理解MySQL——并行数据库与分区(Partion)

核心提示： 这种结构中，由于数据是各个处理器私有的，理解MySQL——并行数据库与分区(Partion)(3)，因此系统中数据的分布就需要特殊的处理，以尽量保证系统中各个节点的负载基本平衡，如name = “hustcat”；(3) 范围查询(range query)，如 20 &l

这种结构中，由于数据是各个处理器私有的，因此系统中数据的分布就需要特殊的处理，以尽量保证系统中各个节点的负载基本平衡，但在目前的数据库领域，这个数据分布问题已经有比较合理的解决方案。

由于数据是分布在各个处理节点上的，因此，使用这种结构的并行数据库系统，在扩展时不可避免地会导致数据在整个系统范围内的重分布（Re-Distribution）问题。

Shared-Nothing结构的典型代表是Teradata(并行数据库的先驱)，值得一提的是，MySQL NDB Cluster也使用了这种结构。

1.2、I/O并行(I/O Parallelism)

I/O并行的最简单形式是通过对关系划分，放置到多个磁盘上来缩减从磁盘读取关系的时间。并行数据库中数据划分最通用的形式是水平划分(horizontal portioning)，一个关系中的元组被划分到多个磁盘。

1.2.1、常用划分技术

假定将数据划分到n个磁盘D0，D1，…，Dn中。

(1)　　　 轮转法(round-bin)。对关系顺序扫描，将第i个元组存储到标号为Di%n的磁盘上；该方式保证了元组在多个磁盘上均匀分布。

(2)　　　 散列划分(hash partion)。选定一个值域为{0, 1, …,n-1}的散列函数，对关系中的元组基于划分属性进行散列。如果散列函数返回i，则将其存储到第i个磁盘。

(3)　　　 范围划分(range partion)。

由于将关系存储到多个磁盘，读写时能同时进行，划分(partion)能大大提高系统的读写性能。数据的存取可以分为以下几类：

(1)　　　 扫描整个关系；

(2)　　　 点查询(point query)，如name = “hustcat”；

(3)　　　 范围查询(range query)，如 20 < age < 30。

不同的划分技术，对这些存取类型的效率是不同的：