第二章

1、如何查看分区

2、分区表与普通表对比

--------------------------------华丽的分割线---------------------------------

1、如何查看分区

首先，我们先做一些测试数据，以上一章创建的进货表a为例，为表a添加数据，代码如下：

--为表a添加测试数据
insert [a]
select 1,‘矿泉水‘,100,‘2014-01-02‘ union all
select 2,‘方便面‘,60,‘2014-01-03‘ union all
select 3,‘方便面‘,50,‘2014-01-03‘ union all
select 4,‘矿泉水‘,80,‘2014-01-04‘ union all
select 5,‘方便面‘,60,‘2014-01-05‘ union all
select 6,‘方便面‘,50,‘2014-01-06‘ union all
select 7,‘矿泉水‘,80,‘2014-01-06‘ union all
select 8,‘方便面‘,60,‘2014-01-07‘ union all
select 9,‘方便面‘,50,‘2014-01-09‘ union all
select 10,‘矿泉水‘,80,‘2014-01-11‘

select * from a 

图1

按分区进行查询，代码如下：

--按分区查询
select * from a where $partition.partfunA(id) =1
select * from a where $partition.partfunA(id) =2
select * from a where $partition.partfunA(id) =3

图2

如图2所示，3个区的数据正如我们第一章中创建的分区函数所定的规则一致。

--------------------------------华丽的分割线---------------------------------

2、分区表与普通表对比

创建测试表b，代码如下：

--创建数据库表b,表b为普通表，结构同表a
if object_id(‘[b]‘) is not null drop table [b]
go 
create table [b]
(
[ID] int,
[品名] varchar(6),
[入库数量] int,
[入库时间] datetime
)

--为表b添加测试数据,数据通表a数据
insert [b]
select 1,‘矿泉水‘,100,‘2014-01-02‘ union all
select 2,‘方便面‘,60,‘2014-01-03‘ union all
select 3,‘方便面‘,50,‘2014-01-03‘ union all
select 4,‘矿泉水‘,80,‘2014-01-04‘ union all
select 5,‘方便面‘,60,‘2014-01-05‘ union all
select 6,‘方便面‘,50,‘2014-01-06‘ union all
select 7,‘矿泉水‘,80,‘2014-01-06‘ union all
select 8,‘方便面‘,60,‘2014-01-07‘ union all
select 9,‘方便面‘,50,‘2014-01-09‘ union all
select 10,‘矿泉水‘,80,‘2014-01-11‘

表b为普通表，没有进行分区。

对比开始：

1、全表查询

--全表查询
set statistics io on
select * from a 
select * from b
set statistics io off
/*
(10 行受影响)
表 ‘a‘。扫描计数 3，逻辑读取 3 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。

(10 行受影响)
表 ‘b‘。扫描计数 1，逻辑读取 1 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。
*/

图4

我们可以看到，分区后的表a与普通表b，在进行全表查询时，分区表的性能要远远低于普通表。这是因为分区表在全表查询时对所有的分区一一循环扫描，这无形的增加了负担。

2、按条件查询（条件非分区条件），代码如下：

--按条件进行查询（条件非分区条件）
set statistics io on
select * from a where [入库时间]=‘2014-01-04 00:00:00.000‘
select * from b where [入库时间]=‘2014-01-04 00:00:00.000‘
set statistics io off
/*
(1 行受影响)
表 ‘a‘。扫描计数 3，逻辑读取 3 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。

(1 行受影响)
表 ‘b‘。扫描计数 1，逻辑读取 1 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。
*/

图5

我们可以看到，分区后的表a与普通表b，在进行按条件（非分区条件）查询时，分区表的性能要远远低于普通表。这是因为分区表在查询时对所有的分区一一循环扫描，这无形的增加了负担。

3、按条件查询（条件为分区条件），代码如下：

--按分区条件（id）查询
set statistics io on
select * from a where id=1
select * from b where id=1
set statistics io off
/*
(1 行受影响)
表 ‘a‘。扫描计数 1，逻辑读取 1 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。

(1 行受影响)
表 ‘b‘。扫描计数 1，逻辑读取 1 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。
*/

图6

我们可以看到，分区表a的开销与普通表b的开销一样（可以说是分区表a的开销比起之前开销要少了很多）。由于表中数据量较小，所以分区表与普通表查询开销基本一致。当表中数据越来越大的时候，分区表的开销会远远小于普通表。

通过本章的对比实践，相信大家应该知道何时应该去用分区表了吧。

--------------------------------华丽的分割线----------------------------华丽的分割线---------------------------------

补充一下：我又做了一个大的数据的测试，用来证明表分区的优势，代码如下：

--测试数据
declare @count int 
set @count=11
while @count<=10000
begin
insert into a select 
@count,‘矿泉水‘,100,‘2014-01-23‘
set @count=@count+1
end 

declare @count int 
set @count=11
while @count<=10000
begin
insert into b select 
@count,‘矿泉水‘,100,‘2014-01-23‘
set @count=@count+1
end 

--按分区条件（id）查询
set statistics io on
select * from a where id=9999
select * from b where id=9999
set statistics io off
/*
(1 行受影响)
表 ‘a‘。扫描计数 1，逻辑读取 47 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。

(1 行受影响)
表 ‘b‘。扫描计数 1，逻辑读取 47 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。
*/

图10