你了解MySQL分区表吗？知道哪些情况不适用分区表吗？

一、分区表的使用

简单来说，分区表就是把物理表结构相同的几张表，通过一定算法，组成一张逻辑大表。这种算法叫“分区函数”，当前 MySQL 数据库支持的分区函数类型有 RANGE、LIST、HASH、KEY、COLUMNS。

无论选择哪种分区函数，都要指定相关列成为分区算法的输入条件，这些列就叫“分区列”。另外，在 MySQL 分区表中，主键也必须是分区列的一部分，不然创建分区表时会失败，比如：

CREATE TABLE t (

    a INT,

    b INT,

    c DATETIME(6),

    d VARCHAR(32),

    e INT,

    PRIMARY KEY (a,b)

)

partition by range columns(c) (

    PARTITION p0000 VALUES LESS THAN ('2019-01-01'),

    PARTITION p2019 VALUES LESS THAN ('2020-01-01'),

    PARTITION p2020 VALUES LESS THAN ('2021-01-01'),

    PARTITION p9999 VALUES LESS THAN (MAXVALUE)

);

ERROR 1503 (HY000): A PRIMARY KEY must include all columns in the table's partitioning function (prefixed columns are not considered).

上面创建了表 t，主键是复合索引，由列 a、b 组成。表 t 创建分区表的意图是根据列 c（时间列）拆分数据，把不同时间数据存放到不同分区中。

从错误的提示中看到：分区表的主键一定要包含分区函数的列。所以，要创建基于列c 的数据分片的分区表，主键必须包含列 c，比如下面的建表语句：

CREATE TABLE t (

    a INT,

    b INT,

    c DATETIME,

    d VARCHAR(32),

    e INT,

    PRIMARY KEY (a,b,c),

    KEY idx_e (e)

)

partition by range columns(c) (

    PARTITION p0000 VALUES LESS THAN ('2019-01-01'),

    PARTITION p2019 VALUES LESS THAN ('2020-01-01'),

    PARTITION p2020 VALUES LESS THAN ('2021-01-01'),

    PARTITION p9999 VALUES LESS THAN (MAXVALUE)

);

创建完表后，在物理存储上会看到四个分区所对应 ibd 文件，也就是把数据根据时间列 c 存储到对应的 4 个文件中：

t#p#p0000.ibd  t#p#p2019.ibd  t#p#p2020.ibd  t#p#p9999.ibd

需要注意的是：MySQL 中的分区表是把一张大表拆成了多张表，每张表有自己的索引，从逻辑上看是一张表，但物理上存储在不同文件中。

二、分区表的注意事项：唯一索引

在 MySQL 数据库中，分区表的索引都是局部，而非全局。也就是说，索引在每个分区文件中都是独立的，所以分区表上的唯一索引必须包含分区列信息，否则创建会报错，比如：

ALTER TABLE t ADD UNIQUE KEY idx_d(d);

ERROR 1503 (HY000): A UNIQUE INDEX must include all columns in the table's partitioning function (prefixed columns are not considered).

但是，正因为唯一索引包含了分区列，唯一索引也就变成仅在当前分区唯一，而不是全局唯一了。那么对于上面的表 t，插入下面这两条记录都是可以的：

INSERT INTO t VALUES 

(1,1,'2023-01-01','aaa',1),

(1,1,'2024-01-01','aaa',1);

SELECT * FROM t;

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

| a | b | c                   | d    | e    |

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

| 1 | 1 | 2023-01-01 00:00:00 |aaa   |    1 |

| 1 | 1 | 2024-01-01 00:00:00 |aaa   |    1 |

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

可以看到，列 d 都是字符串‘aaa’，但依然可以插入。这样带来的影响是列 d 并不是唯一的，所以要由当前分区唯一实现全局唯一。

那如何实现全局唯一索引呢？ 和之前表结构设计时一样，唯一索引使用全局唯一的字符串（如类似 UUID 的实现），这样就能避免局部唯一的问题。

三、分区表的误区：性能提升

分区表是把一张大表拆分成了多张小表，所以这样 MySQL 数据库的性能会有大幅提升。这是错误的认识！如果寄希望于通过分区表提升性能，那么不建议你使用分区，因为做不到。

分区表技术不是用于提升 MySQL 数据库的性能，而是方便数据的管理。

我们前面提到了B+树高度与数据存储量之间的关系，B+树高度为4的时候，能存放10亿的数据，一次查询只需要4次IO，速度很快。但使用分区表后，虽然B+树的高度有所降低，但对性能的提升基本上是微乎其微。

除此之外，分区表还会引入新的性能问题，比如非分区列的查询。非分区列的查询，即使分区列上已经创建了索引，但因为索引是每个分区文件对应的本地索引，所以要查询每个分区。

比如如下SQL及其执行计划：

SELECT * FROM t WHERE d = 'aaa'

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

           id: 1

  select_type: SIMPLE

        table: t

   partitions: p0000,p2019,p2020,p9999

         type: ALL

possible_keys: NULL

          key: NULL

      key_len: NULL

          ref: NULL

         rows: 2

     filtered: 50.00

        Extra: Using where

通过执行计划我们可以看到：上述 SQL 需要访问 4 个分区，假设每个分区需要 3 次 I/O，则这条 SQL 总共要 12 次 I/O。但是，如果使用普通表，记录数再多，也就 4 次的 I/O 的时间。

所以，分区表设计时，查询条件都带有分区字段，否则会扫描所有分区的数据或索引。所以，分区表设计不解决性能问题，更多的是解决数据迁移和备份的问题。

四、分区表业务实战

以电商中的订单表 Orders 为例，如果在类似淘宝的海量互联网业务中，Orders 表的数据量会非常巨大，假设一天产生 5000 万的订单，那么一年表 Orders 就有近 180 亿的记录。

所以对于订单表，在数据库中通常只保存最近一年甚至更短时间的数据，而历史订单数据会入历史库。除非存在 1 年以上退款的订单，大部分订单一旦完成，这些数据从业务角度就没用了。

那么如果想方便管理订单表中的数据，可以对表 Orders 按年创建分区表，如：

CREATE TABLE `orders` (

  `o_orderkey` int NOT NULL,

  `O_CUSTKEY` int NOT NULL,

  `O_ORDERSTATUS` char(1) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NOT NULL,

  `O_TOTALPRICE` decimal(15,2) NOT NULL,

  `O_ORDERDATE` date NOT NULL,

  `O_ORDERPRIORITY` char(15) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NOT NULL,

  `O_CLERK` char(15) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NOT NULL,

  `O_SHIPPRIORITY` int NOT NULL,

  `O_COMMENT` varchar(79) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NOT NULL,

  PRIMARY KEY (`o_orderkey`,`O_ORDERDATE`),

  KEY `orders_fk1` (`O_CUSTKEY`),

  KEY `idx_orderdate` (`O_ORDERDATE`)

)

PARTITION BY RANGE  COLUMNS(o_orderdate)

(

  PARTITION p0000 VALUES LESS THAN ('1992-01-01') ENGINE = InnoDB,

  PARTITION p1992 VALUES LESS THAN ('1993-01-01') ENGINE = InnoDB,

  PARTITION p1993 VALUES LESS THAN ('1994-01-01') ENGINE = InnoDB,

  PARTITION p1994 VALUES LESS THAN ('1995-01-01') ENGINE = InnoDB,

  PARTITION p1995 VALUES LESS THAN ('1996-01-01') ENGINE = InnoDB,

  PARTITION p1996 VALUES LESS THAN ('1997-01-01') ENGINE = InnoDB,

  PARTITION p1997 VALUES LESS THAN ('1998-01-01') ENGINE = InnoDB,

  PARTITION p1998 VALUES LESS THAN ('1999-01-01') ENGINE = InnoDB,

  PARTITION p9999 VALUES LESS THAN (MAXVALUE)

）

可以看到，这时 Orders 表的主键修改为了(o_orderkey,O_ORDERDATE)，数据按照年进行分区存储。那么如果要删除 1 年前的数据，比如删除 1998 年的数据，之前需要使用下面的 SQL，比如:

DELETE FROM Orders 

WHERE o_orderdate >= '1998-01-01' 

  AND o_orderdate < '1999-01-01'

可这条 SQL 的执行相当慢，产生大量二进制日志，在生产系统上，也会导致数据库主从延迟的问题。而使用分区表的话，对于数据的管理就容易多了，直接使用清空分区的命令就行：

ALTER TABLE orders_par 

TRUNCATE PARTITION p1998

上述 SQL 执行速度非常快，因为实际执行过程是把分区文件删除和重建。另外产生的日志也只有一条 DDL 日志，也不会导致主从复制延迟问题。

文章将持续更新，欢迎关注公众号：服务端技术精选。欢迎点赞、关注、转发。