深入解析MySQL分区（Partition）功能

自5.1开始对分区(Partition)有支持

= 水平分区（根据列属性按行分）=

举个简单例子：一个包含十年发票记录的表可以被分区为十个不同的分区，每个分区包含的是其中一年的记录。

=== 水平分区的几种模式：===

* Range（范围） – 这种模式允许DBA将数据划分不同范围。例如DBA可以将一个表通过年份划分成三个分区，80年代（1980‘s）的数据，90年代（1990‘s）的数据以及任何在2000年（包括2000年）后的数据。

* Hash（哈希） – 这中模式允许DBA通过对表的一个或多个列的Hash Key进行计算，最后通过这个Hash码不同数值对应的数据区域进行分区，。例如DBA可以建立一个对表主键进行分区的表。

* Key（键值） – 上面Hash模式的一种延伸，这里的Hash Key是MySQL系统产生的。

* List（预定义列表） – 这种模式允许系统通过DBA定义的列表的值所对应的行数据进行分割。例如：DBA建立了一个横跨三个分区的表，分别根据2004年2005年和2006年值所对应的数据。

* Composite（复合模式） - 很神秘吧，哈哈，其实是以上模式的组合使用而已，就不解释了。举例：在初始化已经进行了Range范围分区的表上，我们可以对其中一个分区再进行hash哈希分区。

= 垂直分区（按列分）=

举个简单例子：一个包含了大text和BLOB列的表，这些text和BLOB列又不经常被访问，这时候就要把这些不经常使用的text和BLOB了划分到另一个分区，在保证它们数据相关性的同时还能提高访问速度。

[分区表和未分区表试验过程]

*创建分区表,按日期的年份拆分

[sql] view plain copy

  1. mysql> CREATE TABLE part_tab ( c1 int default NULL, c2 varchar(30) default NULL, c3 date default NULL) engine=myisam
  2. PARTITION BY RANGE (year(c3)) (PARTITION p0 VALUES LESS THAN (1995),
  3. PARTITION p1 VALUES LESS THAN (1996) , PARTITION p2 VALUES LESS THAN (1997) ,
  4. PARTITION p3 VALUES LESS THAN (1998) , PARTITION p4 VALUES LESS THAN (1999) ,
  5. PARTITION p5 VALUES LESS THAN (2000) , PARTITION p6 VALUES LESS THAN (2001) ,
  6. PARTITION p7 VALUES LESS THAN (2002) , PARTITION p8 VALUES LESS THAN (2003) ,
  7. PARTITION p9 VALUES LESS THAN (2004) , PARTITION p10 VALUES LESS THAN (2010),
  8. PARTITION p11 VALUES LESS THAN MAXVALUE );

注意最后一行，考虑到可能的最大值

*创建未分区表

[sql] view plain copy

  1. mysql> create table no_part_tab (c1 int(11) default NULL,c2 varchar(30) default NULL,c3 date default NULL) engine=myisam;

*通过存储过程灌入800万条测试数据

mysql> set sql_mode=‘‘; /* 如果创建存储过程失败，则先需设置此变量, bug? */

MySQL> delimiter //   /* 设定语句终结符为 //，因存储过程语句用;结束 */

[sql] view plain copy

  1. mysql> CREATE PROCEDURE load_part_tab()
  2. begin
  3. declare v int default 0;
  4. while v < 8000000
  5. do
  6. insert into part_tab
  7. values (v,‘testing partitions‘,adddate(‘1995-01-01‘,(rand(v)*36520) mod 3652));
  8. set v = v + 1;
  9. end while;
  10. end
  11. //
  12. mysql> delimiter ;
  13. mysql> call load_part_tab();

Query OK, 1 row affected (8 min 17.75 sec)

[sql] view plain copy

  1. mysql> insert into no_part_tab select * from part_tab;

Query OK, 8000000 rows affected (51.59 sec)

Records: 8000000 Duplicates: 0 Warnings: 0

* 测试SQL性能

[sql] view plain copy

  1. mysql> select count(*) from part_tab where c3 > date ‘1995-01-01‘ and c3 < date ‘1995-12-31‘;

+----------+

| count(*) |

+----------+

|   795181 |

+----------+

1 row in set (0.55 sec)

[sql] view plain copy

  1. mysql> select count(*) from no_part_tab where c3 > date ‘1995-01-01‘ and c3 < date ‘1995-12-31‘;

+----------+

| count(*) |

+----------+

|   795181 |

+----------+

1 row in set (4.69 sec)

结果表明分区表比未分区表的执行时间少90%。

* 通过explain语句来分析执行情况

[sql] view plain copy

  1. mysql > explain select count(*) from no_part_tab where c3 > date ‘1995-01-01‘ and c3 < date ‘1995-12-31‘\G

/* 结尾的\G使得mysql的输出改为列模式 */

*************************** 1. row ***************************

id: 1

select_type: SIMPLE

table: no_part_tab

type: ALL

possible_keys: NULL

key: NULL

key_len: NULL

ref: NULL

rows: 8000000

Extra: Using where

1 row in set (0.00 sec)

[sql] view plain copy

  1. mysql> explain select count(*) from part_tab where c3 > date ‘1995-01-01‘ and c3 < date ‘1995-12-31‘\G

*************************** 1. row ***************************

id: 1

select_type: SIMPLE

table: part_tab

type: ALL

possible_keys: NULL

key: NULL

key_len: NULL

ref: NULL

rows: 798458

Extra: Using where

1 row in set (0.00 sec)

explain语句显示了SQL查询要处理的记录数目

* 试验创建索引后情况

[sql] view plain copy

  1. mysql> create index idx_of_c3 on no_part_tab (c3);

Query OK, 8000000 rows affected (1 min 18.08 sec)

Records: 8000000 Duplicates: 0 Warnings: 0

[sql] view plain copy

  1. mysql> create index idx_of_c3 on part_tab (c3);

Query OK, 8000000 rows affected (1 min 19.19 sec)

Records: 8000000 Duplicates: 0 Warnings: 0

创建索引后的数据库文件大小列表：

2008-05-24 09:23             8,608 no_part_tab.frm

2008-05-24 09:24       255,999,996 no_part_tab.MYD

2008-05-24 09:24        81,611,776 no_part_tab.MYI

2008-05-24 09:25                 0 part_tab#P#p0.MYD

2008-05-24 09:26             1,024 part_tab#P#p0.MYI

2008-05-24 09:26        25,550,656 part_tab#P#p1.MYD

2008-05-24 09:26         8,148,992 part_tab#P#p1.MYI

2008-05-24 09:26        25,620,192 part_tab#P#p10.MYD

2008-05-24 09:26         8,170,496 part_tab#P#p10.MYI

2008-05-24 09:25                 0 part_tab#P#p11.MYD

2008-05-24 09:26             1,024 part_tab#P#p11.MYI

2008-05-24 09:26        25,656,512 part_tab#P#p2.MYD

2008-05-24 09:26         8,181,760 part_tab#P#p2.MYI

2008-05-24 09:26        25,586,880 part_tab#P#p3.MYD

2008-05-24 09:26         8,160,256 part_tab#P#p3.MYI

2008-05-24 09:26        25,585,696 part_tab#P#p4.MYD

2008-05-24 09:26         8,159,232 part_tab#P#p4.MYI

2008-05-24 09:26        25,585,216 part_tab#P#p5.MYD

2008-05-24 09:26         8,159,232 part_tab#P#p5.MYI

2008-05-24 09:26        25,655,740 part_tab#P#p6.MYD

2008-05-24 09:26         8,181,760 part_tab#P#p6.MYI

2008-05-24 09:26        25,586,528 part_tab#P#p7.MYD

2008-05-24 09:26         8,160,256 part_tab#P#p7.MYI

2008-05-24 09:26        25,586,752 part_tab#P#p8.MYD

2008-05-24 09:26         8,160,256 part_tab#P#p8.MYI

2008-05-24 09:26        25,585,824 part_tab#P#p9.MYD

2008-05-24 09:26         8,159,232 part_tab#P#p9.MYI

2008-05-24 09:25             8,608 part_tab.frm

2008-05-24 09:25                68 part_tab.par

* 再次测试SQL性能

[sql] view plain copy

  1. mysql> select count(*) from no_part_tab where c3 > date ‘1995-01-01‘ and c3 < date ‘1995-12-31‘;

+----------+

| count(*) |

+----------+

|   795181 |

+----------+

1 row in set (2.42 sec)   /* 为原来4.69 sec 的51%*/

重启mysql ( net stop mysql, net start mysql)后，查询时间降为0.89 sec,几乎与分区表相同。

[sql] view plain copy

  1. mysql> select count(*) from part_tab where c3 > date ‘1995-01-01‘ and c3 < date ‘1995-12-31‘;

+----------+

| count(*) |

+----------+

|   795181 |

+----------+

1 row in set (0.86 sec)

* 更进一步的试验

** 增加日期范围

[sql] view plain copy

  1. mysql> select count(*) from no_part_tab where c3 > date ‘1995-01-01‘ and c3 < date ‘1997-12-31‘;

+----------+

| count(*) |

+----------+

| 2396524 |

+----------+

1 row in set (5.42 sec)

[sql] view plain copy

  1. mysql> select count(*) from part_tab where c3 > date ‘1995-01-01‘ and c3 < date ‘1997-12-31‘;

+----------+

| count(*) |

+----------+

| 2396524 |

+----------+

1 row in set (2.63 sec)

** 增加未索引字段查询

[sql] view plain copy

  1. mysql> select count(*) from part_tab where c3 > date ‘1995-01-01‘ and c3 < date
  2. ‘1996-12-31‘ and c2=‘hello‘;

+----------+

| count(*) |

+----------+

|        0 |

+----------+

1 row in set (0.75 sec)

[sql] view plain copy

  1. mysql> select count(*) from no_part_tab where c3 > date ‘1995-01-01‘ and c3 < date ‘1996-12-31‘ and c2=‘hello‘;

+----------+

| count(*) |

+----------+

|        0 |

+----------+

1 row in set (11.52 sec)

= 初步结论 =

* 分区和未分区占用文件空间大致相同 （数据和索引文件）

* 如果查询语句中有未建立索引字段，分区时间远远优于未分区时间

* 如果查询语句中字段建立了索引，分区和未分区的差别缩小，分区略优于未分区。

= 最终结论 =

* 对于大数据量，建议使用分区功能。

* 去除不必要的字段

* 根据手册， 增加myisam_max_sort_file_size 会增加分区性能

[分区命令详解]

= 分区例子 =

* RANGE 类型

[sql] view plain copy

  1. CREATE TABLE users (
  2. uid INT UNSIGNED NOT NULL AUTO_INCREMENT PRIMARY KEY,
  3. name VARCHAR(30) NOT NULL DEFAULT ‘‘,
  4. email VARCHAR(30) NOT NULL DEFAULT ‘‘
  5. )
  6. PARTITION BY RANGE (uid) (
  7. PARTITION p0 VALUES LESS THAN (3000000)
  8. DATA DIRECTORY = ‘/data0/data‘
  9. INDEX DIRECTORY = ‘/data1/idx‘,
  10. PARTITION p1 VALUES LESS THAN (6000000)
  11. DATA DIRECTORY = ‘/data2/data‘
  12. INDEX DIRECTORY = ‘/data3/idx‘,
  13. PARTITION p2 VALUES LESS THAN (9000000)
  14. DATA DIRECTORY = ‘/data4/data‘
  15. INDEX DIRECTORY = ‘/data5/idx‘,
  16. PARTITION p3 VALUES LESS THAN MAXVALUE     DATA DIRECTORY = ‘/data6/data‘
  17. INDEX DIRECTORY = ‘/data7/idx‘
  18. );

在这里，将用户表分成4个分区，以每300万条记录为界限，每个分区都有自己独立的数据、索引文件的存放目录，与此同时，这些目录所在的物理磁盘分区可能也都是完全独立的，可以提高磁盘IO吞吐量。

* LIST 类型

[sql] view plain copy

  1. CREATE TABLE category (
  2. cid INT UNSIGNED NOT NULL AUTO_INCREMENT PRIMARY KEY,
  3. name VARCHAR(30) NOT NULL DEFAULT ‘‘
  4. )
  5. PARTITION BY LIST (cid) (
  6. PARTITION p0 VALUES IN (0,4,8,12)
  7. DATA DIRECTORY = ‘/data0/data‘
  8. INDEX DIRECTORY = ‘/data1/idx‘,
  9. PARTITION p1 VALUES IN (1,5,9,13)
  10. DATA DIRECTORY = ‘/data2/data‘
  11. INDEX DIRECTORY = ‘/data3/idx‘,
  12. PARTITION p2 VALUES IN (2,6,10,14)
  13. DATA DIRECTORY = ‘/data4/data‘
  14. INDEX DIRECTORY = ‘/data5/idx‘,
  15. PARTITION p3 VALUES IN (3,7,11,15)
  16. DATA DIRECTORY = ‘/data6/data‘
  17. INDEX DIRECTORY = ‘/data7/idx‘
  18. );

分成4个区，数据文件和索引文件单独存放。

* HASH 类型

[sql] view plain copy

  1. CREATE TABLE users (
  2. uid INT UNSIGNED NOT NULL AUTO_INCREMENT PRIMARY KEY,
  3. name VARCHAR(30) NOT NULL DEFAULT ‘‘,
  4. email VARCHAR(30) NOT NULL DEFAULT ‘‘
  5. )
  6. PARTITION BY HASH (uid) PARTITIONS 4 (
  7. PARTITION p0
  8. DATA DIRECTORY = ‘/data0/data‘
  9. INDEX DIRECTORY = ‘/data1/idx‘,
  10. PARTITION p1
  11. DATA DIRECTORY = ‘/data2/data‘
  12. INDEX DIRECTORY = ‘/data3/idx‘,
  13. PARTITION p2
  14. DATA DIRECTORY = ‘/data4/data‘
  15. INDEX DIRECTORY = ‘/data5/idx‘,
  16. PARTITION p3
  17. DATA DIRECTORY = ‘/data6/data‘
  18. INDEX DIRECTORY = ‘/data7/idx‘
  19. );

分成4个区，数据文件和索引文件单独存放。

例子：

[sql] view plain copy

  1. CREATE TABLE ti2 (id INT, amount DECIMAL(7,2), tr_date DATE)
  2. ENGINE=myisam
  3. PARTITION BY HASH( MONTH(tr_date) )
  4. PARTITIONS 6;
  5. CREATE PROCEDURE load_ti2()
  6. begin
  7. declare v int default 0;
  8. while v < 80000
  9. do
  10. insert into ti2
  11. values (v,‘3.14‘,adddate(‘1995-01-01‘,(rand(v)*3652) mod 365));
  12. set v = v + 1;
  13. end while;
  14. end
  15. //

* KEY 类型

[sql] view plain copy

  1. CREATE TABLE users (
  2. uid INT UNSIGNED NOT NULL AUTO_INCREMENT PRIMARY KEY,
  3. name VARCHAR(30) NOT NULL DEFAULT ‘‘,
  4. email VARCHAR(30) NOT NULL DEFAULT ‘‘
  5. )
  6. PARTITION BY KEY (uid) PARTITIONS 4 (
  7. PARTITION p0
  8. DATA DIRECTORY = ‘/data0/data‘
  9. INDEX DIRECTORY = ‘/data1/idx‘,
  10. PARTITION p1
  11. DATA DIRECTORY = ‘/data2/data‘
  12. INDEX DIRECTORY = ‘/data3/idx‘,
  13. PARTITION p2
  14. DATA DIRECTORY = ‘/data4/data‘
  15. INDEX DIRECTORY = ‘/data5/idx‘,
  16. PARTITION p3
  17. DATA DIRECTORY = ‘/data6/data‘
  18. INDEX DIRECTORY = ‘/data7/idx‘
  19. );

分成4个区，数据文件和索引文件单独存放。

* 子分区

子分区是针对 RANGE/LIST 类型的分区表中每个分区的再次分割。再次分割可以是 HASH/KEY 等类型。例如：

[sql] view plain copy

  1. CREATE TABLE users (
  2. uid INT UNSIGNED NOT NULL AUTO_INCREMENT PRIMARY KEY,
  3. name VARCHAR(30) NOT NULL DEFAULT ‘‘,
  4. email VARCHAR(30) NOT NULL DEFAULT ‘‘
  5. )
  6. PARTITION BY RANGE (uid) SUBPARTITION BY HASH (uid % 4) SUBPARTITIONS 2(
  7. PARTITION p0 VALUES LESS THAN (3000000)
  8. DATA DIRECTORY = ‘/data0/data‘
  9. INDEX DIRECTORY = ‘/data1/idx‘,
  10. PARTITION p1 VALUES LESS THAN (6000000)
  11. DATA DIRECTORY = ‘/data2/data‘
  12. INDEX DIRECTORY = ‘/data3/idx‘
  13. );

对 RANGE 分区再次进行子分区划分，子分区采用 HASH 类型。

或者

[sql] view plain copy

  1. CREATE TABLE users (
  2. uid INT UNSIGNED NOT NULL AUTO_INCREMENT PRIMARY KEY,
  3. name VARCHAR(30) NOT NULL DEFAULT ‘‘,
  4. email VARCHAR(30) NOT NULL DEFAULT ‘‘
  5. )
  6. PARTITION BY RANGE (uid) SUBPARTITION BY KEY(uid) SUBPARTITIONS 2(
  7. PARTITION p0 VALUES LESS THAN (3000000)
  8. DATA DIRECTORY = ‘/data0/data‘
  9. INDEX DIRECTORY = ‘/data1/idx‘,
  10. PARTITION p1 VALUES LESS THAN (6000000)
  11. DATA DIRECTORY = ‘/data2/data‘
  12. INDEX DIRECTORY = ‘/data3/idx‘
  13. );

对 RANGE 分区再次进行子分区划分，子分区采用 KEY 类型。

= 分区管理 =

* 删除分区

[sql] view plain copy

  1. ALERT TABLE users DROP PARTITION p0;

删除分区 p0。

* 重建分区

o RANGE 分区重建

[sql] view plain copy

  1. ALTER TABLE users REORGANIZE PARTITION p0,p1 INTO (PARTITION p0 VALUES LESS THAN (6000000));

将原来的 p0,p1 分区合并起来，放到新的 p0 分区中。

o LIST 分区重建

[sql] view plain copy

  1. ALTER TABLE users REORGANIZE PARTITION p0,p1 INTO (PARTITION p0 VALUES IN(0,1,4,5,8,9,12,13));

将原来的 p0,p1 分区合并起来，放到新的 p0 分区中。

o HASH/KEY 分区重建

[sql] view plain copy

  1. ALTER TABLE users REORGANIZE PARTITION COALESCE PARTITION 2;

用 REORGANIZE 方式重建分区的数量变成2，在这里数量只能减少不能增加。想要增加可以用 ADD PARTITION 方法。

* 新增分区

o 新增 RANGE 分区

[sql] view plain copy

  1. ALTER TABLE category ADD PARTITION (PARTITION p4 VALUES IN (16,17,18,19)
  2. DATA DIRECTORY = ‘/data8/data‘
  3. INDEX DIRECTORY = ‘/data9/idx‘);

新增一个RANGE分区。

o 新增 HASH/KEY 分区

[sql] view plain copy

  1. ALTER TABLE users ADD PARTITION PARTITIONS 8;

将分区总数扩展到8个。

[ 给已有的表加上分区 ]

[sql] view plain copy

  1. alter table results partition by RANGE (month(ttime))
  2. (PARTITION p0 VALUES LESS THAN (1),
  3. PARTITION p1 VALUES LESS THAN (2) , PARTITION p2 VALUES LESS THAN (3) ,
  4. PARTITION p3 VALUES LESS THAN (4) , PARTITION p4 VALUES LESS THAN (5) ,
  5. PARTITION p5 VALUES LESS THAN (6) , PARTITION p6 VALUES LESS THAN (7) ,
  6. PARTITION p7 VALUES LESS THAN (8) , PARTITION p8 VALUES LESS THAN (9) ,
  7. PARTITION p9 VALUES LESS THAN (10) , PARTITION p10 VALUES LESS THAN (11),
  8. PARTITION p11 VALUES LESS THAN (12),
  9. PARTITION P12 VALUES LESS THAN (13) );

默认分区限制分区字段必须是主键（PRIMARY KEY)的一部分，为了去除此

限制：

[方法1] 使用ID

[sql] view plain copy

  1. mysql> ALTER TABLE np_pk
  2. ->     PARTITION BY HASH( TO_DAYS(added) )
  3. ->     PARTITIONS 4;

ERROR 1503 (HY000): A PRIMARY KEY must include all columns in the table‘s partitioning function

However, this statement using the id column for the partitioning column is valid, as shown here:

[sql] view plain copy

  1. mysql> ALTER TABLE np_pk
  2. ->     PARTITION BY HASH(id)
  3. ->     PARTITIONS 4;

Query OK, 0 rows affected (0.11 sec)

Records: 0 Duplicates: 0 Warnings: 0

[方法2] 将原有PK去掉生成新PK

[sql] view plain copy

  1. mysql> alter table results drop PRIMARY KEY;

Query OK, 5374850 rows affected (7 min 4.05 sec)

Records: 5374850 Duplicates: 0 Warnings: 0

[sql] view plain copy

  1. mysql> alter table results add PRIMARY KEY(id, ttime);

Query OK, 5374850 rows affected (6 min 14.86 sec)

Records: 5374850 Duplicates: 0 Warnings: 0

时间： 2024-10-10 18:22:24

深入解析MySQL分区（Partition）功能的相关文章

【转载】实战mysql分区(PARTITION)

转载地址:http://lobert.iteye.com/blog/1955841 前些天拿到一个表,将近有4000w数据,没有任何索引,主键.(建这表的绝对是个人才) 这是一个日志表,记录了游戏中物品的产出与消耗,原先有一个后台对这个表进行统计.....(这要用超级计算机才能统计得出来吧),只能帮前人填坑了.... 数据太大,决定用分区来重构. 如果你发现是empty,说明你的mysql版本不够,分区至少要5.1 下面针对业务查询,决定用时间来做range分区(还有list,hash等类型),

实战mysql分区(PARTITION)

http://lobert.iteye.com/blog/1955841 前些天拿到一个表,将近有4000w数据,没有任何索引,主键.(建这表的绝对是个人才) 这是一个日志表,记录了游戏中物品的产出与消耗,原先有一个后台对这个表进行统计.....(这要用超级计算机才能统计得出来吧),只能帮前人填坑了.... 数据太大,决定用分区来重构. 如果你发现是empty,说明你的mysql版本不够,分区至少要5.1 下面针对业务查询,决定用时间来做range分区(还有list,hash等类型),一个月一个

mysql分区partition

创建实例: CREATE TABLE HASH_EMP ( tid int, tname char(255) ) PARTITION BY HASH (tid) PARTITIONS 8; 查看:select partition_name,partition_expression,partition_description,table_rows from information_schema.partitions where table_schema = schema() and table_n

MySQL分区与分片的差异

要了解分区与分片之间的差异,首先我们需要知道什么是分片与分区.分片:分片Sharding 不是一门新技术,而是一个相对简朴的软件理念.众所周知,MySQL 5 之后才有了数据表分区功能,那么在此之前,很多 mysql 的潜在用户都对 MySQL 的扩展性有所顾虑,而是否具备分区功能就成了衡量一个数据库可扩展性与否的一个关键指标(当然不是唯一指标).数据库扩展性是一个永恒的话题,MySQL 的推广者经常会被问到:如在单一数据库上处理应用数据捉襟见肘而需要进行分区化之类的处理,是如何办到的呢? 答案

MySQL分区（Partition）功能

引用地址:http://blog.csdn.net/tjcyjd/article/details/11194489 自5.1开始对分区(Partition)有支持 = 水平分区(根据列属性按行分)=举个简单例子:一个包含十年发票记录的表可以被分区为十个不同的分区,每个分区包含的是其中一年的记录. === 水平分区的几种模式:===* Range(范围) – 这种模式允许DBA将数据划分不同范围.例如DBA可以将一个表通过年份划分成三个分区,80年代(1980's)的数据,90年代(1990's)

mysql的partition分区

前言:当一个表里面存储的数据特别多的时候,比如单个.myd数据都已经达到10G了的话,必然导致读取的效率很低,这个时候我们可以采用把数据分到几张表里面来解决问题.方式一:通过业务逻辑根据数据的大小通过id%10这种来分成 user1,user2,user3等这样的,但是这样会有很多问题我们需要维护这样一个hash关系, 而且每次读取数据和写入数据的时候还要去判断取那张表,这个是我们通过程序去识别写表和读表的.方式二:mysql可以通过partition进行分区,这种分区显示给我们的数据依然都是在

理解MySQL——并行数据库与分区(Partition)

理解MySQL--并行数据库与分区(Partition)(http://www.cnblogs.com/hustcat/archive/2009/12/24/1631674.html) 1.并行数据库 1.1.并行数据库的体系结构并行机的出现,催生了并行数据库的出现,不对,应该是关系运算本来就是高度可并行的.对数据库系统性能的度量主要有两种方式:(1)吞吐量(Throughput),在给定的时间段里所能完成的任务数量:(2)响应时间(Response time),单个任务从提交到完成所需要的时间

kafka的log存储解析——topic的分区partition分段segment以及索引

转自:http://www.cnblogs.com/dorothychai/p/6181058.html 引言 Kafka中的Message是以topic为基本单位组织的,不同的topic之间是相互独立的.每个topic又可以分成几个不同的partition(每个topic有几个partition是在创建topic时指定的),每个partition存储一部分Message.借用官方的一张图,可以直观地看到topic和partition的关系. partition是以文件的形式存储在文件系统中,比

[转] mysql分区性能初探

本文转自:http://www.cnblogs.com/acpp/archive/2010/08/09/1795464.html 一,      分区概念  分区允许根据指定的规则,跨文件系统分配单个表的多个部分.表的不同部分在不同的位置被存储为单独的表.MySQL从5.1.3开始支持Partition. 分区和手动分表对比 手动分表  分区 多张数据表 一张数据表 重复数据的风险 没有数据重复的风险 写入多张表 写入一张表 没有统一的约束限制 强制的约束限制 MySQL支持RANGE,LIST