开发指南—透明分布式—变更表类型及拆分规则

简介: PolarDB-X新增支持变更表的类型(即在单表、拆分表和广播表三者间进行相互转换),和变更拆分表的拆分规则(包括拆分函数或拆分列)。本文介绍相关语法和示例。

前提条件

  • 仅内核小版本为5.4.8或以上的PolarDB-X实例支持变更拆分表的拆分规则。
  • 仅内核小版本为5.4.10或以上的PolarDB-X实例支持变更表的类型(即在单表、拆分表和广播表三者间进行相互转换)。

如何查看实例版本,请参见查看实例版本

注意事项

  • 暂不支持变更带有GSI的拆分表的拆分规则。
  • 表属性变更后,主键拆分表将变成普通表(即不再适用原主键拆分表中的自动拆分规则或索引转换规则)。更多详情,请参见主键拆分
  • 若单表设置了自增列,在变更为广播表或拆分表时,需提前为该表创建Sequence。如何创建Sequence,请参见显式用法
  • 本文中关于变更拆分表、广播表和单表的表类型示例,均在单表t_order的基础上进行变更,t_order表的创建语句如下:
CREATE TABLE t_order (
  `id` bigint(11) NOT NULL AUTO_INCREMENT BY GROUP,
  `order_id` varchar(20) DEFAULT NULL,
  `buyer_id` varchar(20) DEFAULT NULL,
  `seller_id` varchar(20) DEFAULT NULL,
  `order_snapshot` longtext DEFAULT NULL,
  `order_detail` longtext DEFAULT NULL,
  PRIMARY KEY (`id`),
  KEY `l_i_order` (`order_id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

表类型

PolarDB-X实例支持3种类型的表:拆分表、广播表和单表。您可以通过ALTER TABLE语句在拆分表、广播表和单表间进行转换,同时还能对拆分表的拆分规则进行变更。3..png

  • 拆分表使用drds_partition_options子句进行拆分的表。drds_partition_options可以是如下分库或分表子句:
drds_partition_options:

DBPARTITION BY db_partition_algorithm
[TBPARTITION BY table_partition_algorithm [TBPARTITIONS number]]
  • 其中:
    • db_partition_algorithm支持如下函数:
db_partition_algorithm:
HASH([col_name])
| {YYYYMM|YYYYWEEK|YYYYDD|YYYYMM_OPT|YYYYWEEK_OPT|YYYYDD_OPT}(col_name)
| UNI_HASH(col_name)
| RIGHT_SHIFT(col_name, n)
| RANGE_HASH(col_name, col_name, n)
    • table_partition_algorithm支持如下函数:
table_partition_algorithm:
HASH(col_name)
| {MM|DD|WEEK|MMDD|YYYYMM|YYYYWEEK|YYYYDD|YYYYMM_OPT|YYYYWEEK_OPT|YYYYDD_OPT}(col_name)
| UNI_HASH(col_name)
| RIGHT_SHIFT(col_name, n)
| RANGE_HASH(col_name, col_name, n)
  • 广播表通过BROADCAST子句创建的表,系统会将该表复制到每个分库上,并通过分布式事务实现数据一致性。更多详情,请参见广播表
  • 单表未进行任何拆分或未指定BROADCAST子句的表。更多详情,请参见单库单表

单表或广播表变为拆分表

  • 语法
ALTER TABLE table_name drds_partition_options;
  • 说明
    • 更多关于drds_partition_options的信息,请参见表类型
    • 若单表设置了自增列,在变更为拆分表时,需提前为该表创建Sequence。如何创建Sequence,请参见显式用法
  • 示例因业务扩展,单表t_order无法承载日益增长的数据。此时,您可以使用如下语句将该单表变更为拆分表(以order_id为拆分键):
ALTER TABLE t_order dbpartition BY hash(`order_id`);

单表或拆分表变为广播表

  • 语法
ALTER TABLE table_name BROADCAST;

  • 说明 若单表设置了自增列,在变更为广播表时,需提前为该表创建Sequence。如何创建Sequence,请参见显式用法
  • 示例您可以使用如下语句将单表或拆分表t_order变更为广播表:
ALTER TABLE t_order BROADCAST;

广播表或拆分表变为单表

  • 语法
ALTER TABLE table_name SINGLE;
  • 示例您可以使用如下语句将广播表或拆分表t_order变更为单表:
ALTER TABLE t_order SINGLE;

变更拆分表的拆分规则

  • 语法
ALTER TABLE tbl_name drds_partition_options;
  • 示例假设已使用如下语句在PolarDB-X数据库中创建了一张拆分表t_order(根据order_id列进行库级拆分):
CREATE TABLE t_order (
`id` bigint(11) NOT NULL AUTO_INCREMENT,
`order_id` varchar(20) DEFAULT NULL,
`buyer_id` varchar(20) DEFAULT NULL,
`seller_id` varchar(20) DEFAULT NULL,
`order_snapshot` longtext DEFAULT NULL,
`order_detail` longtext DEFAULT NULL,
PRIMARY KEY (`id`),
KEY `l_i_order` (`order_id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8
dbpartition BY hash(`order_id`);
  • 现需要对t_order表的拆分规则作出如下变更:
    • 根据order_id列进行库级拆分。
    • buyer_id列做表级拆分。
    • 每个分库包含3个分表。
  • 您可以使用如下语句实现上述变更:
ALTER TABLE t_order dbpartition BY hash(order_id) tbpartition BY hash(buyer_id) tbpartitions 3;

相关文档

拆分规则变更后,您可以通过如下命令查看表的拆分规则或拓扑结构:

常见问题

Q:为什么有时拆分键变更的DDL任务会执行失败?此时该如何处理?

A:实例崩溃或唯一索引存在冲突等因素会导致拆分规则变更的DDL任务执行失败。但这不会损坏原表任何数据,也不会阻塞正常的DML和查询语句执行。当拆分键变更的DDL任务执行失败时,您可以通过ROLLBACK DDL命令回滚该任务,然后再次尝试变更。关于ROLLBACK DDL命令的详情,请参见回滚任务


说明 暂不支持通过RECOVER DDL命令恢复执行失败的拆分键变更任务。

相关文章
|
2天前
|
数据采集 人工智能 安全
|
12天前
|
云安全 监控 安全
|
3天前
|
自然语言处理 API
万相 Wan2.6 全新升级发布!人人都能当导演的时代来了
通义万相2.6全新升级,支持文生图、图生视频、文生视频,打造电影级创作体验。智能分镜、角色扮演、音画同步,让创意一键成片,大众也能轻松制作高质量短视频。
1030 151
|
3天前
|
编解码 人工智能 机器人
通义万相2.6,模型使用指南
智能分镜 | 多镜头叙事 | 支持15秒视频生成 | 高品质声音生成 | 多人稳定对话
|
17天前
|
机器学习/深度学习 人工智能 自然语言处理
Z-Image:冲击体验上限的下一代图像生成模型
通义实验室推出全新文生图模型Z-Image,以6B参数实现“快、稳、轻、准”突破。Turbo版本仅需8步亚秒级生成,支持16GB显存设备,中英双语理解与文字渲染尤为出色,真实感和美学表现媲美国际顶尖模型,被誉为“最值得关注的开源生图模型之一”。
1724 9
|
8天前
|
人工智能 自然语言处理 API
一句话生成拓扑图!AI+Draw.io 封神开源组合,工具让你的效率爆炸
一句话生成拓扑图!next-ai-draw-io 结合 AI 与 Draw.io,通过自然语言秒出架构图,支持私有部署、免费大模型接口,彻底解放生产力,绘图效率直接爆炸。
673 152
|
10天前
|
人工智能 安全 前端开发
AgentScope Java v1.0 发布,让 Java 开发者轻松构建企业级 Agentic 应用
AgentScope 重磅发布 Java 版本,拥抱企业开发主流技术栈。
634 13
|
5天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
394 4