理解MySQL——並行數據庫與分區(Partition)

一、並行數據庫

 

1.一、並行數據庫的體系結構
並行機的出現，催生了並行數據庫的出現，不對，應該是關係運算原本就是高度可並行的。對數據庫系統性能的度量主要有兩種方式：(1)吞吐量(Throughput)，在給定的時間段裏所能完成的任務數量；(2)響應時間(Response time)，單個任務從提交到完成所須要的時間。對於處理大量小事務的系統，經過並行地處理許多事務能夠提升它的吞吐量。對於處理大事務的系統，經過並行的執行事務的子任務，能夠縮短系統晌應時間。
並行機有三種基本的體系結構，相應的，並行數據庫的體系結構也能夠大概分爲三類：
    共享內存(share memeory)：全部處理器共享一個公共的存儲器；
    共享磁盤(share disk)：全部處理器共享公共的磁盤；這種結構有時又叫作集羣(cluster)；
    無共享(share nothing)：全部處理器既不共享內存，也不共享磁盤。
如圖所示：

1.1.一、    共享內存
該結構包括多個處理器、一個全局共享的內存（主存儲器）和多個磁盤存儲，各個處理器經過高速通信網絡（Interconnection Network）與共享內存鏈接，並都可直接訪問系統中的一個、多個或所有的磁盤存儲，在系統中，全部的內存和磁盤存儲均由多個處理器共享。
這種結構的優勢在於，處理器之間的通訊效率極高，訪問內存的速度要比消息通訊機制要快不少。這種結構的缺點在於，處理器的規模不能超過32個或者64個，由於總線或互邊網絡是由全部的處理器共享，它會變成瓶頸。當處理器數量到達某一個點時，再增長處理器已經沒有什麼好處。
共享內存結構一般在每一個處理器上有很大的高速緩存，從而減小對內存的訪問。可是，這些高速緩存必須保持一致，也就是緩存一致性(cache-coherency)的問題。
1.1.二、    共享磁盤
該結構由多個具備獨立內存（主存儲器）的處理器和多個磁盤存儲構成，各個處理器相互之間沒有任何直接的信息和數據的交換，多個處理器和磁盤存儲由高速通訊網絡鏈接，每一個處理器均可以讀寫所有的磁盤存儲。
共享磁盤與共享內存結構相比，有如下一些優勢：(1)每一個處理器都有本身的存儲器，存儲總線再也不是瓶頸；(2)以一種較經濟的方式提供了容錯性(fault tolerence)，若是一個處器發生故障，其它處理器能夠代替工做。
該結構的主要問題不是在於可擴展性問題，雖然存儲總線不是瓶頸，可是，與磁盤之間的鏈接又成了瓶頸。
運行Rdb的DEC集羣是共享磁盤的體系結構的早期商用化產品之一(DEC後來被Compaq公司收購，再後來，Oracle又從Compaq手中取得Rdb，發展成如今的Oracle RAC)。
1.1.三、    無共享
該結構由多個徹底獨立的處理節點構成，每一個處理節點具備本身獨立的處理器、獨立的內存（主存儲器）和獨立的磁盤存儲，多個處理節點在處理器級由高速通訊網絡鏈接，系統中的各個處理器使用本身的內存獨立地處理本身的數據。
這 種結構中，每個處理節點就是一個小型的數據庫系統，多個節點一塊兒構成整個的分佈式的並行數據庫系統。因爲每一個處理器使用本身的資源處理本身的數據，不存 在內存和磁盤的爭用，提升的總體性能。另外這種結構具備優良的可擴展性——只需增長額外的處理節點，就能夠以接近線性的比例增長系統的處理能力。
    這種結構中，因爲數據是各個處理器私有的，所以系統中數據的分佈就須要特殊的處理，以儘可能保證系統中各個節點的負載基本平衡，但在目前的數據庫領域，這個數據分佈問題已經有比較合理的解決方案。
因爲數據是分佈在各個處理節點上的，所以，使用這種結構的並行數據庫系統，在擴展時不可避免地會致使數據在整個系統範圍內的重分佈（Re-Distribution）問題。
    Shared-Nothing結構的典型表明是Teradata(並行數據庫的先驅)，值得一提的是，MySQL NDB Cluster也使用了這種結構。

 1.二、I/O並行(I/O Parallelism)
I/O並行的最簡單形式是經過對關係劃分，放置到多個磁盤上來縮減從磁盤讀取關係的時間。並行數據庫中數據劃分最通用的形式是水平劃分(horizontal portioning)，一個關係中的元組被劃分到多個磁盤。
1.2.一、經常使用劃分技術
假定將數據劃分到n個磁盤D0，D1，…，Dn中。
(1)    輪轉法(round-bin)。對關係順序掃描，將第i個元組存儲到標號爲Di%n的磁盤上；該方式保證了元組在多個磁盤上均勻分佈。
(2)    散列劃分(hash partion)。選定一個值域爲{0, 1, …,n-1}的散列函數，對關係中的元組基於劃分屬性進行散列。若是散列函數返回i，則將其存儲到第i個磁盤。
(3)    範圍劃分(range partion)。
因爲將關係存儲到多個磁盤，讀寫時能同時進行，劃分(partion)能大大提升系統的讀寫性能。數據的存取能夠分爲如下幾類：
(1)    掃描整個關係；
(2)    點查詢(point query)，如name = 「hustcat」；
(3)    範圍查詢(range query)，如 20 < age < 30。
不一樣的劃分技術，對這些存取類型的效率是不一樣的：
    輪轉法適合順序掃描關係，對點查詢和範圍查詢的處理較複雜。
    散列劃分特別適合點查詢，速度最快。
    範圍劃分對點查詢、範圍查詢以及順序掃描都支持較好，因此適用性很廣。可是，這種方式存在一個問題——執行偏斜(execution skew)，也就是說某些範圍的元組較多，使得大量的I/O出如今某幾個磁盤。

1.三、查詢間並行(interquery parallism)
查詢間並行指的是不一樣的查詢或事務間並行的執行。這種形式的並行能夠提升事務的吞吐量，然而，單個事務並不能執行得更快(即響應時間不能減小)。查詢間的並行主要用於擴展事務處理系統，在單位時間內可以處理更多的事務。
查詢間並行是數據庫系統最易實現的一種並行，在共享內存的並行系統(如SMP)中尤爲這樣。爲單處理器設計的數據庫系統能夠不用修改，或者不多修改就能用到共享內存的體系結構。
在共享磁盤和無共享的體系結構中，實現查詢間並行要更復雜一些。各個處理須要協調來進行封鎖、日誌操做等等，這就須要處理器之間的傳遞消息。並行數據庫系統必須保證兩個處理器不會同時更新同一數據。並且，處理器訪問數據時，系統必須保證處理器緩存的數據是最新的數據，即緩存一致性問題。

1.四、查詢內並行(intraquery parallism)
查詢內並行是指單個查詢要在多個處理器和磁盤上同時進行。爲了理解，來考慮一個對某關係進行排序的查詢。假設關係已經基於某個屬性進行了範圍劃分，存儲於多個磁盤上，而且劃分是基於劃分屬性的。則排序操做能夠以下進行：對每一個分區並行的排序，而後將各個已經有序的分區合併到一塊兒。
單個查詢的執行能夠有兩種並行方式：
(1)    操做內並行(Intraoperation parallism)：經過並行的執行每個運算，如排序、選擇、鏈接等，來加快一個查詢的處理速度。
(2)    操做間並行(Interoperation parallism)：經過並行的執行一個查詢中的多個不一樣的運算，來加速度一個查詢的處理速度。
注意二者間的區別，前者能夠認爲多個處理器同時執行一個運算，然後者是多個處理器同時執行不一樣的運算。
這兩種形式之間的並行是互相補充的，而且能夠同時存在於一個查詢中。一般因爲一個查詢中的運算數目相對於元組數目是較小的，因此當並行度增長時，第一種方式取得的效果更顯著。

二、MySQL的分區(partion)
2.一、MySQL分區概述
在MySQL中，InnoDB存儲引擎長期支持表空間的概念，而且MySQL服務器甚至在分區引入以前，就能配置爲存儲不一樣的數據庫使用不一樣的物理路徑。分區(partion)更進一步，它容許你經過設置各類規則將一個表的各個分區跨文件系統存儲。實際上，不一樣位置的不一樣表分區是做爲一個單獨的表來存儲的。用戶所選擇的、實現數據分割的規則被稱爲分區函數(partioning function)，這在MySQL中它能夠是模數，或者是簡單的匹配一個連續的數值區間或數值列表，或者是一個內部HASH函數，或一個線性HASH函數。
    最多見是的水平分區(horizontal partitioning)，也就是將表的不一樣的元組分配到不一樣的物理分區上。目前，MySQL 5.1還不支持垂直分區(vertical partitioning)，即將表的不一樣列分配到不一樣的物理分區。你可使用MySQL支持的大多數存儲引擎來建立表的分區，在MySQL 5.1中，同一個表的各個分區必須使用相同的存儲引擎，好比，你不能對一個分區使用MyISAM，而對另外一個分區使用InnoDB。可是，你能夠對同一個數據庫的不一樣的表使用不一樣的存儲引擎。
    要爲某個分區表配置一個專門的存儲引擎，必須且只能使用[STORAGE] ENGINE 選項，這如同爲非分區表配置存儲引擎同樣。可是，必須記住[STORAGE] ENGINE（和其餘的表選項）必須列在用在CREATE TABLE語句中的其餘任何分區選項以前。下面的例子給出了怎樣建立一個經過HASH分紅6個分區、使用InnoDB存儲引擎的表：

CREATE TABLE ti (id INT, amount DECIMAL(7,2), tr_date DATE)     ENGINE=INNODB     PARTITION BY HASH( MONTH(tr_date) )     PARTITIONS 6;

注：分區必須對一個表的全部數據和索引；不能只對數據分區而不對索引分區，反之亦然，同時也不能只對表的一部分進行分區。
    分區對數據庫管理系統實現並行處理有着重要的影響，若是對數據進行分區，則很容易進行並行處理，可是，MySQL尚未充分利用分區的這種並行優點，而這也是它改進的方向 (這種分治思想深深的影響着並行計算，並且在並行計算方面具備自然優點)。MySQL的分區，會給系統帶來如下一些優勢：
    與單個磁盤或文件系統分區相比，單個表能夠存儲更多的數據。
    對於那些已經失去保存意義的數據，一般能夠經過刪除與那些數據有關的分區，很容易地刪除那些數據。相反地，在某些狀況下，添加新數據的過程又能夠經過爲那些新數據專門增長一個新的分區，來很方便地實現。
    對於帶Where的條件查詢語句，能夠獲得更大的優化；只須要查詢某些分區，而不用掃描所有分區。
還有其它一些優勢，不過MySQL 5.1還不支持：
    一些聚合函數，好比SUM() 和COUNT()，可以很容易的並行執行；
    經過並行I/O，能夠大大提升查詢的吞吐量。
注：實際上，分區不管是對I/O並行，仍是查詢內並行，都有着重要的影響。只不過MySQL在這方面作得還不夠多(不過，正在改進)，而Oracle對於查詢內並行，作了不少工做。

2.二、分區類型
MySQL 5.1中可用的分區類型包括：
    RANGE分區(portioning)：根據列值所屬的範圍區間，將元組分配到各個分區。
    LIST分區：相似於按RANGE分區，區別在於LIST分區是基於列值匹配一個離散值集合中的某個值來進行選擇。
    HASH分區：根據用戶定義的函數的返回值來進行選擇的分區，該表達式使用將要插入到表中的這些行的列值進行計算。這個函數能夠包含MySQL 中有效的、產生非負整數值的任何表達式。
    KEY分區：相似於按HASH分區，區別在於KEY分區只支持計算一列或多列，且MySQL 服務器提供其自身的哈希函數。
2.2.一、範圍分區
範圍分區是經過計算表達式的值所屬的範圍區間，對元組進行分區。這些區間要求連續且不能相互重疊，使用VALUES LESS THAN操做符來進行定義。在下面的幾個例子中，假定你建立了一個以下的一個表，該表保存有20家音像店的職員記錄，這20家音像店的編號從1到20。

CREATE TABLE employees (     id INT NOT NULL,     fname VARCHAR(30),     lname VARCHAR(30),     hired DATE NOT NULL DEFAULT '1970-01-01',     separated DATE NOT NULL DEFAULT '9999-12-31',     job_code INT NOT NULL,     store_id INT NOT NULL );

你能夠根據須要對該表進行各類分區，好比，你能夠經過store_id來進行分區：

CREATE TABLE employees (     id INT NOT NULL,     fname VARCHAR(30),     lname VARCHAR(30),     hired DATE NOT NULL DEFAULT '1970-01-01',     separated DATE NOT NULL DEFAULT '9999-12-31',     job_code INT NOT NULL,     store_id INT NOT NULL ) PARTITION BY RANGE (store_id) (     PARTITION p0 VALUES LESS THAN (6),     PARTITION p1 VALUES LESS THAN (11),     PARTITION p2 VALUES LESS THAN (16),     PARTITION p3 VALUES LESS THAN (21) );

很容易肯定數據(72, 'Michael', 'Widenius', '1998-06-25', NULL, 13)被插入分區p2；可是，若是一條數據的store_id = 21，會怎麼樣呢？因爲沒有規則處理大於20的狀況，因此服務器會報錯。你能夠經過以下方式來處理這種狀況：

CREATE TABLE employees (     id INT NOT NULL,     fname VARCHAR(30),    lname VARCHAR(30),     hired DATE NOT NULL DEFAULT '1970-01-01',     separated DATE NOT NULL DEFAULT '9999-12-31',     job_code INT NOT NULL,     store_id INT NOT NULL ) PARTITION BY RANGE (store_id) (     PARTITION p0 VALUES LESS THAN (6),     PARTITION p1 VALUES LESS THAN (11),     PARTITION p2 VALUES LESS THAN (16),     PARTITION p3 VALUES LESS THAN MAXVALUE );

MAXVALUE 表示最大的可能的整數值。如今，store_id 列值大於或等於16（定義了的最高值）的全部行都將保存在分區p3中。在未來的某個時候，當商店數已經增加到25, 30, 或更多 ，可使用ALTER TABLE語句爲商店21-25, 26-30,等等增長新的分區
RANGE分區在以下場合特別有用：
(1)    當須要刪除「舊的」數據時。 在上面的例子中，你只需簡單地使用 「ALTER TABLE employees DROP PARTITION p0；」來刪除全部在1991年前就已經中止工做的僱員相對應的全部行。對於有大量行的表，這比運行一個如「DELETE FROM employees WHERE YEAR(separated) <= 1990；」這樣的一個DELETE查詢要有效得多。
(2)    常常依賴於分區屬性進行查詢。例如，當執行一個如「SELECT COUNT(*) FROM employees WHERE YEAR(separated) = 2000 GROUP BY store_id；」這樣的查詢時，MySQL能夠很迅速地肯定只有分區p2須要掃描，這是由於餘下的分區不可能包含有符合該WHERE子句的任何記錄。注：這種優化尚未在MySQL 5.1源程序中啓用，可是，有關工做正在進行中。
範圍分區的缺點就是容易出現執行偏斜，這會影響系統性能。
2.2.二、HASH分區
HASH分區主要用來確保數據在預先肯定數目的分區中平均分佈。在RANGE和LIST分區中，必須明確指定一個給定的列值或列值集合應該保存在哪一個分區中；而在HASH分區中，MySQL 自動完成這些工做，你所要作的只是基於將要被哈希的列值指定一個列值或表達式，以及指定被分區的表將要被分割成的分區數量。
你能夠經過要在CREATE TABLE 語句上添加一個「PARTITION BY HASH (expr)」子句，其中「expr」是一個返回一個整數的表達式。它能夠僅僅是字段類型爲MySQL 整型的一列的名字。此外，你極可能須要在後面再添加一個「PARTITIONS num」子句，其中num 是一個非負的整數，它表示表將要被分割成分區的數量。好比：

CREATE TABLE employees (     id INT NOT NULL,     fname VARCHAR(30),     lname VARCHAR(30),     hired DATE NOT NULL DEFAULT '1970-01-01',     separated DATE NOT NULL DEFAULT '9999-12-31',     job_code INT,     store_id INT ) PARTITION BY HASH(store_id) PARTITIONS 4;

若是沒有PARTITIONS語句，默認分區數爲1。可是，PARTITIONS後面沒有數字，系統會報錯。
相對於範圍分區，HASH分區更可能保證數據均衡分佈。
2.2.三、子分區(Subpartitioning)
子分區，也叫作複合分區(composite partitioning)，是對分區表的每一個分區的進一步分割。例如，

CREATE TABLE ts (id INT, purchased DATE)     PARTITION BY RANGE( YEAR(purchased) )     SUBPARTITION BY HASH( TO_DAYS(purchased) )     SUBPARTITIONS 2 (         PARTITION p0 VALUES LESS THAN (1990),         PARTITION p1 VALUES LESS THAN (2000),         PARTITION p2 VALUES LESS THAN MAXVALUE     );

表ts 有3個RANGE分區。這3個分區中的每個分區——p0, p1, 和 p2 ——又被進一步分紅了2個子分區。實際上，整個表被分紅了3 * 2 = 6個分區。可是，因爲PARTITION BY RANGE子句的做用，這些分區的頭2個只保存「purchased」列中值小於1990的那些記錄。
在MySQL 5.1中，對於已經經過RANGE或LIST分區了的表再進行分區。子分區既可使用HASH希分區，也可使用KEY分區。
爲了對個別的子分區指定選項，使用SUBPARTITION  子句來明肯定義子分區也是可能的。例如，建立在前面例子中給出的同一個表的、一個更加詳細的方式以下：

CREATE TABLE ts (id INT, purchased DATE)     PARTITION BY RANGE( YEAR(purchased) )     SUBPARTITION BY HASH( TO_DAYS(purchased) ) (         PARTITION p0 VALUES LESS THAN (1990) (             SUBPARTITION s0,             SUBPARTITION s1         ),         PARTITION p1 VALUES LESS THAN (2000) (             SUBPARTITION s2,             SUBPARTITION s3         ),         PARTITION p2 VALUES LESS THAN MAXVALUE (             SUBPARTITION s4,             SUBPARTITION s5         )     );

一些注意點：
(1)    每一個分區的子分區數必須相同；
(2)    若是在一個分區表上的任何分區上使用SUBPARTITION 來明肯定義任何子分區，那麼就必須定義全部的子分區；
(3)    每一個SUBPARTITION子句必須包含一個子分區的名稱；
(4)    MySQL 5.1.7及以前的版本，每一個分區的子分區的名稱必須惟一，可是在整個表中，沒有必要惟一。從MySQL 5.1.8開始，子分區的名稱在整個表中都必須惟一。
子分區能夠用於特別大的表，在多個磁盤間分配數據和索引。假設有6個磁盤，分別爲/disk0， /disk1， /disk2等，對於以下例子：

CREATE TABLE ts (id INT, purchased DATE)     PARTITION BY RANGE( YEAR(purchased) )     SUBPARTITION BY HASH( TO_DAYS(purchased) ) (         PARTITION p0 VALUES LESS THAN (1990) (             SUBPARTITION s0                 DATA DIRECTORY = '/disk0/data'                 INDEX DIRECTORY = '/disk0/idx',             SUBPARTITION s1                 DATA DIRECTORY = '/disk1/data'                 INDEX DIRECTORY = '/disk1/idx'         ),         PARTITION p1 VALUES LESS THAN (2000) (             SUBPARTITION s2                 DATA DIRECTORY = '/disk2/data'                 INDEX DIRECTORY = '/disk2/idx',             SUBPARTITION s3                 DATA DIRECTORY = '/disk3/data'                 INDEX DIRECTORY = '/disk3/idx'         ),         PARTITION p2 VALUES LESS THAN MAXVALUE (             SUBPARTITION s4                 DATA DIRECTORY = '/disk4/data'                 INDEX DIRECTORY = '/disk4/idx',             SUBPARTITION s5                 DATA DIRECTORY = '/disk5/data'                 INDEX DIRECTORY = '/disk5/idx'         )     );

三、體驗分區
下面經過例子來體驗分區：
(1)建立以下分區表：

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

(2)建立一個不分區的表：

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

(1)    建立一個生成8000000行數據的存儲過程：

delimiter // CREATE PROCEDURE load_part_tab() begin declare v int default 0;           while v < 8000000  do  insert into part_tab  values (v,'testing partitions',adddate('1995-01-01',(rand(v)*36520) mod 3652));  set v = v + 1;  end while;  end  //

(2)    調用存儲過程，生成數據：

mysql> delimiter ; mysql> call load_part_tab(); Query OK, 1 row affected (6 min 35.39 sec)

(5)

mysql> insert into no_part_tab select * from part_tab; Query OK, 8000000 rows affected (40.98 sec) Records: 8000000 Duplicates: 0 Warnings: 0

 

數據準備好了，下面開始測試：

(6)

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 (4.23 sec)   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)

速度差別很明顯；下面看一下查詢計劃：

(8)

mysql> explain select count(*) from no_part_tab where     -> c3 > date '1995-01-01' and c3 < date '1995-12-31'\G *************************** 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)   mysql> explain partitions 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    partitions: p1          type: ALL possible_keys: NULL           key: NULL       key_len: NULL           ref: NULL          rows: 8000000  #why??         Extra: Using where 1 row in set (0.00 sec)

附SQL語句：

 1  CREATE   TABLE  part_tab
 2  (  c1  int   default   NULL ,
 3  c2  varchar ( 30 )  default   NULL ,
 4  c3 date  default   NULL
 5  ) engine = myisam
 6  PARTITION  BY  RANGE ( year (c3)) 
 7  (
 8  PARTITION p0  VALUES  LESS THAN ( 1995 ),
 9  PARTITION p1  VALUES  LESS THAN ( 1996 ) , 
10  PARTITION p2  VALUES  LESS THAN ( 1997 ) ,
11  PARTITION p3  VALUES  LESS THAN ( 1998 ) ,
12  PARTITION p4  VALUES  LESS THAN ( 1999 ),
13  PARTITION p5  VALUES  LESS THAN ( 2000 ) , 
14  PARTITION p6  VALUES  LESS THAN ( 2001 ) ,
15  PARTITION p7  VALUES  LESS THAN ( 2002 ) , 
16  PARTITION p8  VALUES  LESS THAN ( 2003 ) ,
17  PARTITION p9  VALUES  LESS THAN ( 2004 ) , 
18  PARTITION p10  VALUES  LESS THAN ( 2010 ),
19  PARTITION p11  VALUES  LESS THAN MAXVALUE 
20  );
21 
22 
23  create   table  no_part_tab
24  (c1  int ( 11 )  default   NULL ,
25  c2  varchar ( 30 )  default   NULL ,
26  c3 date  default   NULL
27  ) engine = myisam;
28 
29 
30  delimiter  //
31  CREATE   PROCEDURE  load_part_tab()
32  begin
33  declare  v  int   default   0 ;
34             while  v  <   8000000
35    do
36     insert   into  part_tab(c1,c2,c3)
37     values  (v, ' testing partitions ' ,adddate( ' 1995-01-01 ' ,( rand (v) * 36520 ) mod  3652 ));
38     set  v  =  v  +   1 ;
39     end   while ;
40     end
41  //
42 
43  delimiter ;
44  call load_part_tab();
45  explain  select   count ( * )  from  no_part_tab  where
46  c3  >  date  ' 1995-01-01 '   and  c3  <  date  ' 1995-12-31 ' ;
47 
48  explain  select   count ( * )  from  part_tab  where
49  c3  >  date  ' 1995-01-01 '   and  c3  <  date  ' 1995-12-31 ' ;
50 
51 
52 
53 
54  CREATE   TABLE  part_tab2
55  (  
56  c1  int   default   NULL
57  ) engine = myisam
58  PARTITION  BY  RANGE (c1) 
59  (
60  PARTITION p0  VALUES  LESS THAN ( 5 ),
61  PARTITION p1  VALUES  LESS THAN ( 10 ),
62  PARTITION p2  VALUES  LESS THAN MAXVALUE
63  );
64 
65  insert   into  part_tab2  values ( 2 ),( 3 );