MYSQL之表分区----按日期分区

最新推荐文章于 2024-09-13 10:17:01 发布

leveretz

最新推荐文章于 2024-09-13 10:17:01 发布

阅读量5k

点赞数 1

文章标签： mysql

原文链接：https://blog.csdn.net/zhaofuqiangmycomm/article/details/111580829

版权

本文详细介绍了在MySQL中如何正确地对日期字段进行分区，以提高查询效率。通过实例展示了错误的日期格式分区导致全表扫描的问题，并提供了使用`TO_DAYS()`函数进行分区的正确方法。实验证明，正确分区可以显著提升查询速度，强调了分区后验证查询优化的重要性。

摘要由CSDN通过智能技术生成

原文地址：MYSQL之表分区----按日期分区_你好龙卷风！！！的博客-CSDN博客_mysql分区表按日期分区

create table rms (d date)
partition by range (d)
(partition p0 values less than ('1995-01-01'),
partition p1 VALUES LESS THAN ('2010-01-01'));

上面的例子中，就是直接用"Y-m-d"的格式来对一个table进行分区，可惜想当然往往不能奏效，会得到一个错误信息:
ERROR 1064 (42000): VALUES value must be of same type as partition function near '),
partition p1 VALUES LESS THAN ('2010-01-01'))' at line 3
上述分区方式没有成功，而且明显的不经济，老练的DBA会用整型数值来进行分区：
PLAIN TEXT
CODE:
Query OK, 0 rows affected (0.01 sec)

搞定？接着往下分析

CREATE TABLE part_date1
( c1 int default NULL,
c2 varchar(30) default NULL,
c3 date default NULL) engine=myisam
partition by range (cast(date_format(c3,'%Y%m%d') as signed))
(PARTITION p0 VALUES LESS THAN (19950101),
PARTITION p1 VALUES LESS THAN (19960101) ,
PARTITION p2 VALUES LESS THAN (19970101) ,
PARTITION p3 VALUES LESS THAN (19980101) ,
PARTITION p4 VALUES LESS THAN (19990101) ,
PARTITION p5 VALUES LESS THAN (20000101) ,
PARTITION p6 VALUES LESS THAN (20010101) ,
PARTITION p7 VALUES LESS THAN (20020101) ,
PARTITION p8 VALUES LESS THAN (20030101) ,
PARTITION p9 VALUES LESS THAN (20040101) ,
PARTITION p10 VALUES LESS THAN (20100101),
PARTITION p11 VALUES LESS THAN MAXVALUE );

explain partitions
select count(*) from part_date1 where
c3> '1995-01-01' and c3 <'1995-12-31'\G
*************************** 1. row ***************************
id: 1
select_type: SIMPLE
table: part_date1
partitions: p0,p1,p2,p3,p4,p5,p6,p7,p8,p9,p10,p11
type: ALL
possible_keys: NULL
key: NULL
key_len: NULL
ref: NULL
rows: 8100000
Extra: Using where
1 row in set (0.00 sec)

万恶的mysql居然对上面的sql使用全表扫描，而不是按照我们的日期分区分块查询。原文中解释到MYSQL的优化器并不认这种日期形式的分区，花了大量的篇幅来引诱俺走上歧路，过分。
正确的日期分区例子
mysql优化器支持以下两种内置的日期函数进行分区：
TO_DAYS()
YEAR()
看个例子：

CREATE TABLE part_date3
( c1 int default NULL,
c2 varchar(30) default NULL,
c3 date default NULL) engine=myisam
partition by range (to_days(c3))
(PARTITION p0 VALUES LESS THAN (to_days('1995-01-01')),
PARTITION p1 VALUES LESS THAN (to_days('1996-01-01')) ,
PARTITION p2 VALUES LESS THAN (to_days('1997-01-01')) ,
PARTITION p3 VALUES LESS THAN (to_days('1998-01-01')) ,
PARTITION p4 VALUES LESS THAN (to_days('1999-01-01')) ,
PARTITION p5 VALUES LESS THAN (to_days('2000-01-01')) ,
PARTITION p6 VALUES LESS THAN (to_days('2001-01-01')) ,
PARTITION p7 VALUES LESS THAN (to_days('2002-01-01')) ,
PARTITION p8 VALUES LESS THAN (to_days('2003-01-01')) ,
PARTITION p9 VALUES LESS THAN (to_days('2004-01-01')) ,
PARTITION p10 VALUES LESS THAN (to_days('2010-01-01')),
PARTITION p11 VALUES LESS THAN MAXVALUE );

Query OK, 0 rows affected (0.00 sec)

以to_days()函数分区成功，我们分析一下看看：

explain partitions
select count(*) from part_date3 where
c3> date '1995-01-01' and c3 <date '1995-12-31'\G
*************************** 1. row ***************************
id: 1
select_type: SIMPLE
table: part_date3
partitions: p1
type: ALL
possible_keys: NULL
key: NULL
key_len: NULL
ref: NULL
rows: 808431
Extra: Using where
1 row in set (0.00 sec)

可以看到，mysql优化器这次不负众望，仅仅在p1分区进行查询。在这种情况下查询，真的能够带来提升查询效率么？下面分别对这次建立的part_date3和之前分区失败的part_date1做一个查询对比：
PLAIN TEXT
CODE:

可以看到，分区正确的话query花费时间为4秒，而分区错误则花费时间40秒（相当于没有分区），效率有90％的提升！所以我们千万要正确的使用分区功能，分区后务必用explain验证，这样才能获得真正的性能提升。


注意：
在mysql5.1中建立分区表的语句中，只能包含下列函数：

ABS()
CEILING() and FLOOR() （在使用这2个函数的建立分区表的前提是使用函数的分区键是INT类型），例如
mysql> CREATE TABLE t (c FLOAT) PARTITION BY LIST( FLOOR(c) )( -> PARTITION p0 VALUES IN (1,3,5), -> PARTITION p1 VALUES IN (2,4,6) -> );; ERROR 1491 (HY000): The PARTITION function returns the wrong type mysql> CREATE TABLE t (c int) PARTITION BY LIST( FLOOR(c) )( -> PARTITION p0 VALUES IN (1,3,5), -> PARTITION p1 VALUES IN (2,4,6) -> ); Query OK, 0 rows affected (0.01 sec)
DAY()
DAYOFMONTH()
DAYOFWEEK()
DAYOFYEAR()
DATEDIFF()
EXTRACT()
HOUR()
MICROSECOND()
MINUTE()
MOD()
MONTH()
QUARTER()
SECOND()
TIME_TO_SEC()
TO_DAYS()
WEEKDAY()
YEAR()
YEARWEEK()