数据库表分区是怎么回事？

大家好，这一期呢，我们来说一下，数据库表和索引的分区。讲解这个问题，对于不同的数据库可能有一些技术细节上的不同，因此我们以某个数据库比如sql server为例来探讨这个问题。

分区后的数据和索引分散到多个文件组里面，因此可以说这些数据是平行并列分布的，每组中的行都对应特定的那个分区。这些索引和表的分区都必须存在一个数据库里面。因此，在外部程序看来，不管内部有多少个分区，在外面看来就是一个数据表或者索引。

那么表或者索引的分区有什么好处呢？好处主要是两个方面，一个是管理起来比较容易，另一个方面是性能上更好一些。

相较于访问整表而言，访问某个分区的数据当然更快更有效率。

我们设想一下有这么一个案例，有一个表它有多个分区，这些分区对应的都是不同的文件组，而这些文件组呢又会分散到不同的硬盘上。

如果我们在排序的时候，一个硬盘一个硬盘的去访问的话，性能上就会很低。

要改善性能的话，我们可以使用RAID对分散到多个硬盘上的数据文件，同时进行访问。

再来说一下数据加锁的情况。在有多个分区的情况下，我们只需要对某个分区进行加锁，而不需要对整张表进行加锁，这样也可以提高操作的效率。这要在创建表的时候，修改表的属性，把lock_escalation这个选项设置为Auto。

下面是数据分区的几个重要概念。

首先是分区函数。分区函数用来定义如何进行分区。首先它定义了我们需要分多少个区。这些区的边界在哪里。打个比方说, 一张用户表中包含了用户的注册时间，注册地域等等信息。那我们可以以时间为参考创建分区。可以以月为单位或者以年为单位进行分区，这主要取决于你到底有多大的数据量。在这种情况下，时间，也就是某个月的起始与终止，或者某个年的起始与终止，作为数据边界的参考。

其次是分区列。分区列会被上面的分区函数拿来用作进行表和索引的分区。这个列必须被明确的标注为persisted。 理论上讲所有可以用作索引定义的列都可以当做分区列。

再次就是对应的索引。索引和原始表的分区函数，必须满足如下条件， 分区函数的参数必须具有相同的数据类型，他们必须具有相同数量的分区，他们必须具有相同的数据边界。

通俗的讲，数据进行了分区，索引的分区必须跟数据的分区进行对应，这样才可以提高效率。

对簇索引进行分区。当簇索引的键值并非唯一的时候，簇索引的键值并不需要指定包含分区列，在这种情况下，sql server 会缺省的把分区列添加到簇索引的键值中。如果簇索引的键值是唯一的，你必须显性的指定簇索引的键值包含分区列。

对非簇索引进行分区。当对于一个键值唯一的非簇索引进行分区时，索引键值必须包含分区列。当索引值不唯一时，数据库会缺省的让索引键值包含分区列。

接下来说一下非对应索引的情况。这种索引主要是独立于相关的数据表之外。主要是两种情况，一是这种索引有独立的分区定义，二是这种索引被放置在一个单独的文件组中。这种索引在如下情况下非常有用:

. 数据源表没有分区，

. 索引键是唯一的，并且不包含分区列

. 你会在数据源表上进行非常复杂的多表联合操作。

在性能的考量上。并不是说分区越多，性能就越好。这些分区都会影响到内存的消耗，CPU的繁忙程度。所以你在使用分区的时候，要找到你的平衡点。

具体的参数参考可以查找对应数据库的开发文档。

以上是我对这个话题一点心得看法。仅供参考，欢迎讨论, 欢迎拍砖。