选择正确的分区规则

我正在设置一个新的 PostgreSQL 9 数据库，其中将包含数百万（甚至数十亿）行。所以我决定使用 PostgreSQL 继承来分区数据。

我创建了一个像这样的主表（例如简化的）：

CREATE TABLE mytable
(
  user_id integer,
  year integer,
  CONSTRAINT pk_mytable PRIMARY KEY (user_id, year)
);

和10个分区表：

CREATE TABLE mytable_0 () INHERITS (mytable);
CREATE TABLE mytable_1 () INHERITS (mytable);
...
CREATE TABLE mytable_9 () INHERITS (mytable);

我知道行将始终使用唯一的 user_id 条件从应用程序访问。 因此，我想使用基于 user_id 的规则将数据“相当”均匀地分布在 10 个表中。

为了调整主表上的查询，我的第一个想法是使用模数检查约束：

ALTER TABLE mytable_0 ADD CONSTRAINT mytable_user_id_check CHECK (user_id % 10 = 0);
ALTER TABLE mytable_1 ADD CONSTRAINT mytable_user_id_check CHECK (user_id % 10 = 1);
...

问题是，当我使用 user_id 条件查询主表“mytable”时，PostgreSQL 分析器会检查所有表，并且不会从检查约束中受益：

EXPLAIN SELECT * FROM mytable WHERE user_id = 12345;

"Result  (cost=0.00..152.69 rows=64 width=36)"
"  ->  Append  (cost=0.00..152.69 rows=64 width=36)"
"        ->  Seq Scan on mytable  (cost=0.00..25.38 rows=6 width=36)"
"              Filter: (user_id = 12345)"
"        ->  Seq Scan on mytable_0 mytable  (cost=0.00..1.29 rows=1 width=36)"
"              Filter: (user_id = 12345)"
"        ->  Seq Scan on mytable_1 mytable  (cost=0.00..1.52 rows=1 width=36)"
"              Filter: (user_id = 12345)"
...
"        ->  Seq Scan on mytable_9 mytable  (cost=0.00..1.52 rows=1 width=36)"
"              Filter: (user_id = 12345)"

而如果我使用像这样的经典检查约束（以及匹配该规则的重新分区）：

ALTER TABLE mytable_0 ADD CONSTRAINT mytable_user_id_check CHECK (user_id BETWEEN 1 AND 10000);
ALTER TABLE mytable_1 ADD CONSTRAINT mytable_user_id_check CHECK (user_id BETWEEN 10001 AND 20000);
...

它将仅扫描符合条件的表（本例中为 mytable 和 mytable_1）：

"Result  (cost=0.00..152.69 rows=64 width=36)"
"  ->  Append  (cost=0.00..152.69 rows=64 width=36)"
"        ->  Seq Scan on mytable  (cost=0.00..25.38 rows=6 width=36)"
"              Filter: (user_id = 12345)"
"        ->  Seq Scan on mytable_1 mytable  (cost=0.00..1.52 rows=1 width=36)"
"              Filter: (user_id = 12345)"

但是使用这种检查约束很难维护，因为表中填充的用户范围会随着时间的推移而变化。首先是数千，在不久的将来可能是数百万甚至更多......

我可以使用什么规则将数据均匀地分区到 10 个可以受益于检查约束的表上，以便主表上的 SELECT 只扫描正确的表...？

Thanks,

Nico

限制在于规划器而不是分区本身。手册中对此进行了详细介绍：

http://www.postgresql.org/docs/9.1/static/ddl-partitioning.html http://www.postgresql.org/docs/9.1/static/ddl-partitioning.html

您提到的有两件事需要考虑。

首先，您说所有访问都将通过主键进行。这意味着您不会从分区中获得任何性能优势（至少在正常使用中不会）。每个分区上的索引会更小，但是PG需要选择先检查哪个分区。如果您需要重新索引或类似的操作，您将受益匪浅 - 您可以分别为每个分区重新索引。

其次，你说你可能有数千到数十亿行。这让我得出两个结论：

1. 也许留到以后再做决定吧。等到需要分区时。
2. 您不太可能需要恰好 10 个包含 2000 行和 20 亿行的分区。

如果要分区，请按范围进行分区 - 例如每个分区 100,000 行或 100 万行。添加一个 cron 作业来检查使用的最大 ID，并根据需要创建一个新分区（也许每天一次）。

但就我个人而言，我会保留它直到我需要它为止。如果您认为稍后更有可能需要它们，则可以将单个分区作为包罗万象的东西。