如何降低视图查询执行耗时？无索引下如何优化视图查询速度？

你遇到的视图查询慢，本质是MySQL处理带聚合、多表关联的普通视图的默认逻辑导致的：这类视图无法使用MERGE查询优化，执行时会先完整跑完视图内的全量逻辑，把所有日期、所有符合条件的数据全量关联聚合生成临时结果集，最后再套用你写的WHERE date='2022-02-25'条件做过滤。
等于你本来只需要查1天的数据，数据库被迫先把几个表的全量历史数据全部扫一遍、做完所有聚合计算、关联完所有维度表，再从结果里挑出你要的那天的记录，耗时自然远高于直接查普通表。
你当前视图里的三个聚合子查询（停机时长统计testdb、产量统计pro、维修统计rep）都是无前置过滤的全表按skey分组聚合，是最主要的性能损耗点。

以下方案不需要新增任何索引，改完后单日查询耗时基本可以降到0.1秒以内：

• 下推过滤条件，避免全量聚合
  不要在视图外层加日期过滤，直接把日期、区域过滤条件下推到视图最底层的表查询中：
  1. 先在最核心的adhoc表查询时就加adh.date = 'xxx'、adh.area = 'Assembly'的筛选，先拿到目标日期对应的所有skey和产线数据
  2. 三个聚合子查询做关联时，只聚合前面筛出来的skey对应的数据，不要全表扫描所有历史数据做分组聚合。如果是固定查单日数据，甚至可以直接把日期条件加到down/prod/repair表的过滤逻辑里，数据扫描量能直接下降几个数量级。
• 移除冗余的表关联
  当前视图里down和prod两个子查询都单独join了一次family表做area过滤，最后外层又第三次joinfamily表拿维度字段，属于完全重复的关联。直接删掉子查询里的两次family表join，只保留外层的一次join即可，能减少大量无意义的关联匹配计算。
• 替换普通视图为更合适的实现
  1. 如果你的查询大多是带固定日期/小范围日期条件的，不要用封装全量逻辑的普通视图，直接写查询语句或者用带日期参数的存储过程，每次查询先筛小范围数据再做聚合
  2. 如果你的数据库支持（MariaDB、Percona MySQL 8.0+），可以改用物化视图，提前按天/小时预聚合好所有统计结果存成实体表，查询时直接读预计算好的表，速度和查普通原生表一致。
• 减少重复的字段计算
  视图里(pro.produced + pro.service) * adh.takt_time /60这个值在uptime、minute_error、oa、ay四个字段计算里重复出现了四次，可以在子查询里提前算一次这个值，外层直接引用，减少重复的算术计算开销，这部分虽然占比不高，但积少成多。

你当前5秒多的耗时，99%来自全表聚合全量历史数据的无效计算，和索引缺失关系不大。按上面的方案调整后，不需要新增任何索引，单日查询的性能就能和你查普通表的速度基本持平。

内容的提问来源于stack exchange，提问作者REVATHI