'數據庫表分區是怎麼回事？'

​

數據庫表分區是怎麼回事？

大家好，這一期呢，我們來說一下，數據庫表和索引的分區。講解這個問題，對於不同的數據庫可能有一些技術細節上的不同，因此我們以某個數據庫比如sql server為例來探討這個問題。

分區後的數據和索引分散到多個文件組裡面，因此可以說這些數據是平行並列分佈的，每組中的行都對應特定的那個分區。這些索引和表的分區都必須存在一個數據庫裡面。因此，在外部程序看來，不管內部有多少個分區，在外面看來就是一個數據表或者索引。

那麼表或者索引的分區有什麼好處呢？好處主要是兩個方面，一個是管理起來比較容易，另一個方面是性能上更好一些。

相較於訪問整表而言，訪問某個分區的數據當然更快更有效率。

我們設想一下有這麼一個案例，有一個表它有多個分區，這些分區對應的都是不同的文件組，而這些文件組呢又會分散到不同的硬盤上。

如果我們在排序的時候，一個硬盤一個硬盤的去訪問的話，性能上就會很低。

要改善性能的話，我們可以使用RAID對分散到多個硬盤上的數據文件，同時進行訪問。

再來說一下數據加鎖的情況。在有多個分區的情況下，我們只需要對某個分區進行加鎖，而不需要對整張表進行加鎖，這樣也可以提高操作的效率。這要在創建表的時候，修改表的屬性，把lock_escalation這個選項設置為Auto。

下面是數據分區的幾個重要概念。

首先是分區函數。分區函數用來定義如何進行分區。首先它定義了我們需要分多少個區。這些區的邊界在哪裡。打個比方說, 一張用戶表中包含了用戶的註冊時間，註冊地域等等信息。那我們可以以時間為參考創建分區。可以以月為單位或者以年為單位進行分區，這主要取決於你到底有多大的數據量。在這種情況下，時間，也就是某個月的起始與終止，或者某個年的起始與終止，作為數據邊界的參考。

其次是分區列。分區列會被上面的分區函數拿來用作進行表和索引的分區。這個列必須被明確的標註為persisted。 理論上講所有可以用作索引定義的列都可以當做分區列。

再次就是對應的索引。索引和原始表的分區函數，必須滿足如下條件， 分區函數的參數必須具有相同的數據類型，他們必須具有相同數量的分區，他們必須具有相同的數據邊界。

通俗的講，數據進行了分區，索引的分區必須跟數據的分區進行對應，這樣才可以提高效率。

對簇索引進行分區。當簇索引的鍵值並非唯一的時候，簇索引的鍵值並不需要指定包含分區列，在這種情況下，sql server 會缺省的把分區列添加到簇索引的鍵值中。如果簇索引的鍵值是唯一的，你必須顯性的指定簇索引的鍵值包含分區列。

對非簇索引進行分區。當對於一個鍵值唯一的非簇索引進行分區時，索引鍵值必須包含分區列。當索引值不唯一時，數據庫會缺省的讓索引鍵值包含分區列。

接下來說一下非對應索引的情況。這種索引主要是獨立於相關的數據表之外。主要是兩種情況，一是這種索引有獨立的分區定義，二是這種索引被放置在一個單獨的文件組中。這種索引在如下情況下非常有用:

. 數據源表沒有分區，

. 索引鍵是唯一的，並且不包含分區列

. 你會在數據源表上進行非常複雜的多表聯合操作。

在性能的考量上。並不是說分區越多，性能就越好。這些分區都會影響到內存的消耗，CPU的繁忙程度。所以你在使用分區的時候，要找到你的平衡點。

具體的參數參考可以查找對應數據庫的開發文檔。

以上是我對這個話題一點心得看法。僅供參考，歡迎討論, 歡迎拍磚。