数据分区是什么?mysql
数据库分区是一种物理数据库设计技术,DBA和数据库建模人员对其至关熟悉。
sql
分区把一大块数据分红了n小块,这样查询的时候很快定位到某一小块上,在小块中寻址要快不少;数据库
多大的数据量才须要分区?数据库设计
参考标准,若是一张表的记录超过在超过1000w,并以每个月百万的数据量增加,那须要分区。
函数
为何须要数据分区?性能
性能提高;方便管理;避免数据倾斜优化
改善数据库的结构有两种,一种是采用存储过程代替普通的SQL语句,spa
另一种就是使用数据库系统中加强索引和规划分区表进行优化,设计
数据分区主要目的是为了在特定的SQL操做中减小数据读写的总量以缩减响应时间。orm
有几种常见的数据分区?各自的优缺点 (基于mysql)
行分区 ----按日期的分区
列分区--- 参数值个数比较少 国际化按国家的分区
range分区:行数据基于属于一个给定连续区间的列值被放入分区,mysql5.5开始支持range columns的分区。
list分区:分区面向的是离散的值,mysql5.5支持list columns。
hash分区:根据用户自定义的表达式的返回值来进行分区,返回值不能为负数。
key分区:根据MYSQL数据库提供的哈希函数来进行分区。
谨记:不管使用何种类型的分区,分区老是在建立时就自动的顺序编号,且从0开始记录;
只有RANGE和LIST支持子分区,可是子分区内只能使用HASH和KEY分区。
5.hive分区
由于分区列的值要转化为文件夹的存储路径,
在表的数据文件中实际上并不保存分区列的信息与数据。
数据是根据文件夹的名字读取来的,而不是实际从数据文件中读取来的。
通常向分区表中插入数据时系统会校验数据是否符合该分区,若是不符合会报错。
而在hive中,向某个分区中插入什么样的数据彻底是由人来控制的。
动态分区能够根据查询获得的数据自动匹配到相应的分区中去。
先设置hive.exec.dynamic.partition参数值为true,默认值为false,即不容许使用:
若是源数据对应的province子分区不存在,则会自动建立,很是方便,
并且避免了人工控制插入数据与分区的映射关系存在的潜在风险。
为了让分区列的值相同的数据尽可能在同一个mapreduce中,
这样每个mapreduce能够尽可能少的产生新的文件夹,
能够借助distribute by的功能,将分区列值相同的数据放到一块儿.
附distributed by
ditribute by是控制map的输出在reducer是如何划分的,举个例子,咱们有一张表,mid是指这个store所属的商户,money是这个商户的盈利,name是这个store的名字
store:
midmoneyname
AA15.0商店1
AA20.0商店2
BB22.0商店3
CC44.0商店4
执行hive语句:
select mid, money, name from store distribute by mid sort by mid asc, money asc
咱们全部的mid相同的数据会被送到同一个reducer去处理,这就是由于指定了distribute by mid,这样的话就能够统计出每一个商户中各个商店盈利的排序了(这个确定是全局有序的,由于相同的商户会放到同一个reducer去处理)。这里须要注意的是distribute by必需要写在sort by以前。