【笔记】开发指南—透明分布式—主键拆分

简介: PolarDB-X新增按主键类型自动拆分表功能,简易地将分布式技术引入到普通DDL语法,您只需要执行简单的修改,系统将根据主键和索引键自动选择拆分键和拆分方式,完成从单机数据库到分布式数据库的切换。

前提条件

PolarDB-X内核小版本需为5.4.9或以上。

注意事项

  • 主键拆分表仅支持在建表时指定主键,不支持对已有的表添加或删除主键。
  • 主键拆分表的非LOCAL索引必须指定索引名。
  • 拆分规则变更后,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)。如何变更拆分规则,请参见变更表类型及拆分规则

语法

在CREATE TABLE语法中新增了PARTITION关键字,同时,在创建索引的子句中新增了LOCALGLOBALCLUSTERED关键字,以适应主键拆分表。


CREATE PARTITION TABLE [IF NOT EXISTS] tbl_name

(create_definition, ...)
[table_options]
[drds_partition_options]
create_definition:
col_name column_definition
| mysql_create_definition
| [UNIQUE] [LOCAL | GLOBAL | CLUSTERED] INDEX index_name [index_type] (index_col_name,...)
[global_secondary_index_option]
[index_option] ...


说明 关于CREATE TABLE的详细语法介绍,请参见CREATE TABLE

如果不想修改DDL,想使用普通单库单表的DDL直接创建主键拆分表,您可以通过在SQL命令行中设置用户变量的方式开启主键拆分,方法如下:

  1. 执行set @auto_partition=1;命令,开启自动主键拆分。
  2. 执行CREATE TABLE语句创建表(无需附加PARTITION关键字),该动作将被视为创建主键拆分表。
  3. 执行set @auto_partition=0;命令,关闭自动主键拆分。

自动拆分规则

  • 如果目标表没有指定主键,PolarDB-X会启用隐式主键并将其作为拆分键,该主键为BIGINT类型的自增主键,且对用户不可见。
  • 如果目标表指定了主键,PolarDB-X会使用该主键作为拆分键。如果为复合主键,则选择复合主键的第一列作为拆分键。
  • 自动拆分仅拆分数据库,不拆分数据表,且拆分算法根据主键类型自动选择:
主键类型 拆分算法
TINYINT、SMALLINT、MEDIUMINT、INT、BIGINT、CHAR、VARCHAR HASH
DATE、DATETIME、TIMESTAMP YYYYDD
BIT、FLOAT、DOUBLE、TIME、YEAR、BLOB、ENUM、DECIMAL、BINARY、TEXT、SET、GEOMETRY 不支持拆分

索引转换规则

  • 如果指定了LOCAL关键字,即强制指定索引为本地索引。
  • 对主键拆分表执行创建索引操作时,如果未指定LOCAL关键字,该操作将被自动地转变为创建无覆盖列(covering)的全局二级索引,并且按索引列的第一列进行自动拆分。如果需要建立普通的局部索引,您需要指定LOCAL关键字。
  • 创建全局二级索引和聚簇索引时,会创建一个带_local_前缀的本地索引。如果删除全局二级索引,PolarDB-X会自动同步删除对应的本地索引。
  • 主键拆分表可以不指定全局二级索引、聚簇索引的拆分方式,PolarDB-X会根据自动拆分原则对索引键的第一列执行拆分。

下述语句及其注释为您展示了索引的转换规则。


CREATE PARTITION TABLE `t_order` (
  `x` int,
  `order_id` varchar(20) DEFAULT NULL,
  `seller_id` varchar(20) DEFAULT NULL,
  LOCAL INDEX `l_seller` using btree (`seller_id`), -- 强制指定为本地索引
  UNIQUE LOCAL INDEX `l_order` using btree (`order_id`), -- 强制指定为本地唯一索引
  INDEX `i_seller` using btree (`seller_id`), -- 会被替换为GSI,自动拆分
  UNIQUE INDEX `i_order` using btree (`order_id`), -- 会被替换为UGSI,自动拆分
  GLOBAL INDEX `g_seller` using btree (`seller_id`), -- 自动拆分
  UNIQUE GLOBAL INDEX `g_order` using btree (`order_id`), -- 自动拆分
  CLUSTERED INDEX `c_seller` using btree (`seller_id`), -- 自动拆分聚簇
  UNIQUE CLUSTERED INDEX `c_order` using btree (`order_id`) -- 自动拆分聚簇
);

执行show create table t_order;命令,查看表结构信息。


+---------+-------------------------------------------------------------------------------------------------------------------------------------------------------------------------+

| Table | Create Table |
+---------+-------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
| t_order | CREATE PARTITION TABLE `t_order` (
`x` int(11) DEFAULT NULL,
`order_id` varchar(20) DEFAULT NULL,
`seller_id` varchar(20) DEFAULT NULL,
UNIQUE LOCAL KEY `l_order` USING BTREE (`order_id`),
UNIQUE LOCAL KEY `_local_i_order` USING BTREE (`order_id`),
UNIQUE LOCAL KEY `_local_g_order` USING BTREE (`order_id`),
UNIQUE LOCAL KEY `_local_c_order` USING BTREE (`order_id`),
LOCAL KEY `l_seller` USING BTREE (`seller_id`),
LOCAL KEY `_local_i_seller` USING BTREE (`seller_id`),
LOCAL KEY `_local_g_seller` USING BTREE (`seller_id`),
LOCAL KEY `_local_c_seller` USING BTREE (`seller_id`),
UNIQUE CLUSTERED KEY `c_order` USING BTREE (`order_id`) DBPARTITION BY HASH(`order_id`),
CLUSTERED INDEX `c_seller` USING BTREE(`seller_id`) DBPARTITION BY HASH(`seller_id`),
UNIQUE GLOBAL KEY `g_order` USING BTREE (`order_id`) DBPARTITION BY HASH(`order_id`),
GLOBAL INDEX `g_seller` USING BTREE(`seller_id`) DBPARTITION BY HASH(`seller_id`),
UNIQUE GLOBAL KEY `i_order` USING BTREE (`order_id`) DBPARTITION BY HASH(`order_id`),
GLOBAL INDEX `i_seller` USING BTREE(`seller_id`) DBPARTITION BY HASH(`seller_id`)
) ENGINE = InnoDB DEFAULT CHARSET = utf8mb4 |
+---------+-------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
1 row in set (0.06 sec)

主键拆分表的DDL限制

如需对主键拆分表执行下述DDL操作,存在一些限制。


说明 关于下述DDL操作的详细语法介绍,请参见CREATE INDEXALTER TABLE

DDL类别 DDL子句 说明与限制
CREATE INDEX
  • 如果使用了[UNIQUE] LOCAL INDEX子句,PolarDB-X将创建本地索引,且会自动同步到聚簇索引表中。
  • 如果使用了[UNIQUE] INDEX子句,PolarDB-X将其转换为对应的全局二级索引,同时,自动创建一个带_local_前缀的本地索引并同步到聚簇索引表中。
  • 如果使用了[UNIQUE] GLOBAL | CLUSTERED INDEX子句,PolarDB-X会自动创建一个带_local_前缀的本地索引并同步到聚簇索引表中。
    说明 如果未指定拆分方式则会自动拆分。
ALTER TABLE ADD {INDEX | KEY} [index_name] [index_type] (key_part,...) [index_option] ...
ADD [COLUMN] (col_name column_definition,...)
  • PolarDB-X将自动添加对应的列到聚簇全局二级索引(CGSI)和带唯一约束的聚簇全局二级索引(UCGSI)。
  • 支持回滚操作。
DROP [COLUMN] col_name 不允许删除主键、主表拆分键、索引表拆分键和复合UNIQUE约束中的列。
CHANGE [COLUMN] old_col_name new_col_name column_definition [FIRST | AFTER col_name]
  • 不允许重命名主键、主表拆分键、索引表拆分键。
  • 不允许重命名复合UNIQUE约束中的列。
    说明 其它列的限制可通过执行Hint:/*+TDDL: cmd_extra(ALLOW_LOOSE_ALTER_COLUMN_WITH_GSI=true)*/命令解除。更多信息,请参见Hint简介

  • 如果仅需修改default信息,推荐使用SET DEFAULT或DROP DEFAULT子句。
MODIFY [COLUMN] col_name column_definition [FIRST | AFTER col_name]
ALTER TABLE tbl_name ALTER [COLUMN] col_name { SET DEFAULT {literal | (expr)} | DROP DEFAULT } 支持回滚操作。

说明 如果列的默认值为current_timestamp,则不支持回滚操作。

相关文章
|
9天前
|
数据采集 人工智能 安全
|
4天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
303 164
|
3天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
315 155
|
12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。
872 6
|
5天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
253 113