大数据处理:教你玩转千万级别的数据

  1. 云栖社区>
  2. IT168>
  3. 博客>
  4. 正文

大数据处理:教你玩转千万级别的数据

青衫无名 2017-09-01 15:43:00 浏览925
展开阅读全文
文章讲的是大数据处理:教你玩转千万级别的数据大数据处理是一个头疼的问题,特别当达不到专业DBA的技术水准时,对一些数据库方面的问题感到无赖。所以还是有必要了解一些数据库方面的技巧,当然,每个人都有自己的数据库方面的技巧,只是八仙过海,所用的武功不同而已。我把我最常用的几种方式总结来与大家分享。

  方法1:采用表分区技术。

  第一次听说表分区,是以前的一个oracle培训。oracle既然有表分区,就想到mssql是否有表的分区,当时我回家就google了一把,资料还是有的,在这我儿只是再作一次推广,让更多的人了解和运用这些技术。

  表分区,就是将一个数据量比较大的表,用某种方法把数据从物理上分成若干个小表来存储,从逻辑来看还是一个大表。首先来个结构图:

大数据处理:教你玩转千万级别的数据

  上图虽然不能很清晰的表达表分区的执行过程,但是可以看出表分区要用到那些对象,比如数据文件,文件组,分区方案,分区函数等。

  我们以一个用户表(TestUser)为例,假设这个表准备用来存储中国部分公民的数据,每条数据记录着每个人所属的省份(Area),以及每个人的姓名(UserName),如下图所示。当数据量达到1千万的时候,查询就比较慢了,这时候的数据优化就迫在眉睫。

大数据处理:教你玩转千万级别的数据

  在优化之前,根据数据的结构,读写操作等,肯定会提出若干个解决方案。在这儿就以分区表的方案来优化数据库的查询,这儿以区域来分别存储数据,比如广东的公民存放在AreaFile01.MDF文件中,湖南的公民存放在AreaFile02.MDF的文件中,四川的公民存放在AreaFile03.MDF的文件中,以此类推其它省份,为了实现这个功能我们就得做分区方案。在做分区方案时,首先要搞清楚分区方案要涉及到的四个对象:文件组,文件,分区函数,分区方案。

  a:文件组,用来组织数据文件(.MDF)的一个虚拟名称,一个文件组可以添加多个数据文件(.MDF)。打开SQL管理器,找到具体的数据库,然后右键【属性】,进入到【文件组】选项卡,添加Area01,Area02,Area03,Area04四个文件组。如图:

大数据处理:教你玩转千万级别的数据

  b:然后选择中【文件】选项卡,添加AreaFile01,AreaFile02,AreaFile03,AreaFile04,AreaFile05,AreaFile06六个数据文件(.MDF),然后指定每个文件属于那个文件组(一个文件组可以存储多个数据文件),以及这个文件的物理路径。在这儿大家已经看明白了,这些数据文件,就是物理上来分割一个数据表的数据的。也就是说一个表的数据有可能存储在AreaFile01中,也有可能存储在AreaFile02中,只要用某种方法来指定他们的存储规则就行了。

  c:分区函数,就是指定数据的存储规则。就是告诉SQL,把新增的数据如何分区。创建一个分区函数,可以用下边的SQL语句来实现。

CREATE PARTITION FUNCTION partitionFunArea (nvarchar(50))
AS RANGE Left FOR VALUES ('广东','湖南','四川')

        d:辛苦的创建了文件,又为其指定文件组,还建一个分区函数,目的只有一个,就是为了创建一个分区方案。分区方案可以用以下代码来创建。

CREATE PARTITION SCHEME partitionSchemeArea
AS PARTITION partitionFunArea
TO (
Area01,
Area02,
Area03,
Area04)

        经过紧张的四步操作,一个分区方案就呈现在我们的眼前了。接下来的事,就是我们要怎样来消费这个分区方案。

  首先我们创建一人普通的表,然后给这个表指定一个分区方案。如下代码。

CREATE TABLE TestUser(
[Id] [int] IDENTITY(1,1NOT NULL,
[Area] nvarchar(50),
[UserName] nvarchar(50)
ON partitionSchemeArea([Area])

        为了能看到效果,再插入一些数据。

INSERT TestUser ([Area],[UserName]Values('四川','肖一');
INSERT TestUser ([Area],[UserName]Values('四川','肖二');
INSERT TestUser ([Area],[UserName]Values('四川','肖三');
INSERT TestUser ([Area],[UserName]Values('四川','肖四');
INSERT TestUser ([Area],[UserName]Values('广东','张一');
INSERT TestUser ([Area],[UserName]Values('广东','张二');
INSERT TestUser ([Area],[UserName]Values('广东','张三');
INSERT TestUser ([Area],[UserName]Values('湖南','杨一');
INSERT TestUser ([Area],[UserName]Values('湖南','杨二');

        查询所有的数据,可以用select * from TestUser; 按分区查询:就用如下方法:

select $PARTITION.partitionFunArea([Area]as 分区编号,count(id) as 记录数
from TestUser group by $PARTITION.partitionFunArea([Area])
select * from TestUser where $PARTITION.partitionFunArea([Area])=1
select * from TestUser where $PARTITION.partitionFunArea([Area])=2
select * from TestUser where $PARTITION.partitionFunArea([Area])=3
select * from TestUser where $PARTITION.partitionFunArea([Area])=4

        效果图:

大数据处理:教你玩转千万级别的数据

  你们看我一个简单的表的分区是不是就已经完成了。呵呵,当然在实际应用中,仅仅掌握这点是不够的,比如在原分区方案上添加一个分区,删除一个分区。


作者:李焕珠

来源:IT168

原文链接:大数据处理:教你玩转千万级别的数据

网友评论

登录后评论
0/500
评论
青衫无名
+ 关注
所属云栖号: IT168