(转)

自5.1开始对分区(Partition)有支持

= 水平分区（根据列属性按行分）=
举个简单例子：一个包含十年发票记录的表可以被分区为十个不同的分区，每个分区包含的是其中一年的记录。

=== 水平分区的几种模式：===
* Range（范围） – 这种模式允许DBA将数据划分不同范围。例如DBA可以将一个表通过年份划分成三个分区，80年代（1980's）的数据，90年代（1990's）的数据以及任何在2000年（包括2000年）后的数据。

* Hash（哈希） – 这中模式允许DBA通过对表的一个或多个列的Hash Key进行计算，最后通过这个Hash码不同数值对应的数据区域进行分区，。例如DBA可以建立一个对表主键进行分区的表。

* Key（键值） – 上面Hash模式的一种延伸，这里的Hash Key是MySQL系统产生的。

* List（预定义列表） – 这种模式允许系统通过DBA定义的列表的值所对应的行数据进行分割。例如：DBA建立了一个横跨三个分区的表，分别根据2004年2005年和2006年值所对应的数据。

* Composite（复合模式） - 很神秘吧，哈哈，其实是以上模式的组合使用而已，就不解释了。举例：在初始化已经进行了Range范围分区的表上，我们可以对其中一个分区再进行hash哈希分区。

= 垂直分区（按列分）=
举个简单例子：一个包含了大text和BLOB列的表，这些text和BLOB列又不经常被访问，这时候就要把这些不经常使用的text和BLOB了划分到另一个分区，在保证它们数据相关性的同时还能提高访问速度。

[分区表和未分区表试验过程]

*创建分区表,按日期的年份拆分

  1. mysql> CREATE TABLE part_tab ( c1 int default NULL, c2 varchar(30) default NULL, c3 date default NULL) engine=myisam
  2. PARTITION BY RANGE (year(c3)) (PARTITION p0 VALUES LESS THAN (1995),
  3. PARTITION p1 VALUES LESS THAN (1996) , PARTITION p2 VALUES LESS THAN (1997) ,
  4. PARTITION p3 VALUES LESS THAN (1998) , PARTITION p4 VALUES LESS THAN (1999) ,
  5. PARTITION p5 VALUES LESS THAN (2000) , PARTITION p6 VALUES LESS THAN (2001) ,
  6. PARTITION p7 VALUES LESS THAN (2002) , PARTITION p8 VALUES LESS THAN (2003) ,
  7. PARTITION p9 VALUES LESS THAN (2004) , PARTITION p10 VALUES LESS THAN (2010),
  8. PARTITION p11 VALUES LESS THAN MAXVALUE );

注意最后一行，考虑到可能的最大值

*创建未分区表

  1. mysql> create table no_part_tab (c1 int(11) default NULL,c2 varchar(30) default NULL,c3 date default NULL) engine=myisam;

*通过存储过程灌入800万条测试数据

mysql> set sql_mode=''; /* 如果创建存储过程失败，则先需设置此变量, bug? */

MySQL> delimiter //   /* 设定语句终结符为 //，因存储过程语句用;结束 */

  1. mysql> CREATE PROCEDURE load_part_tab()
  2. begin
  3. declare v int default 0;
  4. while v < 8000000
  5. do
  6. insert into part_tab
  7. values (v,'testing partitions',adddate('1995-01-01',(rand(v)*36520) mod 3652));
  8. set v = v + 1;
  9. end while;
  10. end
  11. //
  12. mysql> delimiter ;
  13. mysql> call load_part_tab();

Query OK, 1 row affected (8 min 17.75 sec)

  1. mysql> insert into no_part_tab select * from part_tab;

Query OK, 8000000 rows affected (51.59 sec)
Records: 8000000 Duplicates: 0 Warnings: 0

* 测试SQL性能

  1. mysql> select count(*) from part_tab where c3 > date '1995-01-01' and c3 < date '1995-12-31';

+----------+
| count(*) |
+----------+
|   795181 |
+----------+

1 row in set (0.55 sec)

  1. mysql> select count(*) from no_part_tab where c3 > date '1995-01-01' and c3 < date '1995-12-31';

+----------+
| count(*) |
+----------+
|   795181 |
+----------+
1 row in set (4.69 sec)
结果表明分区表比未分区表的执行时间少90%。

* 通过explain语句来分析执行情况

  1. mysql > explain select count(*) from no_part_tab where c3 > date '1995-01-01' and c3 < date '1995-12-31'\G

/* 结尾的\G使得mysql的输出改为列模式 */                    
*************************** 1. row ***************************
           id: 1
select_type: SIMPLE
        table: no_part_tab
         type: ALL
possible_keys: NULL
          key: NULL
      key_len: NULL
          ref: NULL
         rows: 8000000
        Extra: Using where
1 row in set (0.00 sec)

  1. mysql> explain select count(*) from part_tab where c3 > date '1995-01-01' and c3 < date '1995-12-31'\G

*************************** 1. row ***************************
           id: 1
select_type: SIMPLE
        table: part_tab
         type: ALL
possible_keys: NULL
          key: NULL
      key_len: NULL
          ref: NULL
         rows: 798458
        Extra: Using where
1 row in set (0.00 sec)
explain语句显示了SQL查询要处理的记录数目

* 试验创建索引后情况

  1. mysql> create index idx_of_c3 on no_part_tab (c3);

Query OK, 8000000 rows affected (1 min 18.08 sec)
Records: 8000000 Duplicates: 0 Warnings: 0

  1. mysql> create index idx_of_c3 on part_tab (c3);

Query OK, 8000000 rows affected (1 min 19.19 sec)
Records: 8000000 Duplicates: 0 Warnings: 0
创建索引后的数据库文件大小列表：
2008-05-24 09:23             8,608 no_part_tab.frm
2008-05-24 09:24       255,999,996 no_part_tab.MYD
2008-05-24 09:24        81,611,776 no_part_tab.MYI
2008-05-24 09:25                 0 part_tab#P#p0.MYD
2008-05-24 09:26             1,024 part_tab#P#p0.MYI
2008-05-24 09:26        25,550,656 part_tab#P#p1.MYD
2008-05-24 09:26         8,148,992 part_tab#P#p1.MYI
2008-05-24 09:26        25,620,192 part_tab#P#p10.MYD
2008-05-24 09:26         8,170,496 part_tab#P#p10.MYI
2008-05-24 09:25                 0 part_tab#P#p11.MYD
2008-05-24 09:26             1,024 part_tab#P#p11.MYI
2008-05-24 09:26        25,656,512 part_tab#P#p2.MYD
2008-05-24 09:26         8,181,760 part_tab#P#p2.MYI
2008-05-24 09:26        25,586,880 part_tab#P#p3.MYD
2008-05-24 09:26         8,160,256 part_tab#P#p3.MYI
2008-05-24 09:26        25,585,696 part_tab#P#p4.MYD
2008-05-24 09:26         8,159,232 part_tab#P#p4.MYI
2008-05-24 09:26        25,585,216 part_tab#P#p5.MYD
2008-05-24 09:26         8,159,232 part_tab#P#p5.MYI
2008-05-24 09:26        25,655,740 part_tab#P#p6.MYD
2008-05-24 09:26         8,181,760 part_tab#P#p6.MYI
2008-05-24 09:26        25,586,528 part_tab#P#p7.MYD
2008-05-24 09:26         8,160,256 part_tab#P#p7.MYI
2008-05-24 09:26        25,586,752 part_tab#P#p8.MYD
2008-05-24 09:26         8,160,256 part_tab#P#p8.MYI
2008-05-24 09:26        25,585,824 part_tab#P#p9.MYD
2008-05-24 09:26         8,159,232 part_tab#P#p9.MYI
2008-05-24 09:25             8,608 part_tab.frm
2008-05-24 09:25                68 part_tab.par

* 再次测试SQL性能

  1. mysql> select count(*) from no_part_tab where c3 > date '1995-01-01' and c3 < date '1995-12-31';

+----------+
| count(*) |
+----------+
|   795181 |
+----------+

1 row in set (2.42 sec)   /* 为原来4.69 sec 的51%*/

重启mysql ( net stop mysql, net start mysql)后，查询时间降为0.89 sec,几乎与分区表相同。

  1. mysql> select count(*) from part_tab where c3 > date '1995-01-01' and c3 < date '1995-12-31';

+----------+
| count(*) |
+----------+
|   795181 |
+----------+
1 row in set (0.86 sec)

* 更进一步的试验
** 增加日期范围

  1. mysql> select count(*) from no_part_tab where c3 > date '1995-01-01' and c3 < date '1997-12-31';

+----------+
| count(*) |
+----------+
| 2396524 |
+----------+
1 row in set (5.42 sec)

  1. mysql> select count(*) from part_tab where c3 > date '1995-01-01' and c3 < date '1997-12-31';

+----------+
| count(*) |
+----------+
| 2396524 |
+----------+

1 row in set (2.63 sec)

** 增加未索引字段查询

  1. mysql> select count(*) from part_tab where c3 > date '1995-01-01' and c3 < date
  2. '1996-12-31' and c2='hello';

+----------+
| count(*) |
+----------+
|        0 |
+----------+
1 row in set (0.75 sec)

  1. mysql> select count(*) from no_part_tab where c3 > date '1995-01-01' and c3 < date '1996-12-31' and c2='hello';

+----------+
| count(*) |
+----------+
|        0 |
+----------+
1 row in set (11.52 sec)

= 初步结论 =
* 分区和未分区占用文件空间大致相同 （数据和索引文件）
* 如果查询语句中有未建立索引字段，分区时间远远优于未分区时间
* 如果查询语句中字段建立了索引，分区和未分区的差别缩小，分区略优于未分区。

= 最终结论 =
* 对于大数据量，建议使用分区功能。
* 去除不必要的字段
* 根据手册， 增加myisam_max_sort_file_size 会增加分区性能

[分区命令详解]

= 分区例子 = 
* RANGE 类型

  1. CREATE TABLE users (
  2. uid INT UNSIGNED NOT NULL AUTO_INCREMENT PRIMARY KEY,
  3. name VARCHAR(30) NOT NULL DEFAULT '',
  4. email VARCHAR(30) NOT NULL DEFAULT ''
  5. )
  6. PARTITION BY RANGE (uid) (
  7. PARTITION p0 VALUES LESS THAN (3000000)
  8. DATA DIRECTORY = '/data0/data'
  9. INDEX DIRECTORY = '/data1/idx',
  10. PARTITION p1 VALUES LESS THAN (6000000)
  11. DATA DIRECTORY = '/data2/data'
  12. INDEX DIRECTORY = '/data3/idx',
  13. PARTITION p2 VALUES LESS THAN (9000000)
  14. DATA DIRECTORY = '/data4/data'
  15. INDEX DIRECTORY = '/data5/idx',
  16. PARTITION p3 VALUES LESS THAN MAXVALUE     DATA DIRECTORY = '/data6/data'
  17. INDEX DIRECTORY = '/data7/idx'
  18. );

在这里，将用户表分成4个分区，以每300万条记录为界限，每个分区都有自己独立的数据、索引文件的存放目录，与此同时，这些目录所在的物理磁盘分区可能也都是完全独立的，可以提高磁盘IO吞吐量。
      
* LIST 类型

  1. CREATE TABLE category (
  2. cid INT UNSIGNED NOT NULL AUTO_INCREMENT PRIMARY KEY,
  3. name VARCHAR(30) NOT NULL DEFAULT ''
  4. )
  5. PARTITION BY LIST (cid) (
  6. PARTITION p0 VALUES IN (0,4,8,12)
  7. DATA DIRECTORY = '/data0/data'
  8. INDEX DIRECTORY = '/data1/idx',
  9. PARTITION p1 VALUES IN (1,5,9,13)
  10. DATA DIRECTORY = '/data2/data'
  11. INDEX DIRECTORY = '/data3/idx',
  12. PARTITION p2 VALUES IN (2,6,10,14)
  13. DATA DIRECTORY = '/data4/data'
  14. INDEX DIRECTORY = '/data5/idx',
  15. PARTITION p3 VALUES IN (3,7,11,15)
  16. DATA DIRECTORY = '/data6/data'
  17. INDEX DIRECTORY = '/data7/idx'
  18. );

分成4个区，数据文件和索引文件单独存放。

* HASH 类型

  1. CREATE TABLE users (
  2. uid INT UNSIGNED NOT NULL AUTO_INCREMENT PRIMARY KEY,
  3. name VARCHAR(30) NOT NULL DEFAULT '',
  4. email VARCHAR(30) NOT NULL DEFAULT ''
  5. )
  6. PARTITION BY HASH (uid) PARTITIONS 4 (
  7. PARTITION p0
  8. DATA DIRECTORY = '/data0/data'
  9. INDEX DIRECTORY = '/data1/idx',
  10. PARTITION p1
  11. DATA DIRECTORY = '/data2/data'
  12. INDEX DIRECTORY = '/data3/idx',
  13. PARTITION p2
  14. DATA DIRECTORY = '/data4/data'
  15. INDEX DIRECTORY = '/data5/idx',
  16. PARTITION p3
  17. DATA DIRECTORY = '/data6/data'
  18. INDEX DIRECTORY = '/data7/idx'
  19. );

分成4个区，数据文件和索引文件单独存放。

例子：

  1. CREATE TABLE ti2 (id INT, amount DECIMAL(7,2), tr_date DATE)
  2. ENGINE=myisam
  3. PARTITION BY HASH( MONTH(tr_date) )
  4. PARTITIONS 6;
  5. CREATE PROCEDURE load_ti2()
  6. begin
  7. declare v int default 0;
  8. while v < 80000
  9. do
  10. insert into ti2
  11. values (v,'3.14',adddate('1995-01-01',(rand(v)*3652) mod 365));
  12. set v = v + 1;
  13. end while;
  14. end
  15. //

* KEY 类型

  1. CREATE TABLE users (
  2. uid INT UNSIGNED NOT NULL AUTO_INCREMENT PRIMARY KEY,
  3. name VARCHAR(30) NOT NULL DEFAULT '',
  4. email VARCHAR(30) NOT NULL DEFAULT ''
  5. )
  6. PARTITION BY KEY (uid) PARTITIONS 4 (
  7. PARTITION p0
  8. DATA DIRECTORY = '/data0/data'
  9. INDEX DIRECTORY = '/data1/idx',
  10. PARTITION p1
  11. DATA DIRECTORY = '/data2/data'
  12. INDEX DIRECTORY = '/data3/idx',
  13. PARTITION p2
  14. DATA DIRECTORY = '/data4/data'
  15. INDEX DIRECTORY = '/data5/idx',
  16. PARTITION p3
  17. DATA DIRECTORY = '/data6/data'
  18. INDEX DIRECTORY = '/data7/idx'
  19. );

分成4个区，数据文件和索引文件单独存放。

* 子分区
子分区是针对 RANGE/LIST 类型的分区表中每个分区的再次分割。再次分割可以是 HASH/KEY 等类型。例如：

  1. CREATE TABLE users (
  2. uid INT UNSIGNED NOT NULL AUTO_INCREMENT PRIMARY KEY,
  3. name VARCHAR(30) NOT NULL DEFAULT '',
  4. email VARCHAR(30) NOT NULL DEFAULT ''
  5. )
  6. PARTITION BY RANGE (uid) SUBPARTITION BY HASH (uid % 4) SUBPARTITIONS 2(
  7. PARTITION p0 VALUES LESS THAN (3000000)
  8. DATA DIRECTORY = '/data0/data'
  9. INDEX DIRECTORY = '/data1/idx',
  10. PARTITION p1 VALUES LESS THAN (6000000)
  11. DATA DIRECTORY = '/data2/data'
  12. INDEX DIRECTORY = '/data3/idx'
  13. );

对 RANGE 分区再次进行子分区划分，子分区采用 HASH 类型。
或者

  1. CREATE TABLE users (
  2. uid INT UNSIGNED NOT NULL AUTO_INCREMENT PRIMARY KEY,
  3. name VARCHAR(30) NOT NULL DEFAULT '',
  4. email VARCHAR(30) NOT NULL DEFAULT ''
  5. )
  6. PARTITION BY RANGE (uid) SUBPARTITION BY KEY(uid) SUBPARTITIONS 2(
  7. PARTITION p0 VALUES LESS THAN (3000000)
  8. DATA DIRECTORY = '/data0/data'
  9. INDEX DIRECTORY = '/data1/idx',
  10. PARTITION p1 VALUES LESS THAN (6000000)
  11. DATA DIRECTORY = '/data2/data'
  12. INDEX DIRECTORY = '/data3/idx'
  13. );

对 RANGE 分区再次进行子分区划分，子分区采用 KEY 类型。

= 分区管理 =

* 删除分区

  1. ALERT TABLE users DROP PARTITION p0;

删除分区 p0。

* 重建分区
          o RANGE 分区重建

  1. ALTER TABLE users REORGANIZE PARTITION p0,p1 INTO (PARTITION p0 VALUES LESS THAN (6000000));

将原来的 p0,p1 分区合并起来，放到新的 p0 分区中。
          o LIST 分区重建

  1. ALTER TABLE users REORGANIZE PARTITION p0,p1 INTO (PARTITION p0 VALUES IN(0,1,4,5,8,9,12,13));

将原来的 p0,p1 分区合并起来，放到新的 p0 分区中。
          o HASH/KEY 分区重建

  1. ALTER TABLE users REORGANIZE PARTITION COALESCE PARTITION 2;

用 REORGANIZE 方式重建分区的数量变成2，在这里数量只能减少不能增加。想要增加可以用 ADD PARTITION 方法。
    * 新增分区
          o 新增 RANGE 分区

  1. ALTER TABLE category ADD PARTITION (PARTITION p4 VALUES IN (16,17,18,19)
  2. DATA DIRECTORY = '/data8/data'
  3. INDEX DIRECTORY = '/data9/idx');

新增一个RANGE分区。
          o 新增 HASH/KEY 分区

  1. ALTER TABLE users ADD PARTITION PARTITIONS 8;

将分区总数扩展到8个。

[ 给已有的表加上分区 ]

  1. alter table results partition by RANGE (month(ttime))
  2. (PARTITION p0 VALUES LESS THAN (1),
  3. PARTITION p1 VALUES LESS THAN (2) , PARTITION p2 VALUES LESS THAN (3) ,
  4. PARTITION p3 VALUES LESS THAN (4) , PARTITION p4 VALUES LESS THAN (5) ,
  5. PARTITION p5 VALUES LESS THAN (6) , PARTITION p6 VALUES LESS THAN (7) ,
  6. PARTITION p7 VALUES LESS THAN (8) , PARTITION p8 VALUES LESS THAN (9) ,
  7. PARTITION p9 VALUES LESS THAN (10) , PARTITION p10 VALUES LESS THAN (11),
  8. PARTITION p11 VALUES LESS THAN (12),
  9. PARTITION P12 VALUES LESS THAN (13) );

默认分区限制分区字段必须是主键（PRIMARY KEY)的一部分，为了去除此
限制：
[方法1] 使用ID

  1. mysql> ALTER TABLE np_pk
  2. ->     PARTITION BY HASH( TO_DAYS(added) )
  3. ->     PARTITIONS 4;

ERROR 1503 (HY000): A PRIMARY KEY must include all columns in the table's partitioning function

However, this statement using the id column for the partitioning column is valid, as shown here:

  1. mysql> ALTER TABLE np_pk
  2. ->     PARTITION BY HASH(id)
  3. ->     PARTITIONS 4;

Query OK, 0 rows affected (0.11 sec)
Records: 0 Duplicates: 0 Warnings: 0

[方法2] 将原有PK去掉生成新PK

  1. mysql> alter table results drop PRIMARY KEY;

Query OK, 5374850 rows affected (7 min 4.05 sec)
Records: 5374850 Duplicates: 0 Warnings: 0

  1. mysql> alter table results add PRIMARY KEY(id, ttime);

Query OK, 5374850 rows affected (6 min 14.86 sec)

Records: 5374850 Duplicates: 0 Warnings: 0

mysql partition分区的更多相关文章

  1. mysql Partition(分区)初探

    mysql Partition(分区)初探   表数据量大的时候一般都考虑水平拆分,即所谓的sharding.不过mysql本身具有分区功能,可以实现一定程度 的水平切分.  mysql是具有MERG ...

  2. MySQL partition分区I

    http://blog.csdn.net/binger819623/article/details/5280267 一.        分区的概念二.        为什么使用分区?(优点)三.    ...

  3. MYSQL之水平分区----MySQL partition分区I（5.1）

    一.        分区的概念 二.        为什么使用分区?(优点) 三.        分区类型 四.        子分区 五.        对分区进行修改(增加.删除.分解.合并) 六 ...

  4. MySQL PARTITION 分区

    MySQL HASH分区 http://www.cnblogs.com/chenmh/p/5644496.html RANGE分区:http://www.cnblogs.com/chenmh/p/56 ...

  5. MySQL Partition分区扫盲

    MySQL从5..3开始支持Partition,你可以使用如下命令来确认你的版本是否支持Partition: mysql> SHOW VARIABLES LIKE '%partition%'; ...

  6. mysql的partition分区

    前言:当一个表里面存储的数据特别多的时候,比如单个.myd数据都已经达到10G了的话,必然导致读取的效率很低,这个时候我们可以采用把数据分到几张表里面来解决问题.方式一:通过业务逻辑根据数据的大小通过 ...

  7. mysql表分区 partition

    表分区 partition 当一张表的数据非常多的时候,比如单个.myd文件都达到10G, 这时,必然读取起来效率降低. 可不可以把表的数据分开在几张表上? 1: 从业务角度可以解决.. (分表,水平 ...

  8. mysql的分区和分表

    分区 分区就是把一个数据表的文件和索引分散存储在不同的物理文件中. mysql支持的分区类型包括Range.List.Hash.Key,其中Range比较常用: RANGE分区:基于属于一个给定连续区 ...

  9. MySQL表分区技术

    MySQL表分区技术 MySQL有4种分区类型: 1.RANGE 分区 - 连续区间的分区 - 基于属于一个给定连续区间的列值,把多行分配给分区: 2.LIST 分区 - 离散区间的分区 - 类似于按 ...

随机推荐

  1. [Leetcode]674. Longest Continuous Increasing Subsequence

    Given an unsorted array of integers, find the length of longest continuous increasing subsequence. E ...

  2. ServletRequest HttpServletRequest 请求方法 获取请求参数 请求转发 请求包含 请求转发与重定向区别 获取请求头字段

      ServletRequest 基本概念 JavaWeb中的 "Request"对象  实际为   HttpServletRequest  或者  ServletRequest, ...

  3. Python机器学习笔记 异常点检测算法——Isolation Forest

    Isolation,意为孤立/隔离,是名词,其动词为isolate,forest是森林,合起来就是“孤立森林”了,也有叫“独异森林”,好像并没有统一的中文叫法.可能大家都习惯用其英文的名字isolat ...

  4. spring-boot-2.0.3源码篇 - pageHelper分页，绝对有值得你看的地方

    前言 开心一刻 说实话,作为一个宅男,每次被淘宝上的雄性店主追着喊亲,亲,亲,这感觉真是恶心透顶,好像被强吻一样.........更烦的是我每次为了省钱,还得用个女号,跟那些店主说:“哥哥包邮嘛么叽. ...

  5. rpm和yum软件管理(week2_day5)--技术流ken

    rpm简介 这是一个数据库管理工具,可以通过读取数据库,判断软件是否已经安装,如果已经安装可以读取出来所有文件的所在位置等,并可以实现删除这些文件. rpm:RPM is Redhat Package ...

  6. My操作小技巧

    1.当我们新增一条数据之后想要获取其自增长的id,可以紧随新增语句后调用 SELECT last_insert_id();即可获得,一般搭配变量一起使用 SELECT @newUserId:=last ...

  7. WPF TabControl Unload俩次的解决方案

    WPF中,有些控件会多次触发Unload,有点莫名其妙~ Unload的多次触发 TabControl的内容,我是这么设置的: 在TabItem的CacheSettingView中,监听Loaded/ ...

  8. Android破解学习之路（十三）—— 另类的破解VIP思路

    前言 一般按照以往,我们想要获得某个软件的VIP,一般是通过修改支付宝的支付流程,原本购买失败的,我们修改代码,从而使得失败变成了成功,不花费金钱 另类思路 有些软件将判断用户是否为VIP的代码写在了 ...

  9. linux系统管理--top命令

    这些日子,运维公司三台服务器,一个小伙伴貌似对top命令不太感冒,我告诉他去百度(不懂谷歌百度的程序员不是好厨师),然后突然发现也许我自己该整理一下相关的东西了 top命令是Linux下常用的性能分析 ...

  10. css中“~”和“>”

    css中“~” element1~element2 选择器匹配  出现在   element1 后面的    element2  .element1 和 element2 这两种元素必须具有相同的父元 ...