首页 > 数据库 >千万级数据,如何做性能优化?分库分表、Oracle分区表?

千万级数据,如何做性能优化?分库分表、Oracle分区表?

时间:2023-01-30 21:31:27浏览次数:60  
标签:分库 分区 worker 千万级 分区表 values date technology id

大家好,我是哪吒,最近项目有一个新的需求,​​按月建表,按天分区​​。

不都是分库分表吗?怎么又来个分区?

让我们一起,一探究竟,深入理解一下Oracle分区表技术,实现快速入门,丰富个人简历,提高面试level,给自己增加一点谈资,秒变面试小达人,BAT不是梦。

三分钟你将学会:

  1. Oracle是如何存储数据的?
  2. Oracle分区是什么?
  3. 何时分区?
  4. 分区表的分类都有哪些?
  5. Oracle分区技术实战演练

一、Oracle是如何存储数据的?

1、逻辑存储与物理存储

在国企或者一线大厂,一般都会选择使用Oracle数据库,程序通过mybatis等持久层框架访问Oracle数据库,指定表空间,表空间内包含若干张表,表中存有行数据,行数据以行片段的形式存储在数据库块中,① 当插入的行太大,无法装入单个块时;② 或因为更新的缘故,导致现有行超出了当前空间时 -> 就会发生整个行不存储在一个位置的情况。

Oracle在逻辑上将数据存储在表空间中,在物理上将数据存储在数据文件中。

表空间包括若干个数据文件,这些表空间使用与运行Oracle软件的操作系统一致的物理结构。数据库的数据存储在构成数据库表空间的数据文件中。

临时文件是一个临时表空间的文件;它是通过TEMPFILE选项创建的。临时表空间不包含表,通常用于排序。

千万级数据,如何做性能优化?分库分表、Oracle分区表?_java

2、进一步分析它们之间的关系
  1. 数据库包含若干个表空间(逻辑存储单元);
  2. 每一个表空间包含很多的Oracle 逻辑数据块,逻辑数据块的大小一般在2 KB 至32 KB,默认8 KB;
  3. Oracle 数据块是逻辑I/O的最小单位;
  4. 特定数目的相邻逻辑块构成了“区”;
  5. 特定逻辑结构分配的一组区构成了一个段;

千万级数据,如何做性能优化?分库分表、Oracle分区表?_python_02

3、Oracle逻辑数据块

千万级数据,如何做性能优化?分库分表、Oracle分区表?_java_03

数据库块包含块头、行数据、可用空间。

(1)块头

块头包含段类型(如表或索引)、数据块地址、表目录、行目录和事务处理插槽。

每个插槽的大小为24 字节,修改块中的行时会使用这些插槽。

(2)行数据

块中行的实际数据。

(3)可用空间

可用空间位于块的中部,允许头和行数据空间在必要时进行增长。当插入新行或用更大的值更新现有行的列时,行数据会占用可用空间。

(4)致块头增长的原因有:
  1. 行目录需要更多的行条目;
  2. 需要的事务处理插槽数多于最初配置的数目;

块中的可用空间最初是相邻的。但是,删除和更新操作可能会使块中的可用空间变成碎片,需要时Oracle 服务器会接合块中的空闲空间。

二、Oracle分区表技术

分区是指表和索引可以被分成若干个部分,它们拥有相同的逻辑属性和数据结构。所有分区的字段和索引都是一样的。

分区表是将表数据分为若干个可以被单独管理的片,每个片就是一个分区,分一个分区都可以拥有自己的物理属性,比如表空间、事务槽、存储参数、最小区段数等,通过建分区语句指定,提升可用性和存储效率。

每个分区可以被单独管理,降低管理成本和备份成本,提高容错率,避免“一荣既荣,一损俱损”的问题。

1、分区表的优缺点

(1)优点

  1. 可以通过指定分区提高查询性能;
  2. 提高容错率,避免“一荣既荣,一损俱损”的问题;
  3. 降低管理成本;
  4. 降低备份成本;

(2)缺点

普通表和分区表不能直接转换,可以通过数据迁移,再重命名的方式实现,需要重建约束、索引,在创建表时可以添加关键字“parallel compress”并行执行,提高效率,下面会通过SQL实例介绍。

2、何时分区?

单表的数据量如果过大,会影响SQL的读写性能,我们可以通过分库分表的方式解决表性能的问题,Oracle的分区表是将一张大表在物理上分成几个较小的表,从逻辑上看仍然是一张完整的表。这样,每次DML操作只考虑其中一张分区表即可。

那么,临界点是多少呢?

  1. 数量量超过500万且空间占用超过2GB的时候​​必须分区​​;
  2. 数量量高于100万,低于500万时建议分区;

注意:单个分区的数据可以超过500万,但存储空间不建议超过2GB。

三、分区相关的数据字典

根据数据字典表的前缀不同,可查询的内容及权限有所差异:

  1. DBA_开头:需要DBA权限,查询全库内容;
  2. ALL_开头:查询当前用户权限下的内容;
  3. USER_开头:查询当前用户下的内容;

以下是分区表的一些相关字典表,前缀是“DBA_”、“ALL_”、“USER_”;

  1. 分区表信息字典表:*_PART_TABLES;
  2. 分区信息字典表:*_TAB_PARTITIONS;
  3. 子分区信息字典表:*_TAB_SUBPARTITIONS;
  4. 分区表的分区字段信息字典表:*_PART_KEY_COLUMNS;

四、分区表的分类

千万级数据,如何做性能优化?分库分表、Oracle分区表?_python_04

1、范围分区

将数据基于范围映射到每一个分区,这个范围是由创建分区表时指定的分区键决定。

一般选取id或者时间作为范围分区的分区键。

(1)按月建表,按天分区
create table WORKER_202301
(
id VARCHAR2(100) not null,
name VARCHAR2(200),
technology VARCHAR2(100),
save_date DATE
)
partition by range (SAVE_DATE)
(
partition WORKER20230129 values less than (TO_DATE('2023-01-30 00:00:00', 'SYYYY-MM-DD HH24:MI:SS', 'NLS_CALENDAR=GREGORIAN'))
tablespace MYSPACE
pctfree 10
initrans 1
maxtrans 255
storage
(
initial 80K
minextents 1
maxextents unlimited
),
partition WORKER20230130 values less than (TO_DATE('2023-01-31 00:00:00', 'SYYYY-MM-DD HH24:MI:SS', 'NLS_CALENDAR=GREGORIAN'))
tablespace MYSPACE
pctfree 10
initrans 1
maxtrans 255
storage
(
initial 80K
minextents 1
maxextents unlimited
)
);
create index IDX_WORKER_ID202301 on WORKER_202301 (ID)
local;
create index IDX_WORKER_ID_NAME202301 on WORKER_202301 (ID, NAME)
local;
(2)建表语句分析
  1. NLS_CALENDAR=GREGORIAN:用于指定Oracle所使用的日历体系,其取值为Arabic Hijrah、English Hijrah、Gregorian、Japanese Imperial、Persian、ROC Official、Thai Buddha。
  2. tablespace:指定表空间;
  3. pctfree:块保留10%的空间留给更新该块数据使用
  4. initrans:初始化事务槽的个数;
  5. maxtrans:最大事务槽的个数;
  6. storage:存储参数
  7. initial:区段(extent)一次扩展64k
  8. minextents:最小区段数
  9. maxextents unlimited:最大区段无限制

每个块都有一个块首部。这个块首部中有一个事务表。事务表中会建立一些条目来描述哪些事务将块上的哪些行/元素锁定。这个事务表的初始大小由对象的INITRANS
设置指定。对于表,这个值默认为2(索引的INITRANS 也默认为2)。事务表会根据需要动态扩展,最大达到MAXTRANS
个条目(假设块上有足够的自由空间)。所分配的每个事务条目需要占用块首部中的23~24 字节的存储空间。注意,对于Oracle
10g,MAXTRANS 则会忽略,所有段的MAXTRANS 都是255。

由于oracle块里有一个PCT_free的概念,即oracle会预留块大小的10%作为缓冲,当修改oracle的事务增加时,事务槽向下增长,当更新oracle块的数据时,数据向上增长,PCT_free的空间被压缩。

local索引是针对单个分区表的索引;

在对分区表进行维护操作时需检查索引是否失效,索引失效除了会导致查询慢,还会导致数据写入失败,在ALTER TBALE语法中也可以添加关键字“UPDATE INDEXES”避免维护表时索引失效。

(3)插入三条数据
insert into worker_202301 (id,name,technology,save_date) values ('1','哪吒','java',to_date('2023/1/29 22:45:19','yyyy-MM-dd hh24:mi:ss'));
insert into worker_202301 (id,name,technology,save_date) values ('2','云韵','java',to_date('2023/1/29 22:46:19','yyyy-MM-dd hh24:mi:ss'));
insert into worker_202301 (id,name,technology,save_date) values ('3','美杜莎','Python',to_date('2023/1/30 00:45:19','yyyy-MM-dd hh24:mi:ss'));

千万级数据,如何做性能优化?分库分表、Oracle分区表?_分区表_05

(4)查询指定分区
select * from worker_202301 
partition (WORKER20230129);

跨分区查询时,查询每个分区的数据后使用UNION ALL关键字做集合查询,提高查询效率。

千万级数据,如何做性能优化?分库分表、Oracle分区表?_python_06

(5)添加分区
ALTER TABLE worker_202301 
ADD PARTITION WORKER20230131
VALUES LESS THAN
(TO_DATE(' 2023-02-01 00:00:00',
'SYYYY-MM-DD HH24:MI:SS',
'NLS_CALENDAR=GREGORIAN'));
(6)删除分区
ALTER TABLE worker_202301 
DROP PARTITION WORKER20230131;
2、列表分区
(1)列表分区适用于一个字段只有固定的几个值,比如类型、月份、课程等。
create table WORKER_202302
(
id VARCHAR2(100) not null,
name VARCHAR2(200),
technology VARCHAR2(100),
save_date DATE
)
partition by list (technology)
(
partition technology_java values ('java'),
partition technology_python values ('python'),
partition technology_c values ('c')
);

create index IDX_WORKER_ID202301 on WORKER_202301 (ID)
local;
create index IDX_WORKER_ID_NAME202301 on WORKER_202301 (ID, NAME)
local;
(2)插入三条数据
insert into worker_202302 (id,name,technology,save_date) values ('1','哪吒','java',to_date('2023/2/1 22:45:19','yyyy-MM-dd hh24:mi:ss'));
insert into worker_202302 (id,name,technology,save_date) values ('2','云韵','java',to_date('2023/2/1 22:46:19','yyyy-MM-dd hh24:mi:ss'));
insert into worker_202302 (id,name,technology,save_date) values ('3','美杜莎','python',to_date('2023/2/2 00:45:19','yyyy-MM-dd hh24:mi:ss'));
(3)查询列表分区数据

千万级数据,如何做性能优化?分库分表、Oracle分区表?_python_07

(4)如果一个分区的数据量不大,可以合并分区
create table WORKER_202303
(
id VARCHAR2(100) not null,
name VARCHAR2(200),
technology VARCHAR2(100),
save_date DATE
)
partition by list (technology)
(
partition technology_java values ('java','python'),
partition technology_c values ('c','c++')
);
3、哈希分区

范围分区和列表分区都是使用某一个字段进行分区,此字段的分区度大才行,但也会产生诸多问题,比如上述的按技术列表分区,现阶段,Java开发人员明显高于C,此时就会导致分区不均匀的问题。

此时,hash分区闪亮登场,hash分区的好处是让分区更均匀一些。

(1)上面的诸多参数都可以省略。
create table WORKER_202304
(
id VARCHAR2(100) not null,
name VARCHAR2(200),
technology VARCHAR2(100),
save_date DATE
)
partition by hash (id)
(
partition worker_id_1,
partition worker_id_2,
partition worker_id_3,
partition worker_id_4,
);

此时,插入200条数据,id从1到200,验证一下是否均匀。数据条数分别是51、55、61、33。

千万级数据,如何做性能优化?分库分表、Oracle分区表?_java_08

(2)何时使用hash分区?
  1. 分区键的值最好是连续的;
  2. 分区数量最好是2的n次方,对hash运算更加友好;
(3)添加hash分区:
ALTER TABLE worker_202304 
ADD PARTITION worker_id_5;

刚创建好分区,worker_id_5就有数据了,why?匪夷所思。

千万级数据,如何做性能优化?分库分表、Oracle分区表?_java_09

添加分区时,所有数据会重新计算hash值,重新分配到不同的分区表中。

(4)不可以删除hash分区

千万级数据,如何做性能优化?分库分表、Oracle分区表?_分区表_10

4、范围列表组合分区
(1)建表语句
create table WORKER_202305
(
id VARCHAR2(100) not null,
name VARCHAR2(200),
technology VARCHAR2(100),
save_date DATE
)
partition by range (SAVE_DATE) SUBPARTITION BY LIST (technology)
(
partition WORKER20230529 values less than (TO_DATE(' 2023-05-30 00:00:00', 'SYYYY-MM-DD HH24:MI:SS', 'NLS_CALENDAR=GREGORIAN'))
(
SUBPARTITION technology_java_29 values('java'),
SUBPARTITION technology_python_29 values('python'),
SUBPARTITION technology_c_29 values('c')
),
partition WORKER20230530 values less than (TO_DATE(' 2023-05-31 00:00:00', 'SYYYY-MM-DD HH24:MI:SS', 'NLS_CALENDAR=GREGORIAN'))
(
SUBPARTITION technology_java_30 values('java'),
SUBPARTITION technology_python_30 values('python'),
SUBPARTITION technology_c_30 values('c')
)
);
(2)插入8条数据
insert into worker_202305 (id,name,technology,save_date) values ('101','哪吒','java',to_date('2023/5/29 22:45:19','yyyy-MM-dd hh24:mi:ss'));
insert into worker_202305 (id,name,technology,save_date) values ('102','云韵','java',to_date('2023/5/29 22:46:19','yyyy-MM-dd hh24:mi:ss'));
insert into worker_202305 (id,name,technology,save_date) values ('103','美杜莎','java',to_date('2023/5/29 00:45:19','yyyy-MM-dd hh24:mi:ss'));
insert into worker_202305 (id,name,technology,save_date) values ('104','哪吒','java',to_date('2023/5/29 22:45:19','yyyy-MM-dd hh24:mi:ss'));
insert into worker_202305 (id,name,technology,save_date) values ('105','云韵1','python',to_date('2023/5/30 22:46:19','yyyy-MM-dd hh24:mi:ss'));
insert into worker_202305 (id,name,technology,save_date) values ('106','美杜莎1','python',to_date('2023/5/30 00:45:19','yyyy-MM-dd hh24:mi:ss'));
insert into worker_202305 (id,name,technology,save_date) values ('107','哪吒1','python',to_date('2023/5/30 22:45:19','yyyy-MM-dd hh24:mi:ss'));
insert into worker_202305 (id,name,technology,save_date) values ('108','云韵1','python',to_date('2023/5/30 22:46:19','yyyy-MM-dd hh24:mi:ss'));
(3)查询分区数据
select count(1) from worker_202305 PARTITION (WORKER20230529);//4条 ok
select count(1) from worker_202305 PARTITION (WORKER20230530);//4条 ok
select count(1) from worker_202305 SUBPARTITION (TECHNOLOGY_JAVA_29);//4条 ok
select count(1) from worker_202305 SUBPARTITION (TECHNOLOGY_JAVA_30);//0条 ok
(4)添加主分区
ALTER TABLE worker_202305 ADD PARTITION WORKER20230531 values less than (TO_DATE(' 2023-06-1 00:00:00', 'SYYYY-MM-DD HH24:MI:SS', 'NLS_CALENDAR=GREGORIAN'))
(
SUBPARTITION technology_java_31 values('java'),
SUBPARTITION technology_python_31 values('python'),
SUBPARTITION technology_c_31 values('c')
)

为WORKER20230529添加子分区technology_go_29:

ALTER TABLE worker_202305 
MODIFY PARTITION WORKER20230529
ADD SUBPARTITION technology_go_29 values('go');
(5)删除子分区
ALTER TABLE worker_202305 
DROP SUBPARTITION technology_go_29;
5、范围哈希组合分区
(1)建表语句
create table WORKER_202306
(
id VARCHAR2(100) not null,
name VARCHAR2(200),
technology VARCHAR2(100),
save_date DATE
)
partition by range (SAVE_DATE) SUBPARTITION BY HASH (id)
(
partition WORKER20230628 values less than (TO_DATE(' 2023-06-29 00:00:00', 'SYYYY-MM-DD HH24:MI:SS', 'NLS_CALENDAR=GREGORIAN'))
(
SUBPARTITION worker_id_1,
SUBPARTITION worker_id_2,
SUBPARTITION worker_id_3,
SUBPARTITION worker_id_4
),
partition WORKER20230629 values less than (TO_DATE(' 2023-06-30 00:00:00', 'SYYYY-MM-DD HH24:MI:SS', 'NLS_CALENDAR=GREGORIAN'))
(
SUBPARTITION worker_id_5,
SUBPARTITION worker_id_6,
SUBPARTITION worker_id_7,
SUBPARTITION worker_id_8
)
);
(2)插入10条数据
insert into worker_202306 (id,name,technology,save_date) values ('101','哪吒','java',to_date('2023/6/28 22:45:19','yyyy-MM-dd hh24:mi:ss'));
insert into worker_202306 (id,name,technology,save_date) values ('102','云韵','java',to_date('2023/6/28 22:46:19','yyyy-MM-dd hh24:mi:ss'));
insert into worker_202306 (id,name,technology,save_date) values ('103','美杜莎','java',to_date('2023/6/28 00:45:19','yyyy-MM-dd hh24:mi:ss'));
insert into worker_202306 (id,name,technology,save_date) values ('104','哪吒','java',to_date('2023/6/28 22:45:19','yyyy-MM-dd hh24:mi:ss'));
insert into worker_202306 (id,name,technology,save_date) values ('105','云韵1','python',to_date('2023/6/29 22:46:19','yyyy-MM-dd hh24:mi:ss'));
insert into worker_202306 (id,name,technology,save_date) values ('106','美杜莎1','python',to_date('2023/6/29 00:45:19','yyyy-MM-dd hh24:mi:ss'));
insert into worker_202306 (id,name,technology,save_date) values ('107','哪吒1','python',to_date('2023/6/29 22:45:19','yyyy-MM-dd hh24:mi:ss'));
insert into worker_202306 (id,name,technology,save_date) values ('108','云韵1','python',to_date('2023/6/29 22:46:19','yyyy-MM-dd hh24:mi:ss'));
insert into worker_202306 (id,name,technology,save_date) values ('109','云韵1','python',to_date('2023/6/29 22:46:19','yyyy-MM-dd hh24:mi:ss'));
insert into worker_202306 (id,name,technology,save_date) values ('110','云韵1','python',to_date('2023/6/29 22:46:19','yyyy-MM-dd hh24:mi:ss'));
(3)查询分区数据
select count(1) from worker_202306 PARTITION (WORKER20230628);
select count(1) from worker_202306 PARTITION (WORKER20230629);
select count(1) from worker_202306 SUBPARTITION (worker_id_1);
select count(1) from worker_202306 SUBPARTITION (worker_id_2);
select count(1) from worker_202306 SUBPARTITION (worker_id_5);
select count(1) from worker_202306 SUBPARTITION (worker_id_6);

由于hash分区的缘故,数据分布不均匀。

6、列表哈希组合分区
(1)建表语句
create table WORKER_202307
(
id VARCHAR2(100) not null,
name VARCHAR2(200),
technology VARCHAR2(100),
save_date DATE
)
partition by list (technology) SUBPARTITION BY HASH (id)
(
partition technology_java values ('java')
(
SUBPARTITION worker_id_1,
SUBPARTITION worker_id_2,
SUBPARTITION worker_id_3,
SUBPARTITION worker_id_4
),
partition technology_python values ('python')
(
SUBPARTITION worker_id_5,
SUBPARTITION worker_id_6,
SUBPARTITION worker_id_7,
SUBPARTITION worker_id_8
)
);
(2)插入10条数据
insert into worker_202307 (id,name,technology,save_date) values ('101','哪吒','java',to_date('2023/7/28 22:45:19','yyyy-MM-dd hh24:mi:ss'));
insert into worker_202307 (id,name,technology,save_date) values ('102','云韵','java',to_date('2023/7/28 22:46:19','yyyy-MM-dd hh24:mi:ss'));
insert into worker_202307 (id,name,technology,save_date) values ('103','美杜莎','java',to_date('2023/7/28 00:45:19','yyyy-MM-dd hh24:mi:ss'));
insert into worker_202307 (id,name,technology,save_date) values ('104','哪吒','java',to_date('2023/7/28 22:45:19','yyyy-MM-dd hh24:mi:ss'));
insert into worker_202307 (id,name,technology,save_date) values ('105','云韵1','python',to_date('2023/7/29 22:46:19','yyyy-MM-dd hh24:mi:ss'));
insert into worker_202307 (id,name,technology,save_date) values ('106','美杜莎1','python',to_date('2023/7/29 00:45:19','yyyy-MM-dd hh24:mi:ss'));
insert into worker_202307 (id,name,technology,save_date) values ('107','哪吒1','python',to_date('2023/7/29 22:45:19','yyyy-MM-dd hh24:mi:ss'));
insert into worker_202307 (id,name,technology,save_date) values ('108','云韵1','python',to_date('2023/7/29 22:46:19','yyyy-MM-dd hh24:mi:ss'));
insert into worker_202307 (id,name,technology,save_date) values ('109','云韵1','python',to_date('2023/7/29 22:46:19','yyyy-MM-dd hh24:mi:ss'));
insert into worker_202307 (id,name,technology,save_date) values ('110','云韵1','python',to_date('2023/7/29 22:46:19','yyyy-MM-dd hh24:mi:ss'));
(3)查询分区数据
select count(1) from worker_202307 PARTITION (technology_java);
select count(1) from worker_202307 PARTITION (technology_python);
select count(1) from worker_202307 SUBPARTITION (worker_id_1);
select count(1) from worker_202307 SUBPARTITION (worker_id_2);
select count(1) from worker_202307 SUBPARTITION (worker_id_5);
select count(1) from worker_202307 SUBPARTITION (worker_id_6);

五、对已有表进行分区

1、先创建一张表,再插入200条数据。
create table WORKER_202308
(
id number not null,
name VARCHAR2(200),
technology VARCHAR2(100),
save_date DATE
)

千万级数据,如何做性能优化?分库分表、Oracle分区表?_分区表_11

2、创建一张新表,建一个范围分区
create table WORKER_202308_tab
(
id number not null,
name VARCHAR2(200),
technology VARCHAR2(100),
save_date DATE
)
partition by range (id)
(
partition WORKER1 values less than (201)
);
3、把原表数据插入到新表
select * from WORKER_202308;
select * from WORKER_202308_tab;

ALTER TABLE WORKER_202308_tab
EXCHANGE PARTITION WORKER1
WITH TABLE WORKER_202308
WITHOUT VALIDATION;

成功转移。

4、删除原表、新表改名
DROP TABLE WORKER_202308;
RENAME WORKER_202308_tab TO WORKER_202308;
5、将一个分区拆分成多个分区,分区界限元素必须是一个:字符串,日期时间或间隔文字。

千万级数据,如何做性能优化?分库分表、Oracle分区表?_python_12

AT括号内不能是字段名称,改为数字即可。

ALTER TABLE WORKER_202308 
SPLIT PARTITION WORKER1 AT (180)
INTO (PARTITION WORKER2,PARTITION WORKER3);

注意:不能修改分区列的数据类型

千万级数据,如何做性能优化?分库分表、Oracle分区表?_分区表_13

通过sql查询验证分区是否成功。

SELECT * FROM USER_TAB_PARTITIONS 
WHERE TABLE_NAME='WORKER_202309';

通过sql查询分区数据:

select count(1) from WORKER_202309 
PARTITION (WORKER1);//分区不存在 ok

select count(1) from WORKER_202309
PARTITION (WORKER2);//179条数据 ok

select count(1) from WORKER_202309
PARTITION (WORKER3);//21条数据 ok
6、截断分区

截断分区是指删除某个分区中的数据,并不会删除分区,也不会删除其它分区中的数据。

ALTER TABLE WORKER_202309 
TRUNCATE PARTITION WORKER3;
7、合并分区
ALTER TABLE WORKER_202309 
MERGE PARTITIONS WORKER2,WORKER3
INTO PARTITION WORKER3 ;

千万级数据,如何做性能优化?分库分表、Oracle分区表?_python_14

六、小结

使用Oracle这么久,第一次系统的了解Oracle的存储结构,​​Oracle -> 表空间 -> 段 -> 区 -> 逻辑数据块​​。

了解了Oracle分区表技术适用于哪些场景、何时分区、分区表的分类,并通过SQL实例进行了实战演练。

标签:分库,分区,worker,千万级,分区表,values,date,technology,id
From: https://blog.51cto.com/u_15559285/6027907

相关文章

  • MySql分库分表
    MySql分库分表分库分表策略当数据量达到一定程度时,我们出于性能考虑就需要将我们存放在同一个数据库中的数据分散存放到多个数据库(主机)上面,以达到分散单台设备负载的效果......
  • MySQL分库分表方案
    1导读各位小伙伴,在目前企业级开发中采用Mysql做为数据库是一个主流选择,而当数据量比较大的情况下,为了支撑项目的正常快速的运行,我们不得不选择对数据库分库分表操作,本章节......
  • 分库分表方案
    一、为什么要进行分库分表当MySQL单表数据量过大,比如超过5千万条的时候,读写性能变得很差。而且常规的优化手段已经不起作用了,比如:SQL调优、添加索引、主从复制、读写分离......
  • 海量数据存储Sharding-JDBC分库分表
    文章目录​​1.分库分表简介​​​​1.1.MySQL架构演变​​​​1.2.数据库性能优化思路​​​​1.3.分库分表带来的优点​​​​1.4.分库分表后的六大问题​​​​2.常见分......
  • MySQL实战宝典 索引调优篇 14 分区表:哪些场景不建议用分区表
    MySQL实战宝典索引调优篇14分区表:哪些场景不建议用分区表 前面几节,通过索引的原理,索引覆盖的使用,结合复杂SQL的调优,学习了索引设计的各个方面,接下来聊聊分区表的设......
  • 创建分区表在交换分区时报警ORA-14097的处理记录
    问题描述:创建分区表在交换分区时报警ORA-14097的处理记录.数据库:oracle11.2.0.41、问题重现HR@orcl150>createtablep_emp2(salnumber(7,2))3partitionbyran......
  • 分区表新增分区测试
    1.无MAX分区且非自动分区且全部分区索引1.1.环境准备--建表CREATETABLEMONKEY.TEST_PART_NULL_NORMAL(IDNUMBER,STU_NAMEVARCHAR2(100),STU_A......
  • 稳定支撑千万级月活,华为日历背后的英雄
    摘要:华为日历月活高达数千万,这使其对支撑业务的数据库提出了巨大挑战:高并发场景下,数据库如何实现快速扩容?海量数据运行,如何确保业务稳定性?本文分享自华为云社区《​​稳定支......
  • 稳定支撑千万级月活,华为日历背后的英雄
    摘要:华为日历月活高达数千万,这使其对支撑业务的数据库提出了巨大挑战:高并发场景下,数据库如何实现快速扩容?海量数据运行,如何确保业务稳定性?本文分享自华为云社区《稳定支撑......
  • Sharding-Proxy 分库分表示例
    我司当前的一个数据库,分了51个数据库及表,使用 Sharding-JDBC去独立连接。(Sharding-JDBC是Sharding-Sphere的第一个产品,也是Sharding-Sphere的前身。它定位为轻量级Java框......