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

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.

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,FILEGR来&源gao@dai!ma.com搞$代^码%网OWTH = 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
{
列
}
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

喜欢 (0)赏

[搞代码]

分享 (0)