MySQL Partition Table--分區表優缺點

分區表歷史

一、MySQL 5.1版本開始支持基於整數列的分區表，
二、MySQL 5.5版本開始支持RANGE和LIST分區，支持TRUNCATE分區，新增COLUMNS關鍵詞簡化分區定義。
三、MySQL 5.6版本開始支持分區交換，支持顯式分區查詢，支持最大8182個分區或子分區。
四、MySQL 5.7版本引入本地分區策略，並標記棄用通用分區策略。

 

分區策略

按照管理打開分區的行爲能夠將分區策略分爲兩類：
一、通用分區策略(Generic Partitioning), 由MySQL Server層負責控制訪問分區。
二、本地分區策略(Native Partitioning),由存儲引擎層負責控制訪問分區。

在MySQL開始支持分區表時，將分區表訪問控制操做放在MySQL Server層實現，因爲在文件管理/表管理等方面實現較爲粗糙，存在嚴重性能問題。而不一樣存儲引擎層使用不一樣存儲機制/索引結構/訪問控制(鎖)，能夠經過特殊設計來提高或優化特定的操做，將分區訪問控制策略放置在存儲引擎中實現更好。


通用分區策略問題：
一、當分區表第一次被訪問時，不管該次訪問須要操做多少個分區，都須要訪問該分區表上全部分區，致使性能問題。當分區表上分區數量較大時，可能會由於打開文件數量超過參數open_file_limit限制而出錯。
二、在對分區表進行維護時，須要同時維護原分區文件和新分區文件，如將分區表由100分區擴展至101分區時，須要2*100+2*101=402個文件描述符。


在MySQL 5.7.9版本中，InnoDB引入本地分區策略，由InnoDB存儲引擎層內部管理訪問分區錶行爲。
在MySQL 5.7.17版本中，MySQL將通用分區策略標記爲棄用
在MySQL 8.0版本，再也不容許MyISAM引擎使用分區表，由於MyISAM引擎不支持本地分區策略。
目前僅有InnoDB和NDB兩種存儲引擎支持本地分區策略。

 

MySQL 5.7分區加強

MySQL 5.7分區加強：
一、MySQL 5.7.1開始支持HANDLER語句(非標準SQL語句，不支持DML操做，經過指定索引來訪問數據，下降優化器解析和優化SQL的開銷，提高查詢性能。)
二、MySQL 5.7.2開始子分區支持ANALYZE/CHECK/OPTIMIZE/REPAIR/TRUNCATE操做
三、MySQL5.7.3支持index condition pushdown(ICP)特性
四、MySQL 5.7.4爲InnoDB表分區支持FLUSH TABLES FOR EXPORT選項
五、支持使用緩存來提高Load data的性能，每一個分區使用130KB緩衝區
六、支持使用CACHE INDEX和LOAD INDEX INTO CACHE語句對分區的MyISAM表支持索引緩存

 

分區表優勢

在MySQL Server層分區表爲一個表，而在MySQL存儲引擎層分區表是多個表，所以有以下特色：
一、分區表對業務透明，只須要維護一個表的數據結構。
二、DML操做加鎖僅影響操做的分區，不會影響未訪問分區。
三、經過分區交換快速將數據換入和換出分區表。
四、經過TRUNCATE操做快速清理特定分區數據。
五、經過強制分區僅訪問特定分區數據，減小操做影響。
六、經過大數據量分區能有效下降索引層數，提升查詢性能。

 

分區表缺點

因爲分區表在MySQL Server層爲一個表，所以：
一、DDL操做須要鎖定全部分區，致使全部分區上操做都被阻塞。
二、當表數據量較小時，分區表和非分區表性能相近，分區表效果有限。
三、當表數據量較大時，對分區表進行DDL或其餘運維操做難度大風險高。
四、分區表使用較少，存在未知風險多，BUG多BUG多BUG多，MySQL社區版本免費，橫向擴展成本低，分庫分表實現簡單且中間件完善。
五、當單臺服務器性能沒法知足時，對分區表進行分拆的成本較高，而分庫分表能很容易實現橫向分拆。
六、當分區表操做不當致使訪問全部分區時，會致使嚴重的性能問題，而分庫分表操做不當僅影響訪問的表。
七、使用分庫分表能夠有效運維下降運維操做影響，對1億數據量表作DDL操做須要謹慎評估，而對10萬數據量表作DDL操做能夠默認其很快完成。
八、使用分庫分表能夠有效減少宕機或其餘故障影響，將數據分庫分表到10套羣集上，一套羣集發生故障僅影響業務的一成。

 

我的看法

對於SQL Server和Oracle這些商業數據庫，因爲商業受權致使橫向擴展成本較高，且分區表功能穩定，所以經過硬件擴展和分區來承擔大數據量帶來的負載，而對於MySQL，互聯網企業有資源有能力將不少需求遷移到數據庫外部實現，所以更追求MySQL使用過程當中的簡單穩定可靠，且經過堆服務器+分庫分表更能有處理數據量爆炸式增加帶來的性能問題。