教你怎樣玩轉千萬級別的數據
大數據處理是一個頭疼的問題，特別當達不到專業DBA的技術水準時，對一些數據庫方面的問題感到無奈。所以還是有必要了解一些數據庫方面的技巧，當然，每個人都有自己的數據庫方面的技巧，只是八仙過海，所用的武功不同而已。我把我最常用的幾種方式總結來與大家分享，大家還有更多的數據庫設計和優化的技巧，盡量的追加到評論中，有時一篇完整的博客評論比主題更為精彩。
方法1：采用表分區技術。
***次聽說表分區，是以前的一個oracle培訓。oracle既然有表分區，就想到mssql是否有表的分區，當時我回家就google了一把，資料還是有的，在這我兒只是再作一次推廣，讓更多的人了解和運用這些技術。
表分區，就是將一個數據量比較大的表，用某種方法把數據從物理上分成若干個小表來存儲，從邏輯來看還是一個大表。首先來個結構圖：
上圖雖然不能很清晰的表達表分區的執行過程，但是可以看出表分區要用到那些對象，比如數據文件，文件組，分區方案，分區函數等。
我們以一個用戶表(TestUser)為例，假設這個表準備用來存儲中國部分公民的數據，每條數據記錄著每個人所屬的省份(Area)，以及每個人的姓名(UserName)，如下圖所示。當數據量達到1千萬的時候，查詢就比較慢了，這時候的數據優化就迫在眉睫。
在優化之前，根據數據的結構，讀寫操作等，肯定會提出若干個解決方案。在這兒就以分區表的方案來優化數據庫的查詢，這兒以區域來分別存儲數據，比如廣東的公民存放在AreaFile01.MDF文件中，湖南的公民存放在AreaFile02.MDF的文件中，四川的公民存放在 AreaFile03.MDF的文件中，以此類推其它省份，為了實現這個功能我們就得做分區方案。在做分區方案時，首先要搞清楚分區方案要涉及到的四個對象：文件組，文件，分區函數，分區方案。
a：文件組，用來組織數據文件(.MDF)的一個虛擬名稱，一個文件組可以添加多個數據文件(.MDF)。打開SQL管理器，找到具體的數據庫，然后右鍵【屬性】，進入到【文件組】選項卡，添加Area01,Area02,Area03,Area04四個文件組。如圖：
b：然后選擇中【文件】選項卡，添加 AreaFile01，AreaFile02，AreaFile03，AreaFile04，AreaFile0***reaFile06六個數據文件（.MDF）,然后指定每個文件屬于那個文件組(一個文件組可以存儲多個數據文件)，以及這個文件的物理路徑。在這兒大家已經看明白了，這些數據文件，就是物理上來分割一個數據表的數據的。也就是說一個表的數據有可能存儲在AreaFile01中，也有可能存儲在AreaFile02中，只要用某種方法來指定他們的存儲規則就行了。
c：分區函數，就是指定數據的存儲規則。就是告訴SQL，把新增的數據如何分區。創建一個分區函數，可以用下邊的SQL語句來實現。
- CREATE PARTITION FUNCTION partitionFunArea (nvarchar(50))
- AS RANGE Left FOR VALUES ('廣東','湖南','四川')
d：辛苦的創建了文件，又為其指定文件組，還建一個分區函數，目的只有一個，就是為了創建一個分區方案。分區方案可以用以下代碼來創建。
- CREATE PARTITION SCHEME partitionSchemeArea
- AS PARTITION partitionFunArea
- TO (
- Area01,
- Area02,
- Area03,
- Area04)
經過緊張的四步操作，一個分區方案就呈現在我們的眼前了。接下來的事，就是我們要怎樣來消費這個分區方案。
首先我們創建一人普通的表，然后給這個表指定一個分區方案。如下代碼。
- CREATE TABLE TestUser(
- [Id] [int] IDENTITY(1,1) NOT NULL,
- [Area] nvarchar(50),
- [UserName] nvarchar(50)
- ) ON partitionSchemeArea([Area])
為了能看到效果，再插入一些數據。
- INSERT TestUser ([Area],[UserName]) Values('四川','肖一');
- INSERT TestUser ([Area],[UserName]) Values('四川','肖二');
- INSERT TestUser ([Area],[UserName]) Values('四川','肖三');
- INSERT TestUser ([Area],[UserName]) Values('四川','肖四');
- INSERT TestUser ([Area],[UserName]) Values('廣東','張一');
- INSERT TestUser ([Area],[UserName]) Values('廣東','張二');
- INSERT TestUser ([Area],[UserName]) Values('廣東','張三');
- INSERT TestUser ([Area],[UserName]) Values('湖南','楊一');
- INSERT TestUser ([Area],[UserName]) Values('湖南','楊二');
查詢所有的數據，可以用select * from TestUser; 按分區查詢：就用如下方法：
- select $PARTITION.partitionFunArea([Area]) as 分區編號,count(id) as 記錄數
- from TestUser group by $PARTITION.partitionFunArea([Area])
- select * from TestUser where $PARTITION.partitionFunArea([Area])=1
- select * from TestUser where $PARTITION.partitionFunArea([Area])=2
- select * from TestUser where $PARTITION.partitionFunArea([Area])=3
- select * from TestUser where $PARTITION.partitionFunArea([Area])=4
效果圖：
你們看我一個簡單的表的分區是不是就已經完成了。呵呵，當然在實際應用中，僅僅掌握這點是不夠的，比如在原分區方案上添加一個分區，刪除一個分區。
#p#
方法2：用xml類型代替主從表設計，從而達到提高查詢性能。
優化和提高數據庫的性能，是從一個良好的數據庫設計開始的。以一個會議預訂系統為例，一個預訂會議系統包括了會議時間，會議地點，主持人，參與人，知會人，記錄者等相關信息。在的TDD，DDD模型主導的時代，在這兒為了更好的想表達我要闡述的問題，還是以表驅動模型來進行開發。
用戶需求：
a：一個會議可能有多個主持人，雖然這種情況比較少，但是也有可能有。
b：一個會議有多個參與人，這個不難理解。
c：一個會議有可能要讓某人知曉，這人可以參與或不參與會議，一般為高層。
d：一個會議有可能有零個或者多個記錄者。
e：一個會議需要遠程視頻，投影儀，電腦，麥克風等會議設備中的某些設備。
f：會議預訂成功，或者會議時間，會議地點等重要信息修改后，郵件通知與會人員。
常規數據庫設計：
a：建一個Meeting的主表，用于存放會議名稱，會議地點，會議時間等的相關信息。
b：再建一個MeetingUser的表存儲主持人，參與人，知會人，記錄者。
c：同樣，會議所需要的設備用MeetingDevice表來存儲相關的信息。如圖：
這樣的表結構，是比較常規的設計方法，但是在實際應用中，你會發現一些待改進的問題。比如：
a：在提取一個會議的相關信息時，會連接多個表進行查詢。這種查詢在很大的程序上影響了數據庫性能。
b：在做修改操作時也夠嗆的，先修改主表的相關信息，再把主表關聯的子表信息全部刪除重新插入一次，這樣的操作是否夠吐血了。當然有人精益求精，會比較修改前和修改后的數據，再用增加，刪除，修改的手段達到子表數據的更新。這樣的操作在有些ORM操作中已經實現了，但當自己code代碼來實現的時候，特別是在多次code的時候，感覺總是那么煩心。
吐槽了這么多，是否有更好的解決方案呢？當然，在SQL里，我們可以XML數據類型來消除主從表的設計。如圖：
上面的表結構設計，是不是有一個小清新的感覺呢？很明顯，可以把***種表的設計缺陷給消除了。一個會議的相關信息都存儲在了一個表的一條記錄中，這樣的數據看起來是不是更直觀呢？
a：獲取一個預訂會議的詳細信息，我不需要進行多個表的連接查詢，我要做的是只需用C#的Linq.Xml來解析查詢出來的XML字符串即可。
b：修改操作時，我只需要重新組合XML數據，一個Update就更新了與會議相關的信息，操作是不是簡單多了。
表面上看這種設計已經***了，但是用戶的需求是無止境的，有一天，你收到了一個需求，查詢某個用戶參與過的所有會議（就是只要主持人，參與人，或者記錄者中包括了這個用戶，就把這些記錄都給查詢出來），Oh！My God 這種表結構設計應該怎么解決這個問題呢？其實可以用XQuery解決這個問題，還沒接觸過XQuery的那得趕快充一下電了。XQuery中最常用的有 exist(),value()這些函數，這兒就不詳細的介紹了，網上搜索一下有很多相關資料，如果有必要，我會把以前項目中用的XQuery技巧與大家分享。
