5.7版本的MySQL对于数据量为100w的用户表根据创建时间进行分区

1. 何为分区？

分区概念图如下，分区类型包括

1. 列分区：包括范围分区(如create_time,大于1998可分为一个区，小于它又 可分为一个区)和列表分区(如age in (31,32,33)，当插入数据，age=31时为a区，age=32时为b区,age=33时为c区)
2. 哈希分区：通过取模运算进行分区
3. key分区:：ey进行进行分区，也使用了取模运算
4. 子分区：即在分区的基础上还能继续进行分区

官方文档对于分区(Partitioning)的解释

2. 进行分区测试

这里为了突出对比，分为两张表都为100w数据量，一张表分区一张没有，最后进行查询通过执行时间对比其效率高低。初始表为user100w,测试数据中，根据创建时间，以年为单位已经明确分为了五个范围。

接下来以18,19,20,21,22进行表分区,在分区前记录下Mysql中存储文件的格式，这里为Innodb执行引擎，所以此时与表相关的只会有frm(保持表结构),和ibd(保持数据和索引B+树)两个文件存在。

开始创建分区表

CREATE TABLE user_part100w (
  id INT NOT NULL AUTO_INCREMENT,
  first_name VARCHAR(10) NOT NULL,
  last_name VARCHAR(10) NOT NULL,
  sex VARCHAR(5) NOT NULL,
  score INT NOT NULL,
  copy_id INT NOT NULL,
  create_time TIMESTAMP NOT NULL,
  KEY `id` (`id`)
)
PARTITION BY RANGE ( UNIX_TIMESTAMP(create_time) ) (
	PARTITION p0 VALUES LESS THAN (UNIX_TIMESTAMP ('2019-01-01')),
    PARTITION p1 VALUES LESS THAN (UNIX_TIMESTAMP ('2020-01-01')),
    PARTITION p2 VALUES LESS THAN (UNIX_TIMESTAMP ('2021-01-01')),
    PARTITION p3 VALUES LESS THAN (UNIX_TIMESTAMP ('2022-01-01')),
    PARTITION p4 VALUES LESS THAN MAXVALUE
);

关于分区表创建时，分区键的选择需要说明下，如果使用了主键或者索引，在分区键里必须包含主键和索引，博主查询到一篇当表含主键时进行分区的解决方案。
当插入的创建时间小于(不包括)2019-01-01时存p0中。
当插入的创建时间小于(不包括)2020-01-01时存p1中。
当插入的创建时间小于(不包括)2021-01-01时存p2中。
当插入的创建时间小于(不包括)2022-01-01时存p3中。
当插入的创建时间小于(不包括)TIMESTAMP类型的最大值(timestamp类型是4个字节，最大值是2的31次方减1，也就是2147483647，转换成北京时间就是2038-01-19 11:14:07)时存p4。
创建完成之后，可以看到存储文件变为如下图所示了：

有po~p4五个分区，可以通过查询 Information_schema的partitions表来查看分区表的情况。

接下来开始通过存储过程插入100w条数据，插入的创建时间仍然分为2018…，2019…，2020…，2021…，2022…五个时间，这个过程本文中省去，数据插入完成后通过查询 Information_schema的partitions表验证是否插入成功。

这里插入完成之后，分区表成功存储了相应数据，不过通过Information_schema的partitions表查出来的表行数有些误差，我估摸着是个估计值，若小伙伴有思路可告知，谢谢~
数据准备完成之后，可以开始效率测试了！user100w表是未分区的，user_part100w表是进行了分区的。
测试结构如下所示:

可以发现，未分区的表查询效率明显要比分区表查询效率要？？为了进一步探究详情，接下来查看Query_ID = 1（select未分区表）和Query_ID=2（select未分区表）的SQL语句的执行状态。

通过对比可以发现，当select分区表的执行流程要比普通表多出一大截，这里想到了分区的一个概念，当访问分区表时，MySQL会锁底层表，这个也是消耗效率的一部分，当它的执行流程变复杂了，消耗的时间自然也多了，此时反而还没有使用未分区表的查询效率高。但使用分区还有个好处就是便于维护，对数据进行了"分而治之",切割开来，便于处理大数据。

3.后言

结论:当数据量为100w时，还是别吃饱了撑着进行分区。。