开发指南—函数—拆分函数—YYYYWEEK

简介: 本文将介绍YYYYWEEK函数的使用方式。

描述

根据分库键时间值的年份与一年的周数计算哈希值,然后再按分库数进行取余。

例如,YYYYWEEK('2012-12-31 12:12:12')等价于按照(2013x54+1)%D(D是分库数目)公式计算出2012-12-31是2013年的第1周。

使用限制

  • 拆分键的类型必须是DATE、DATETIME或TIMESTAMP中的一种。
  • 使用YYYYWEEK函数前,需要先确定所需的总物理分表数,您可以通过确定循环周期(如2年)来确定总的物理分表数。因为YYYYWEEK函数仅支持为循环周期内的每一周创建一张独立分表。
  • 当周数经过一个循环周期后(如2012年第1周经过一个2年的循环周期后是2014年第1周),相同周数有可能被路由到同一个分库分表,具体被分到哪个分表受实际的分表数目影响。

使用场景

YYYYWEEK函数适用于需要按年份与一年的周数进行分库的场景。建议结合该函数与tbpartition by YYYYWEEK(ShardKey)命令一起使用。

使用示例

假设PolarDB-X里已经拥有8个物理库,现有如下需求:

  • 按年周进行分库。
  • 同一周的数据都能落在同一张分表,且两年以内的每一周都能单独对应一张分表。
  • 查询时带上分库分表键后能直接将查询落在某个物理分库的某个物理分表。

YYYYWEEK分库函数即可满足上述要求。上述需求中提到两年以内的每一周都需对应一张分表(即一周一张表),由于一年最多有53周,所以需要创建106(53x2=106)张物理分表才能满足上述需求。PolarDB-X已有8个分库,所以每个分库应该建14张物理分表(106/8=13.25,取整为14,分表数最好是分库数的整数倍)。

则您可以使用如下建表DDL:


create table test_yyyyweek_tb (    
    id int, 
    name varchar(30) DEFAULT NULL,  
    create_time datetime DEFAULT NULL,
    primary key(id)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 
dbpartition by YYYYWEEK(create_time) 
tbpartition by YYYYWEEK(create_time) tbpartitions 14;
相关文章
|
数据安全/隐私保护
经典权限系统设计(五张表)
经典权限系统设计(五张表)
|
机器学习/深度学习 人工智能 数据可视化
ShuffleNet:极致轻量化卷积神经网络(分组卷积+通道重排)
我们引入了一个高效计算的CNN结构名字叫做shuffleNet,这个结构被设计用来解决部署算力非常有限的移动设备问题,这个新的结构使用了两个新的操作,pointwise group convolution 和 channel shuffle能够在极大减少计算量的同时保持一定的精度。我们在ImageNet classification和MS COCO目标检测数据集上做实验论证了ShuffleNet和其他的结构相比有着很好的性能。比如,相比于mobilenet,shufflenet在ImageNet 分类任务上有着更低的top-1错误率(错误率是7.8%)需要的计算量为40MFLOPs。在一个AR
3685 0
ShuffleNet:极致轻量化卷积神经网络(分组卷积+通道重排)
|
缓存 Java Linux
如何使用 Linux 后台运行 Python 脚本,并输出日志文件
如何使用 Linux 后台运行 Python 脚本,并输出日志文件
4058 0
|
存储 缓存 Linux
Linux之RAID介绍、软RAID5实操配置(失望攒够了就放手,不打扰是我最后的温柔)(一)
Linux之RAID介绍、软RAID5实操配置(失望攒够了就放手,不打扰是我最后的温柔)(一)
664 0
Linux之RAID介绍、软RAID5实操配置(失望攒够了就放手,不打扰是我最后的温柔)(一)
|
机器学习/深度学习 人工智能 并行计算
Pytorch 基于NiN的服饰识别(使用Fashion-MNIST数据集)
Pytorch 基于NiN的服饰识别(使用Fashion-MNIST数据集)
395 0
Pytorch 基于NiN的服饰识别(使用Fashion-MNIST数据集)
|
存储 缓存 运维
计算机基础入门、硬件和系统组成| 学习笔记
快速学习计算机基础入门、硬件和系统组成
635 0
计算机基础入门、硬件和系统组成| 学习笔记
利用微搭低代码实现附件的上传和下载
利用微搭低代码实现附件的上传和下载
利用微搭低代码实现附件的上传和下载
|
关系型数据库 MySQL 数据库
MySQL函数之cast()简介
MySQL函数之cast()简介
2836 0
MySQL函数之cast()简介
|
编解码
Google Earth Engine(GEE)——美国近地表高精度实时气象数据集(2500米分辨率)
Google Earth Engine(GEE)——美国近地表高精度实时气象数据集(2500米分辨率)
641 0
Google Earth Engine(GEE)——美国近地表高精度实时气象数据集(2500米分辨率)