一、前言

大数据量的查询，不仅查询速度非常慢，而且还会导致数据库经常宕机，在尝试添加索引及查询方式修改后，还有没有更有效的解决方案呢？

分库、分表、分区这些概念咱就应该了解一下。

二、分表

假如一个大型商城有一个订购关系表，每个用户的订单都落在这个表里面，那么时间一长，要进行查询的时候，肯定慢得要死，这样的系统给客户用，那就凉凉思密达了...

拆分思想

咱可以对这个总表进行拆分，例如对年进行拆分，每个年表只存一年的记录，那么这样数据就分散开来了，每个表的数据就少很多，根据具体情况还可以按月分，按日分等等...

PS：注意，分表使用时，查询语句里要进行动态拼装查询的表名。

三、分区

简介

年表创建过后，查询就是查询年表中的数据，可是虽然分表了，但是年表中的数据量仍然很大，查询速度虽然有提升，但并不能满足用户的要求，此时考虑在年表中再根据月份进行分区。

定义

表分区后，逻辑上仍然是一张表，只不过将表中的数据在物理上存放到多个表空间上。

目的

这样在查询数据时，会查询相应分区的数据，减少SQL操作的数据量，避免了全表扫描，从而提升查询效率。

水平分区

对行进行分区，举个例子来说，就是一个表中有1000万条数据，每100万条数据划一个分区，这样就将表中数据分到10个分区中去。

PS：水平分区要通过某个特定的属性列进行分区，如用时间先orderBy后再分区。

垂直分区

对列进行分区，减少表的宽度，从而提升查询效率。

比如一个学生表中，有他相关的信息列，还有论文列以CLOB存储，可以把这些不经常使用的CLOB划分到另一个分区，需要访问时再调用它。

代码样例

--水平分区

--按照订单时间进行水平分区
CREATE TABLE ORDER_ACTIVITIES   
(   
    ORDER_ID      NUMBER(7) NOT NULL,   
    ORDER_DATE    DATE,   
    TOTAL_AMOUNT NUMBER,   
    CUSTOTMER_ID NUMBER(7),   
    PAID   CHAR(1)   
)   
PARTITION BY RANGE (ORDER_DATE)   
(  
  PARTITION ORD_ACT_PART01 VALUES LESS THAN (TO_DATE('01- MAY -2003','DD-MON-YYYY')) TABLESPACE ORD_TS01,  
  PARTITION ORD_ACT_PART02 VALUES LESS THAN (TO_DATE('01-JUN-2003','DD-MON-YYYY')) TABLESPACE ORD_TS02,  
  PARTITION ORD_ACT_PART02 VALUES LESS THAN (TO_DATE('01-JUL-2003','DD-MON-YYYY')) TABLESPACE ORD_TS03  
);  

--按省份进行分区
CREATE  TABLE  ListTable  
(   
    id    INT  PRIMARY  KEY ,   
    name  VARCHAR (20),   
    area  VARCHAR (10)   
)   
PARTITION  BY  LIST (area)   
(   
    PARTITION  part1 VALUES ('guangdong','beijing') TABLESPACE  Part1_tb,   
    PARTITION  part2 VALUES ('shanghai','nanjing')  TABLESPACE  Part2_tb   
);  


--垂直分区

PS：垂直分区思路是将写入操作比较频繁的数据表，把这个两个表分离出来，放在不同的服务器
PS：可以理解为外键的关联方式（不知道准不准确...）

--查询分区数据
select * from 表 partition(分区名) where 条件;
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.
  • 11.
  • 12.
  • 13.
  • 14.
  • 15.
  • 16.
  • 17.
  • 18.
  • 19.
  • 20.
  • 21.
  • 22.
  • 23.
  • 24.
  • 25.
  • 26.
  • 27.
  • 28.
  • 29.
  • 30.
  • 31.
  • 32.
  • 33.
  • 34.
  • 35.
  • 36.
  • 37.
  • 38.
  • 39.

 

参考资料：

  • Oracle亿级数据查询处理 （特此感谢！）
  • Oracle 分区表使用和查询 （特此感谢！）
  • 垂直分区+水平分区（特此感谢！）