慢，不是因为“视图本身有开销”，而是外部 WHERE 条件大概率没落到基表扫描上——优化器被迫先算完视图结果，再过滤，中间结果集越大，越卡。
执行计划里出现 Materialize / Using temporary 就是铁证
这是最直接的判断依据。不同数据库表现略有差异：
- PostgreSQL：执行计划中看到
Materialize节点，尤其在视图展开后出现在基表上方 - SQL Server：出现
Table Spool或Compute Scalar后紧跟大范围Filter - MySQL：
type = ALL且Extra含Using temporary，哪怕你加了WHERE user_id = 123
这些节点意味着：数据库把视图当成一个独立中间表物化出来了，而不是把它逻辑展开、把外层条件下推到基表扫描环节。
GROUP BY、DISTINCT、UNION、窗口函数会强制物化
只要视图定义里含以下任一结构，谓词下推基本失效：
-
GROUP BY（哪怕只分组一个字段） -
DISTINCT（去重必须等全部数据产出后才能判） -
UNION（合并前两路结果需各自完成） - 窗口函数如
ROW_NUMBER()、RANK() - 子查询（尤其是相关子查询或标量子查询）
MySQL 尤其敏感：ALGORITHM = TEMPTABLE（默认行为之一）会彻底绕过基表索引；哪怕你 SELECT * FROM v_user WHERE id = 123，它也先全量物化视图，再筛第 123 行。
嵌套三层以上，下推大概率断掉
视图 A → B → C 这种链式嵌套，优化器对中间结果集大小估算偏差极大。一旦某层用了 LIMIT、OFFSET 或聚合，就容易：
- 连接顺序错乱（本该用小结果集驱动大表，结果反了）
- 驱动表选反（比如用百万行表去 JOIN 十万行表）
- 直接放弃下推所有外层
WHERE条件
验证方法很简单：用 pg_get_viewdef('v_c')（PG）或 sp_helptext 'v_c'（SQL Server）逐层展开，手动拼出最终 SQL，再跑一次 EXPLAIN —— 如果这时能命中索引、rows 显著下降，那问题就锁定在嵌套层级导致的下推失败。
字段表达式和 SELECT * 破坏下推能力
视图里写 UPPER(name) 或 SELECT *，会让优化器无法确认列的来源和可过滤性：
-
WHERE UPPER(name) = 'ABC'无法命中name索引（除非建函数索引） -
SELECT *导致中间结果集膨胀，网络传输、内存占用、排序开销都变大 - 即使基表有
(tenant_id, status)索引，但视图里ORDER BY UPPER(name)，也可能触发Using filesort
真正起作用的永远是基表索引——视图不存数据，也不建索引。所谓“视图走索引”，本质是外层条件能否被下推、基表能否复用已有索引。字段顺序错一位、表达式裹一层、嵌套深一层，下推就可能失败。
