SQL Server 2005 海量数据解决方案(分区表)与对已存在的表进行分区(转)

 这两天一直在研究SQL Server 2005 中如何对表进行分区,但是参考了多数资料都是说新建表后再将原表中数据插入到新表中,这样有些不方便.

    最后找到了在已有表上做分区表的方法.见代码.

    我们有个表现在已经到了1千万的数据,之前仅仅是优化索引和索引试图来在真实的环境中查看到底sql2005单表能负载多大的量。
    最后得出结论,在我们公司现有的硬件条件下,sql2005中,单表的量最多不能超过250w数据。(这个数据会根据硬件的不同而会有所不同.)

---select * from t200705


--1.先根据表数据的量大小,来拆分每一个分区,保证每一个分区表的记录尽量在250w条记录左右.

--分区函数


 

CREATE PARTITION FUNCTION MonthDateRange(datetime)
 AS RANGE LEFT FOR VALUES
(
'20070131 23:59:59.997',
'20070531 23:59:59.997',
'20071231 23:59:59.997'
)

--2然后我们需要添加相应的文件组 .我使用的是主文件组.
ALTER DATABASE T1 ADD FILEGROUP [PRIMARY]
ALTER DATABASE T1 ADD FILEGROUP [PRIMARY]
ALTER DATABASE T1 ADD FILEGROUP [PRIMARY]


--3.我们需要在服务器上建立出单独的文件(涉及到的朋友可能知道,我们如果把文件分布在不同的磁盘上,可以最大限度的提高磁头的读写能力;另:这里微软建议数据库服务器最好--作Raid0 + Raid1).我由于是做测试,所以就放在了一个硬盘上了.

 

ALTER DATABASE T1
ADD FILE
(NAME = N'View200701',FILENAME = N'D:"View200701.ndf',SIZE = 5MB,MAXSIZE = 100MB,FILEGROWTH = 5MB)
TO FILEGROUP [PRIMARY]

ALTER DATABASE T1
ADD FILE
(NAME = N'View200702',FILENAME = N'D:"View200702.ndf',SIZE = 5MB,MAXSIZE = 100MB,FILEGROWTH = 5MB)
TO FILEGROUP [PRIMARY]

ALTER DATABASE T1
ADD FILE
(NAME = N'View200703',FILENAME = N'D:"View200703.ndf',SIZE = 5MB,MAXSIZE = 100MB,FILEGROWTH = 5MB)
TO FILEGROUP [PRIMARY]


--4.创建关联

--分区架构


 

CREATE PARTITION SCHEME MonthDateRangeScheme
AS
PARTITION MonthDateRange
ALL TO ([PRIMARY])

---5.创建表和索引(我这里只列出如何创建表)
---
/*5.
CREATE TABLE 表
{

}
ON MonthDateRangeScheme (日期列)
GO
*/
--6. --对已经存在的表进行分区设置

--切换到分区表

ALTER TABLE t200705

ADD

PRIMARY KEY NONCLUSTERED(rownumber,starttime)

ON MonthDateRangeScheme(starttime)

GO

 

/*-- 切换到分区表

 

ALTER TABLE dbo.t200705

DROP CONSTRAINT rownumber,starttime

WITH(

MOVE TO PS_MonthDateRangeScheme(starttime)

)

*/

 

---如果大家希望查询此表中的相关数据,可以使用如下语句

 

SELECT *, $PARTITION.MonthDateRange(starttime) AS T2007 FROM t200705

where starttime>'20070603'


---7删除

-- 删除测试
--DROP TABLE dbo.t200705
--DROP PARTITION SCHEME MonthDateRangeScheme
---DROP PARTITION FUNCTION MonthDateRange

posted on 2013-05-18 15:05  davidkam  阅读(187)  评论(0编辑  收藏  举报