MySQL Partition Table--分区表优缺点

分区表历史

一、MySQL 5.1版本开始支持基于整数列的分区表，
二、MySQL 5.5版本开始支持RANGE和LIST分区，支持TRUNCATE分区，新增COLUMNS关键词简化分区定义。
三、MySQL 5.6版本开始支持分区交换，支持显式分区查询，支持最大8182个分区或子分区。
四、MySQL 5.7版本引入本地分区策略，并标记弃用通用分区策略。

 

分区策略

按照管理打开分区的行为能够将分区策略分为两类：
一、通用分区策略(Generic Partitioning), 由MySQL Server层负责控制访问分区。
二、本地分区策略(Native Partitioning),由存储引擎层负责控制访问分区。

在MySQL开始支持分区表时，将分区表访问控制操做放在MySQL Server层实现，因为在文件管理/表管理等方面实现较为粗糙，存在严重性能问题。而不一样存储引擎层使用不一样存储机制/索引结构/访问控制(锁)，能够经过特殊设计来提高或优化特定的操做，将分区访问控制策略放置在存储引擎中实现更好。


通用分区策略问题：
一、当分区表第一次被访问时，不管该次访问须要操做多少个分区，都须要访问该分区表上全部分区，致使性能问题。当分区表上分区数量较大时，可能会由于打开文件数量超过参数open_file_limit限制而出错。
二、在对分区表进行维护时，须要同时维护原分区文件和新分区文件，如将分区表由100分区扩展至101分区时，须要2*100+2*101=402个文件描述符。


在MySQL 5.7.9版本中，InnoDB引入本地分区策略，由InnoDB存储引擎层内部管理访问分区表行为。
在MySQL 5.7.17版本中，MySQL将通用分区策略标记为弃用
在MySQL 8.0版本，再也不容许MyISAM引擎使用分区表，由于MyISAM引擎不支持本地分区策略。
目前仅有InnoDB和NDB两种存储引擎支持本地分区策略。

 

MySQL 5.7分区加强

MySQL 5.7分区加强：
一、MySQL 5.7.1开始支持HANDLER语句(非标准SQL语句，不支持DML操做，经过指定索引来访问数据，下降优化器解析和优化SQL的开销，提高查询性能。)
二、MySQL 5.7.2开始子分区支持ANALYZE/CHECK/OPTIMIZE/REPAIR/TRUNCATE操做
三、MySQL5.7.3支持index condition pushdown(ICP)特性
四、MySQL 5.7.4为InnoDB表分区支持FLUSH TABLES FOR EXPORT选项
五、支持使用缓存来提高Load data的性能，每一个分区使用130KB缓冲区
六、支持使用CACHE INDEX和LOAD INDEX INTO CACHE语句对分区的MyISAM表支持索引缓存

 

分区表优势

在MySQL Server层分区表为一个表，而在MySQL存储引擎层分区表是多个表，所以有以下特色：
一、分区表对业务透明，只须要维护一个表的数据结构。
二、DML操做加锁仅影响操做的分区，不会影响未访问分区。
三、经过分区交换快速将数据换入和换出分区表。
四、经过TRUNCATE操做快速清理特定分区数据。
五、经过强制分区仅访问特定分区数据，减小操做影响。
六、经过大数据量分区能有效下降索引层数，提升查询性能。

 

分区表缺点

因为分区表在MySQL Server层为一个表，所以：
一、DDL操做须要锁定全部分区，致使全部分区上操做都被阻塞。
二、当表数据量较小时，分区表和非分区表性能相近，分区表效果有限。
三、当表数据量较大时，对分区表进行DDL或其余运维操做难度大风险高。
四、分区表使用较少，存在未知风险多，BUG多BUG多BUG多，MySQL社区版本免费，横向扩展成本低，分库分表实现简单且中间件完善。
五、当单台服务器性能没法知足时，对分区表进行分拆的成本较高，而分库分表能很容易实现横向分拆。
六、当分区表操做不当致使访问全部分区时，会致使严重的性能问题，而分库分表操做不当仅影响访问的表。
七、使用分库分表能够有效运维下降运维操做影响，对1亿数据量表作DDL操做须要谨慎评估，而对10万数据量表作DDL操做能够默认其很快完成。
八、使用分库分表能够有效减少宕机或其余故障影响，将数据分库分表到10套群集上，一套群集发生故障仅影响业务的一成。

 

我的看法

对于SQL Server和Oracle这些商业数据库，因为商业受权致使横向扩展成本较高，且分区表功能稳定，所以经过硬件扩展和分区来承担大数据量带来的负载，而对于MySQL，互联网企业有资源有能力将不少需求迁移到数据库外部实现，所以更追求MySQL使用过程当中的简单稳定可靠，且经过堆服务器+分库分表更能有处理数据量爆炸式增加带来的性能问题。