理解MySQL——并行数据库与分区(Partition)

一、并行数据库

 

1.一、并行数据库的体系结构
并行机的出现，催生了并行数据库的出现，不对，应该是关系运算原本就是高度可并行的。对数据库系统性能的度量主要有两种方式：(1)吞吐量(Throughput)，在给定的时间段里所能完成的任务数量；(2)响应时间(Response time)，单个任务从提交到完成所须要的时间。对于处理大量小事务的系统，经过并行地处理许多事务能够提升它的吞吐量。对于处理大事务的系统，经过并行的执行事务的子任务，能够缩短系统晌应时间。
并行机有三种基本的体系结构，相应的，并行数据库的体系结构也能够大概分为三类：
    共享内存(share memeory)：全部处理器共享一个公共的存储器；
    共享磁盘(share disk)：全部处理器共享公共的磁盘；这种结构有时又叫作集群(cluster)；
    无共享(share nothing)：全部处理器既不共享内存，也不共享磁盘。
如图所示：

1.1.一、    共享内存
该结构包括多个处理器、一个全局共享的内存（主存储器）和多个磁盘存储，各个处理器经过高速通信网络（Interconnection Network）与共享内存链接，并都可直接访问系统中的一个、多个或所有的磁盘存储，在系统中，全部的内存和磁盘存储均由多个处理器共享。
这种结构的优势在于，处理器之间的通讯效率极高，访问内存的速度要比消息通讯机制要快不少。这种结构的缺点在于，处理器的规模不能超过32个或者64个，由于总线或互边网络是由全部的处理器共享，它会变成瓶颈。当处理器数量到达某一个点时，再增长处理器已经没有什么好处。
共享内存结构一般在每一个处理器上有很大的高速缓存，从而减小对内存的访问。可是，这些高速缓存必须保持一致，也就是缓存一致性(cache-coherency)的问题。
1.1.二、    共享磁盘
该结构由多个具备独立内存（主存储器）的处理器和多个磁盘存储构成，各个处理器相互之间没有任何直接的信息和数据的交换，多个处理器和磁盘存储由高速通讯网络链接，每一个处理器均可以读写所有的磁盘存储。
共享磁盘与共享内存结构相比，有如下一些优势：(1)每一个处理器都有本身的存储器，存储总线再也不是瓶颈；(2)以一种较经济的方式提供了容错性(fault tolerence)，若是一个处器发生故障，其它处理器能够代替工做。
该结构的主要问题不是在于可扩展性问题，虽然存储总线不是瓶颈，可是，与磁盘之间的链接又成了瓶颈。
运行Rdb的DEC集群是共享磁盘的体系结构的早期商用化产品之一(DEC后来被Compaq公司收购，再后来，Oracle又从Compaq手中取得Rdb，发展成如今的Oracle RAC)。
1.1.三、    无共享
该结构由多个彻底独立的处理节点构成，每一个处理节点具备本身独立的处理器、独立的内存（主存储器）和独立的磁盘存储，多个处理节点在处理器级由高速通讯网络链接，系统中的各个处理器使用本身的内存独立地处理本身的数据。
这 种结构中，每个处理节点就是一个小型的数据库系统，多个节点一块儿构成整个的分布式的并行数据库系统。因为每一个处理器使用本身的资源处理本身的数据，不存 在内存和磁盘的争用，提升的总体性能。另外这种结构具备优良的可扩展性——只需增长额外的处理节点，就能够以接近线性的比例增长系统的处理能力。
    这种结构中，因为数据是各个处理器私有的，所以系统中数据的分布就须要特殊的处理，以尽可能保证系统中各个节点的负载基本平衡，但在目前的数据库领域，这个数据分布问题已经有比较合理的解决方案。
因为数据是分布在各个处理节点上的，所以，使用这种结构的并行数据库系统，在扩展时不可避免地会致使数据在整个系统范围内的重分布（Re-Distribution）问题。
    Shared-Nothing结构的典型表明是Teradata(并行数据库的先驱)，值得一提的是，MySQL NDB Cluster也使用了这种结构。

 1.二、I/O并行(I/O Parallelism)
I/O并行的最简单形式是经过对关系划分，放置到多个磁盘上来缩减从磁盘读取关系的时间。并行数据库中数据划分最通用的形式是水平划分(horizontal portioning)，一个关系中的元组被划分到多个磁盘。
1.2.一、经常使用划分技术
假定将数据划分到n个磁盘D0，D1，…，Dn中。
(1)    轮转法(round-bin)。对关系顺序扫描，将第i个元组存储到标号为Di%n的磁盘上；该方式保证了元组在多个磁盘上均匀分布。
(2)    散列划分(hash partion)。选定一个值域为{0, 1, …,n-1}的散列函数，对关系中的元组基于划分属性进行散列。若是散列函数返回i，则将其存储到第i个磁盘。
(3)    范围划分(range partion)。
因为将关系存储到多个磁盘，读写时能同时进行，划分(partion)能大大提升系统的读写性能。数据的存取能够分为如下几类：
(1)    扫描整个关系；
(2)    点查询(point query)，如name = “hustcat”；
(3)    范围查询(range query)，如 20 < age < 30。
不一样的划分技术，对这些存取类型的效率是不一样的：
    轮转法适合顺序扫描关系，对点查询和范围查询的处理较复杂。
    散列划分特别适合点查询，速度最快。
    范围划分对点查询、范围查询以及顺序扫描都支持较好，因此适用性很广。可是，这种方式存在一个问题——执行偏斜(execution skew)，也就是说某些范围的元组较多，使得大量的I/O出如今某几个磁盘。

1.三、查询间并行(interquery parallism)
查询间并行指的是不一样的查询或事务间并行的执行。这种形式的并行能够提升事务的吞吐量，然而，单个事务并不能执行得更快(即响应时间不能减小)。查询间的并行主要用于扩展事务处理系统，在单位时间内可以处理更多的事务。
查询间并行是数据库系统最易实现的一种并行，在共享内存的并行系统(如SMP)中尤为这样。为单处理器设计的数据库系统能够不用修改，或者不多修改就能用到共享内存的体系结构。
在共享磁盘和无共享的体系结构中，实现查询间并行要更复杂一些。各个处理须要协调来进行封锁、日志操做等等，这就须要处理器之间的传递消息。并行数据库系统必须保证两个处理器不会同时更新同一数据。并且，处理器访问数据时，系统必须保证处理器缓存的数据是最新的数据，即缓存一致性问题。

1.四、查询内并行(intraquery parallism)
查询内并行是指单个查询要在多个处理器和磁盘上同时进行。为了理解，来考虑一个对某关系进行排序的查询。假设关系已经基于某个属性进行了范围划分，存储于多个磁盘上，而且划分是基于划分属性的。则排序操做能够以下进行：对每一个分区并行的排序，而后将各个已经有序的分区合并到一块儿。
单个查询的执行能够有两种并行方式：
(1)    操做内并行(Intraoperation parallism)：经过并行的执行每个运算，如排序、选择、链接等，来加快一个查询的处理速度。
(2)    操做间并行(Interoperation parallism)：经过并行的执行一个查询中的多个不一样的运算，来加速度一个查询的处理速度。
注意二者间的区别，前者能够认为多个处理器同时执行一个运算，然后者是多个处理器同时执行不一样的运算。
这两种形式之间的并行是互相补充的，而且能够同时存在于一个查询中。一般因为一个查询中的运算数目相对于元组数目是较小的，因此当并行度增长时，第一种方式取得的效果更显著。

二、MySQL的分区(partion)
2.一、MySQL分区概述
在MySQL中，InnoDB存储引擎长期支持表空间的概念，而且MySQL服务器甚至在分区引入以前，就能配置为存储不一样的数据库使用不一样的物理路径。分区(partion)更进一步，它容许你经过设置各类规则将一个表的各个分区跨文件系统存储。实际上，不一样位置的不一样表分区是做为一个单独的表来存储的。用户所选择的、实现数据分割的规则被称为分区函数(partioning function)，这在MySQL中它能够是模数，或者是简单的匹配一个连续的数值区间或数值列表，或者是一个内部HASH函数，或一个线性HASH函数。
    最多见是的水平分区(horizontal partitioning)，也就是将表的不一样的元组分配到不一样的物理分区上。目前，MySQL 5.1还不支持垂直分区(vertical partitioning)，即将表的不一样列分配到不一样的物理分区。你可使用MySQL支持的大多数存储引擎来建立表的分区，在MySQL 5.1中，同一个表的各个分区必须使用相同的存储引擎，好比，你不能对一个分区使用MyISAM，而对另外一个分区使用InnoDB。可是，你能够对同一个数据库的不一样的表使用不一样的存储引擎。
    要为某个分区表配置一个专门的存储引擎，必须且只能使用[STORAGE] ENGINE 选项，这如同为非分区表配置存储引擎同样。可是，必须记住[STORAGE] ENGINE（和其余的表选项）必须列在用在CREATE TABLE语句中的其余任何分区选项以前。下面的例子给出了怎样建立一个经过HASH分红6个分区、使用InnoDB存储引擎的表：

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

注：分区必须对一个表的全部数据和索引；不能只对数据分区而不对索引分区，反之亦然，同时也不能只对表的一部分进行分区。
    分区对数据库管理系统实现并行处理有着重要的影响，若是对数据进行分区，则很容易进行并行处理，可是，MySQL尚未充分利用分区的这种并行优点，而这也是它改进的方向 (这种分治思想深深的影响着并行计算，并且在并行计算方面具备自然优点)。MySQL的分区，会给系统带来如下一些优势：
    与单个磁盘或文件系统分区相比，单个表能够存储更多的数据。
    对于那些已经失去保存意义的数据，一般能够经过删除与那些数据有关的分区，很容易地删除那些数据。相反地，在某些状况下，添加新数据的过程又能够经过为那些新数据专门增长一个新的分区，来很方便地实现。
    对于带Where的条件查询语句，能够获得更大的优化；只须要查询某些分区，而不用扫描所有分区。
还有其它一些优势，不过MySQL 5.1还不支持：
    一些聚合函数，好比SUM() 和COUNT()，可以很容易的并行执行；
    经过并行I/O，能够大大提升查询的吞吐量。
注：实际上，分区不管是对I/O并行，仍是查询内并行，都有着重要的影响。只不过MySQL在这方面作得还不够多(不过，正在改进)，而Oracle对于查询内并行，作了不少工做。

2.二、分区类型
MySQL 5.1中可用的分区类型包括：
    RANGE分区(portioning)：根据列值所属的范围区间，将元组分配到各个分区。
    LIST分区：相似于按RANGE分区，区别在于LIST分区是基于列值匹配一个离散值集合中的某个值来进行选择。
    HASH分区：根据用户定义的函数的返回值来进行选择的分区，该表达式使用将要插入到表中的这些行的列值进行计算。这个函数能够包含MySQL 中有效的、产生非负整数值的任何表达式。
    KEY分区：相似于按HASH分区，区别在于KEY分区只支持计算一列或多列，且MySQL 服务器提供其自身的哈希函数。
2.2.一、范围分区
范围分区是经过计算表达式的值所属的范围区间，对元组进行分区。这些区间要求连续且不能相互重叠，使用VALUES LESS THAN操做符来进行定义。在下面的几个例子中，假定你建立了一个以下的一个表，该表保存有20家音像店的职员记录，这20家音像店的编号从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 );

你能够根据须要对该表进行各类分区，好比，你能够经过store_id来进行分区：

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) );

很容易肯定数据(72, 'Michael', 'Widenius', '1998-06-25', NULL, 13)被插入分区p2；可是，若是一条数据的store_id = 21，会怎么样呢？因为没有规则处理大于20的状况，因此服务器会报错。你能够经过以下方式来处理这种状况：

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数值。如今，store_id 列值大于或等于16（定义了的最高值）的全部行都将保存在分区p3中。在未来的某个时候，当商店数已经增加到25, 30, 或更多 ，可使用ALTER TABLE语句为商店21-25, 26-30,等等增长新的分区
RANGE分区在以下场合特别有用：
(1)    当须要删除“旧的”数据时。 在上面的例子中，你只需简单地使用 “ALTER TABLE employees DROP PARTITION p0；”来删除全部在1991年前就已经中止工做的雇员相对应的全部行。对于有大量行的表，这比运行一个如“DELETE FROM employees WHERE YEAR(separated) <= 1990；”这样的一个DELETE查询要有效得多。
(2)    常常依赖于分区属性进行查询。例如，当执行一个如“SELECT COUNT(*) FROM employees WHERE YEAR(separated) = 2000 GROUP BY store_id；”这样的查询时，MySQL能够很迅速地肯定只有分区p2须要扫描，这是由于余下的分区不可能包含有符合该WHERE子句的任何记录。注：这种优化尚未在MySQL 5.1源程序中启用，可是，有关工做正在进行中。
范围分区的缺点就是容易出现执行偏斜，这会影响系统性能。
2.2.二、HASH分区
HASH分区主要用来确保数据在预先肯定数目的分区中平均分布。在RANGE和LIST分区中，必须明确指定一个给定的列值或列值集合应该保存在哪一个分区中；而在HASH分区中，MySQL 自动完成这些工做，你所要作的只是基于将要被哈希的列值指定一个列值或表达式，以及指定被分区的表将要被分割成的分区数量。
你能够经过要在CREATE TABLE 语句上添加一个“PARTITION BY HASH (expr)”子句，其中“expr”是一个返回一个整数的表达式。它能够仅仅是字段类型为MySQL 整型的一列的名字。此外，你极可能须要在后面再添加一个“PARTITIONS num”子句，其中num 是一个非负的整数，它表示表将要被分割成分区的数量。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;

若是没有PARTITIONS语句，默认分区数为1。可是，PARTITIONS后面没有数字，系统会报错。
相对于范围分区，HASH分区更可能保证数据均衡分布。
2.2.三、子分区(Subpartitioning)
子分区，也叫作复合分区(composite partitioning)，是对分区表的每一个分区的进一步分割。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个RANGE分区。这3个分区中的每个分区——p0, p1, 和 p2 ——又被进一步分红了2个子分区。实际上，整个表被分红了3 * 2 = 6个分区。可是，因为PARTITION BY RANGE子句的做用，这些分区的头2个只保存“purchased”列中值小于1990的那些记录。
在MySQL 5.1中，对于已经经过RANGE或LIST分区了的表再进行分区。子分区既可使用HASH希分区，也可使用KEY分区。
为了对个别的子分区指定选项，使用SUBPARTITION  子句来明肯定义子分区也是可能的。例如，建立在前面例子中给出的同一个表的、一个更加详细的方式以下：

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         )     );

一些注意点：
(1)    每一个分区的子分区数必须相同；
(2)    若是在一个分区表上的任何分区上使用SUBPARTITION 来明肯定义任何子分区，那么就必须定义全部的子分区；
(3)    每一个SUBPARTITION子句必须包含一个子分区的名称；
(4)    MySQL 5.1.7及以前的版本，每一个分区的子分区的名称必须惟一，可是在整个表中，没有必要惟一。从MySQL 5.1.8开始，子分区的名称在整个表中都必须惟一。
子分区能够用于特别大的表，在多个磁盘间分配数据和索引。假设有6个磁盘，分别为/disk0， /disk1， /disk2等，对于以下例子：

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、体验分区
下面经过例子来体验分区：
(1)建立以下分区表：

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)建立一个不分区的表：

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

(1)    建立一个生成8000000行数据的存储过程：

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)    调用存储过程，生成数据：

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

 

数据准备好了，下面开始测试：

(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)

速度差别很明显；下面看一下查询计划：

(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语句：

 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 );