神奇的MySQL分区_MySQL
bitsCN.com
神奇的MySQL分区
==先看结果==
有两个结构一样的表,no_part_tab 和 part_tab,一个使用了分区,一个不使用,结果如下。
mysql> select * from no_part_tab where c1 = '80000';+-------+--------------------+------------+| c1 | c2 | c3 |+-------+--------------------+------------+| 80000 | testing partitions | 1995-05-25 |+-------+--------------------+------------+1 row in set (1.57 sec)mysql> select * from part_tab where c1 = '80000';+-------+--------------------+------------+| c1 | c2 | c3 |+-------+--------------------+------------+| 80000 | testing partitions | 1995-05-25 |+-------+--------------------+------------+1 row in set (0.02 sec)mysql> update part_tab set c2='zhmsong' where c1 = '80000';Query OK, 1 row affected (0.21 sec)Rows matched: 1 Changed: 1 Warnings: 0mysql> update no_part_tab set c2='zhmsong' where c1 = '80000';Query OK, 1 row affected (15.55 sec)Rows matched: 1 Changed: 1 Warnings: 0mysql> delete from no_part_tab where c1 = '80000';Query OK, 1 row affected (1.46 sec)mysql> delete from part_tab where c1 = '80000';Query OK, 1 row affected (0.02 sec)mysql> select count(*) from no_part_tab;+----------+| count(*) |+----------+| 7999999 |+----------+1 row in set (0.00 sec)mysql> select count(*) from part_tab;+----------+| count(*) |+----------+| 7999999 |+----------+1 row in set (0.01 sec)mysql> select count(*) from part_tab where c1 >= '80000' and c1 <= '150000';+----------+| count(*) |+----------+| 70000 |+----------+1 row in set (0.05 sec)mysql> select count(*) from no_part_tab where c1 >= '80000' and c1 <= '150000';+----------+| count(*) |+----------+| 70000 |+----------+1 row in set (1.89 sec)mysql> select count(*) from no_part_tab where c2 like '%test%';+----------+| count(*) |+----------+| 7999999 |+----------+1 row in set (1.52 sec)mysql> select count(*) from part_tab where c2 like '%test%';+----------+| count(*) |+----------+| 7999999 |+----------+1 row in set (1.59 sec)mysql> select * from no_part_tab where c2 like '%zhmsong%' limit 10 offset 100;+---------+---------+------------+| c1 | c2 | c3 |+---------+---------+------------+| 1100100 | zhmsong | 2004-05-13 || 1100101 | zhmsong | 1999-05-21 || 1100102 | zhmsong | 2004-05-26 || 1100103 | zhmsong | 1999-06-03 || 1100104 | zhmsong | 2004-06-09 || 1100105 | zhmsong | 1999-06-16 || 1100106 | zhmsong | 2004-06-22 || 1100107 | zhmsong | 1999-06-30 || 1100108 | zhmsong | 2004-07-05 || 1100109 | zhmsong | 1999-07-13 |+---------+---------+------------+10 rows in set (0.22 sec)mysql> select * from part_tab where c2 like '%zhmsong%' limit 10 offset 100;+---------+---------+------------+| c1 | c2 | c3 |+---------+---------+------------+| 1100100 | zhmsong | 2004-05-13 || 1100101 | zhmsong | 1999-05-21 || 1100102 | zhmsong | 2004-05-26 || 1100103 | zhmsong | 1999-06-03 || 1100104 | zhmsong | 2004-06-09 || 1100105 | zhmsong | 1999-06-16 || 1100106 | zhmsong | 2004-06-22 || 1100107 | zhmsong | 1999-06-30 || 1100108 | zhmsong | 2004-07-05 || 1100109 | zhmsong | 1999-07-13 |+---------+---------+------------+10 rows in set (0.22 sec)== 实现==01DROP TABLE IF EXISTS part_tab;02CREATE TABLE part_tab (03 c1 int default NULL,04 c2 varchar(30) default NULL,05 c3 date default NULL06) engine=myisam07 PARTITION BY RANGE (c1) (08 PARTITION p1 VALUES LESS THAN (100000),09 PARTITION p2 VALUES LESS THAN (200000),10 PARTITION p3 VALUES LESS THAN (300000),11 PARTITION p4 VALUES LESS THAN (400000),12 PARTITION p5 VALUES LESS THAN (500000),13 PARTITION p6 VALUES LESS THAN (600000),14 PARTITION p7 VALUES LESS THAN (700000),15 PARTITION p8 VALUES LESS THAN (800000),16 PARTITION p9 VALUES LESS THAN (900000),17 PARTITION p10 VALUES LESS THAN (1000000),18 PARTITION p11 VALUES LESS THAN (1100000),19 PARTITION p12 VALUES LESS THAN (1200000),20 PARTITION p13 VALUES LESS THAN (1300000),21 PARTITION p14 VALUES LESS THAN (1400000),22 PARTITION p15 VALUES LESS THAN (1500000),23 PARTITION p16 VALUES LESS THAN (1600000),24 PARTITION p17 VALUES LESS THAN (1700000),25 PARTITION p18 VALUES LESS THAN (1800000),26 PARTITION p19 VALUES LESS THAN (1900000),27 PARTITION p20 VALUES LESS THAN (2000000),28 PARTITION p21 VALUES LESS THAN (2100000),29 PARTITION p22 VALUES LESS THAN (2200000),30 PARTITION p23 VALUES LESS THAN (2300000),31 PARTITION p24 VALUES LESS THAN (2400000),32 PARTITION p25 VALUES LESS THAN (2500000),33 PARTITION p26 VALUES LESS THAN (2600000),34 PARTITION p27 VALUES LESS THAN (2700000),35 PARTITION p28 VALUES LESS THAN (2800000),36 PARTITION p29 VALUES LESS THAN (2900000),37 PARTITION p30 VALUES LESS THAN (3000000),38 PARTITION p31 VALUES LESS THAN MAXVALUE39);4041DROP TABLE IF EXISTS no_part_tab;42create table no_part_tab (43 c1 int(11) default NULL,44 c2 varchar(30) default NULL,45 c3 date default NULL46) engine=myisam;4748DROP PROCEDURE IF EXISTS load_part_tab;4950delimiter //51 52create PROCEDURE load_part_tab()53 begin54 declare v int default 0;55 while v < 800000056 do57 insert into part_tab values (v,'testing partitions',adddate('1995-01-01',(rand(v)*36520) mod 3652));58 set v = v + 1;59 end while;60 end61 //62delimiter ;
bitsCN.com

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Sujets chauds

Compétences en matière de traitement de la structure des Big Data : Chunking : décomposez l'ensemble de données et traitez-le en morceaux pour réduire la consommation de mémoire. Générateur : générez des éléments de données un par un sans charger l'intégralité de l'ensemble de données, adapté à des ensembles de données illimités. Streaming : lisez des fichiers ou interrogez les résultats ligne par ligne, adapté aux fichiers volumineux ou aux données distantes. Stockage externe : pour les ensembles de données très volumineux, stockez les données dans une base de données ou NoSQL.

La sauvegarde et la restauration d'une base de données MySQL en PHP peuvent être réalisées en suivant ces étapes : Sauvegarder la base de données : Utilisez la commande mysqldump pour vider la base de données dans un fichier SQL. Restaurer la base de données : utilisez la commande mysql pour restaurer la base de données à partir de fichiers SQL.

Les performances des requêtes MySQL peuvent être optimisées en créant des index qui réduisent le temps de recherche d'une complexité linéaire à une complexité logarithmique. Utilisez PreparedStatements pour empêcher l’injection SQL et améliorer les performances des requêtes. Limitez les résultats des requêtes et réduisez la quantité de données traitées par le serveur. Optimisez les requêtes de jointure, notamment en utilisant des types de jointure appropriés, en créant des index et en envisageant l'utilisation de sous-requêtes. Analyser les requêtes pour identifier les goulots d'étranglement ; utiliser la mise en cache pour réduire la charge de la base de données ; optimiser le code PHP afin de minimiser les frais généraux.

Comment insérer des données dans une table MySQL ? Connectez-vous à la base de données : utilisez mysqli pour établir une connexion à la base de données. Préparez la requête SQL : Écrivez une instruction INSERT pour spécifier les colonnes et les valeurs à insérer. Exécuter la requête : utilisez la méthode query() pour exécuter la requête d'insertion en cas de succès, un message de confirmation sera généré.

La création d'une table MySQL à l'aide de PHP nécessite les étapes suivantes : Connectez-vous à la base de données. Créez la base de données si elle n'existe pas. Sélectionnez une base de données. Créer un tableau. Exécutez la requête. Fermez la connexion.

Pour utiliser les procédures stockées MySQL en PHP : Utilisez PDO ou l'extension MySQLi pour vous connecter à une base de données MySQL. Préparez l'instruction pour appeler la procédure stockée. Exécutez la procédure stockée. Traitez le jeu de résultats (si la procédure stockée renvoie des résultats). Fermez la connexion à la base de données.

L'un des changements majeurs introduits dans MySQL 8.4 (la dernière version LTS en 2024) est que le plugin « MySQL Native Password » n'est plus activé par défaut. De plus, MySQL 9.0 supprime complètement ce plugin. Ce changement affecte PHP et d'autres applications

La base de données Oracle et MySQL sont toutes deux des bases de données basées sur le modèle relationnel, mais Oracle est supérieur en termes de compatibilité, d'évolutivité, de types de données et de sécurité ; tandis que MySQL se concentre sur la vitesse et la flexibilité et est plus adapté aux ensembles de données de petite et moyenne taille. ① Oracle propose une large gamme de types de données, ② fournit des fonctionnalités de sécurité avancées, ③ convient aux applications de niveau entreprise ; ① MySQL prend en charge les types de données NoSQL, ② a moins de mesures de sécurité et ③ convient aux applications de petite et moyenne taille.
