在SQL视图中使用LIKE进行模糊匹配时，数据库往往无法有效利用普通B树索引，导致查询走全表扫描，尤其数据量大时响应极慢。很多开发者希望借助全文索引或GIN索引来优化，但视图本身的特性限制了直接建索引的可能，需要结合物化视图或底层表索引来实现。
为什么视图中的LIKE查询慢
视图本质是一条存储的SELECT语句，普通视图不保存数据，每次查询都会展开成底层表的查询。如果在WHERE子句中对字段使用LIKE '%关键词%'，优化器通常只能做顺序扫描，因为B树索引不支持前后模糊。
常见慢查询示例
-- 假设有一个视图 v_user CREATE VIEW v_user AS SELECT id, name, email FROM users; -- 在视图上做模糊查询 SELECT * FROM v_user WHERE name LIKE '%张%';
上述语句最终会在users表上执行LIKE，若无特殊索引就会全表扫描。
能否直接在视图上建全文索引或GIN索引
多数数据库（如PostgreSQL、MySQL）不允许在普通视图上创建索引。解决思路是改用物化视图，或者直接在底层表建立合适的索引，让视图查询自然受益。
PostgreSQL中使用GIN索引
如果模糊匹配是针对数组或需要三元组匹配，可使用pg_trgm扩展配合GIN索引。先在基表上建索引：
-- 启用三元组扩展 CREATE EXTENSION IF NOT EXISTS pg_trgm; -- 在基表字段上建GIN索引 CREATE INDEX idx_users_name_gin ON users USING gin (name gin_trgm_ops); -- 物化视图替代普通视图 CREATE MATERIALIZED VIEW mv_user AS SELECT id, name, email FROM users; -- 查询物化视图，此时可命中索引 SELECT * FROM mv_user WHERE name LIKE '%张%';
gin_trgm_ops让LIKE任意片段模糊也能使用索引，大幅提升速度。
利用全文索引优化
若业务是关键词搜索而非任意子串，全文检索比LIKE更合适。PostgreSQL可建tsvector列并建GIN索引：
-- 基表增加全文向量
ALTER TABLE users ADD COLUMN name_tsv tsvector;
UPDATE users SET name_tsv = to_tsvector('simple', name);
-- 建GIN全文索引
CREATE INDEX idx_users_name_tsv ON users USING gin(name_tsv);
-- 通过物化视图暴露
CREATE MATERIALIZED VIEW mv_user_fts AS
SELECT id, name, email, name_tsv FROM users;
-- 使用全文查询
SELECT * FROM mv_user_fts WHERE name_tsv @@ to_tsquery('simple', '张');
MySQL中的替代方案
MySQL不支持GIN，但提供了FULLTEXT索引。对InnoDB表可建全文索引，并用MATCH AGAINST替换LIKE：
-- 基表建全文索引
ALTER TABLE users ADD FULLTEXT INDEX ft_name (name);
-- 查询使用全文检索
SELECT * FROM users WHERE MATCH(name) AGAINST('张' IN NATURAL LANGUAGE MODE);
注意全文索引对中文需配置ngram解析器，且不适用于中间任意模糊的场景。
总结建议
- 普通视图不能直接建索引，优先改用物化视图或优化基表索引。
- PostgreSQL下任意子串模糊用pg_trgm加GIN索引效果最好。
- 关键词搜索场景用全文索引替代LIKE，性能更优。
- MySQL可用FULLTEXT配合ngram支持中文搜索。
合理选择索引类型与视图形态，才能从根本上解决SQL视图中LIKE模糊匹配的性能瓶颈。