為什么需要分區(qū)？

當面對巨大的數(shù)據(jù)表的時候，至少有一件事情是確定的，表太大了以至于每次查詢的時候我們沒法做全表掃描。而這個時候也沒法使用索引，或者說索引意義不大，更不用說索引的維護代價和空間占用非常高。如果是依賴索引，會導致大量的碎片和低聚集度的數(shù)據(jù)，這會導致查詢的時候有上千次的隨機 I/O 訪問而導致宕機。這種情況下一般只會使用1-2個索引，而不會更多。這種情況下，有兩個可行的選項：查詢必須從數(shù)據(jù)表的指定的部分順序查找或者是期望的部分數(shù)據(jù)及其索引與服務器的內(nèi)存匹配。

需要再次重申：在存儲空間過大時，除非索引覆蓋了整個查詢，否則二叉樹索引就無法發(fā)揮作用。服務端需要查找數(shù)據(jù)表的一整行數(shù)據(jù)，并且會在一個大空間跨度里執(zhí)行隨機 I/O 操作，這會導致查詢響應時間無法接受。而維護索引（磁盤空間，I/O 操作）的代價同樣很高。

而這是分區(qū)能夠解決的問題。這其中的關(guān)鍵就是分區(qū)是索引的一個初級形式，它的負荷低并且能夠讓我們從臨近的數(shù)據(jù)中獲取結(jié)果。這種情形下，我們可以依次掃描相鄰的數(shù)據(jù)或者是將臨近的數(shù)據(jù)加載到內(nèi)存進行檢索。分區(qū)之所以負荷低是因為它并沒有指針指向?qū)臄?shù)據(jù)行，也不需要被更新。分區(qū)并不精確地將數(shù)據(jù)按行劃分，也沒有涉及到所謂的數(shù)據(jù)結(jié)構(gòu)。實際上，分區(qū)相當于對數(shù)據(jù)進行了分類。

分區(qū)的策略

對于大數(shù)據(jù)表，有兩種策略進行分區(qū)：

• 不使用索引：創(chuàng)建數(shù)據(jù)表時不增加索引，而是使用分區(qū)定位到所需要的數(shù)據(jù)行。只要你使用 WHERE 條件將查詢切分到很小的分區(qū)范圍，就已經(jīng)足夠了。這個時候需要通過數(shù)學方法計算查詢的響應時間是否能夠接受。當然，這里的假設(shè)是不會將數(shù)據(jù)放到內(nèi)存中，而是全部數(shù)據(jù)都從磁盤讀取。因此數(shù)據(jù)很快就會被其他查詢覆蓋，使用緩存沒什么意義。這種情況一般用于大量數(shù)據(jù)表的基數(shù)是常規(guī)的。需要注意的是，需要限制分區(qū)數(shù)在幾百。
• 使用索引，并且隔離熱區(qū)數(shù)據(jù)：如果除了熱區(qū)數(shù)據(jù)外，大部分數(shù)據(jù)是不使用的，則可以將熱區(qū)數(shù)據(jù)單獨的分區(qū)，這個分區(qū)算上索引都能夠加載到內(nèi)存中。這個時候可以通過索引來優(yōu)化性能，就像操作普通的數(shù)據(jù)表一樣。
  

分區(qū)隱患

兩種分區(qū)策略是基于兩個關(guān)鍵假設(shè)：在查詢的時候可以通過過濾分區(qū)縮小查找范圍，且分區(qū)自身的代價不高。然而，這兩個假設(shè)未必總是有效，下面是可能遇到的問題：

• NULL 空值可能導致分區(qū)過濾失效：當分區(qū)函數(shù)可能是 NULL 時，分區(qū)工作的結(jié)果就會很奇特。它會假設(shè)第一個分區(qū)是特殊的。假設(shè)使用 PARTITION BY RANGE YEAR(order_date)這樣的分區(qū)方法，如果 order_date 這個列是 NULL 或者無效的日期都會存儲在第一個分區(qū)。假設(shè)寫了一個查詢使用了這樣的查詢條件 :WHERE order_date BETWEEN '2021-01-01' AND '2021-01-31'。MySQL 實際上會檢查2個分區(qū)，一個是 YEAR 這個函數(shù) 在接收到無效輸入時可能會返回 NULL，另一個是符合條件的值可能是 NULL（存儲在第一個分區(qū)中）。這種情況對其他函數(shù)也可能，例如 TO_DAYS。如果第一個分區(qū)很大的話，就會產(chǎn)生問題，尤其是使用第一種不使用索引策略時。從兩個分區(qū)查找數(shù)據(jù)而不是一個分區(qū)的效果是完全意外的。為了避免這種情況，應該創(chuàng)造“假的”第一分區(qū)，例如 PARTITION p_nulls VALUES LESS THAN (0)。如果沒有無效數(shù)據(jù)存入數(shù)據(jù)表的話，這個第一分區(qū)將是空的，即便它也會被掃描，但是因為是空的或者數(shù)據(jù)量很少，對性能影響不大。這種情況在 MySQL 5.5以后，如果直接使用列進行分區(qū)的話就不需要處理，但是如果是使用函數(shù)的話就要這樣做。
• 索引與分區(qū)不匹配：假設(shè)定義了一個索引與分區(qū)條件不匹配，查詢就可能無法對分區(qū)進行過濾。假設(shè)定義了 字段 a 的索引卻使用 字段 b 進行分區(qū)。由于每個分區(qū)都會有自己的索引，針對這個索引的查詢會遍歷所有分區(qū)的索引樹。如果索引樹的非葉子節(jié)點都常駐內(nèi)存查詢起來還比較快，但是也沒法避免全部索引的掃描。為了避免這種情況，應當盡量避免使用非分區(qū)的索引列，除非WHERE 條件本身能夠指定分區(qū)?？雌饋磉@樣很容易避免，實際上卻令人吃驚。例如，假設(shè)一個分區(qū)表用在第二個表查詢聯(lián)合查詢后，而聯(lián)合查詢使用的索引并不是分區(qū)的索引。則聯(lián)合查詢的每一行都會訪問和掃碼第二張表的分區(qū)。
• 決定使用哪個分區(qū)代價可能很高：分區(qū)實現(xiàn)的方式各有差異，因此實際的性能并不總是一致。特別是當遇到“這個數(shù)據(jù)行屬于哪個分區(qū)”或者“如何才能查找到與查詢條件匹配的數(shù)據(jù)行”這樣的問題時。在眾多分區(qū)的情況下來回答這樣的問題很費勁。線性搜索并不總是那么有效，結(jié)果是隨著分區(qū)數(shù)的增長代價也在上升。最為糟糕的形式是逐行插入。每次插入一行數(shù)據(jù)到分區(qū)的數(shù)據(jù)表，服務器都需要掃描一次使用哪個分區(qū)存放新的數(shù)據(jù)行?？梢酝ㄟ^限制分區(qū)的數(shù)量來減輕這個問題，事實上，一般不建議超過100個分區(qū)。當然，對于其他分區(qū)類型，如鍵值和哈希分區(qū)則不會有這樣的限制。
• 打開和鎖定分區(qū)代價也可能很高：分區(qū)表帶來的一個負面效應是查詢時需要對每個分區(qū)進行打開和鎖定。而這個過程是在過濾分區(qū)前進行的。這個代價與分區(qū)類型無關(guān)，且會影響所有的操作語句。這種影響對于短數(shù)據(jù)量的查詢尤其明顯，例如只查詢一行數(shù)據(jù)時。這種缺陷可以通過批量操作替代單次來降低，例如一次插入多行，或 LOAD DATA INFILE，一次按范圍刪除數(shù)據(jù)等等。當然，限制分區(qū)的數(shù)量也是有效的。
• 維護操作代價可能很高：有些分區(qū)的維護是很快的，例如創(chuàng)建或者刪除分區(qū)。而其他操作，例如調(diào)整分區(qū)，就有點像 ALTER 對表的操作那樣了：需要循環(huán)復制數(shù)據(jù)行。例如，調(diào)整分區(qū)會創(chuàng)建一個臨時分區(qū)，然后將數(shù)據(jù)移入到新的分區(qū)，再刪除舊的分區(qū)。
  

如上所述，分區(qū)并不是完美解決方案，目前版本的 MySQL還有一些其他的約束：

• 所有分區(qū)必須使用相同的存儲引擎。
• 分區(qū)函數(shù)能夠選用的函數(shù)或表達式有一定的限制。
• 有些存儲引擎并不支持分區(qū)。
• 對于 MYISAM 數(shù)據(jù)表，無法使用 LOAD INDEX INTO CACHE。
• 對于 MYISAM 數(shù)據(jù)表，分區(qū)表需要更多的打開文件描述符，這意味著單個數(shù)據(jù)表的緩存入口可能對應多個文件描述符。因此基本配置限制了數(shù)據(jù)表的緩存以避免超出服務器操作系統(tǒng)的預處理量，而分區(qū)表可能導致實際超出這個限制。

當然，隨著 MySQL 版本的更新迭代，對分區(qū)的支持也越來越好，并且很多分區(qū)的問題都得到了修復。

以上就是MySQL數(shù)據(jù)表分區(qū)策略及優(yōu)缺點分析的詳細內(nèi)容，更多關(guān)于MySQL數(shù)據(jù)表分區(qū)策略及優(yōu)缺點的資料請關(guān)注腳本之家其它相關(guān)文章！