实践教程之体验PolarDB-X分布式事务和数据分区

简介: PolarDB-X 为了方便用户体验,提供了免费的实验环境,您可以在实验环境里体验 PolarDB-X 的安装部署和各种内核特性。除了免费的实验,PolarDB-X 也提供免费的视频课程,手把手教你玩转 PolarDB-X 分布式数据库。

本期实验将指导您使用PolarDB-X分布式事务和数据分区

本期免费实验地址

本期教学视频地址


前置准备

假设已经根据前一讲内容完成了PolarDB-X的搭建部署,可以成功链接上PolarDB-X数据库。

PolarDB-X:实践教程之如何快速安装部署PolarDB-X


体验PolarDB-X分布式事务

本步骤将带您体验PolarDB-X分布式事务。首先开启一个分布式事务,通过命令观察事务信息。然后模拟一个转账行为,观察原子性和隔离性保证,最后通过Flashback Query查看历史版本。

1.准备测试库、测试表和测试数据。

a. 执行如下SQL语句,创建测试库transfer_test并使用。

CREATE DATABASE transfer_test MODE='AUTO';
 USE transfer_test;

b. 执行如下SQL语句,创建测试表account。

CREATE TABLE account (
   pk bigint not null auto_increment,
   id varchar(64) not null,
   balance double not null,
   gmt_create timestamp default current_timestamp,
   gmt_modified timestamp default current_timestamp on update current_timestamp,
   PRIMARY KEY(pk),
   key(id)
);

c. 执行如下SQL语句,创建测试表user 。

CREATE TABLE user (
   pk bigint not null auto_increment,
   name varchar(64) not null,
   addr varchar(128) not null,
   gmt_create timestamp default current_timestamp,
   gmt_modified timestamp default current_timestamp on update current_timestamp,
   PRIMARY KEY(pk),
   key(name)
);

d. 执行如下SQL语句,初始化数据。

INSERT INTO account(id, balance) VALUES("Alice", 100), ("Bob", 100);
INSERT INTO user(name, addr) VALUES("Alice", "hz"), ("Bob", "sh");

e. 执行如下SQL语句,查看初始化结果。

SHOW FULL CREATE TABLE account;
SHOW FULL CREATE TABLE user;
SELECT * FROM account;
SELECT * FROM user;


2.转账测试。

a. 实验页面,单击右上角的+ 图标,创建新的终端三和终端四。

1.jpg

b. 在终端三和终端四中,分别执行如下命令,连接PolarDB-X集群。

mysql -h127.0.0.1 -P3306 -upolardbx_root transfer_test

c. 按照如下表格中的步骤顺序,在终端三和终端四中分别执行如下SQL语句,进行转账测试。

步骤顺序 终端三的命令 终端四的命令
1 BEGIN;
UPDATE account SET balance = balance - 30 WHERE id = "Alice";
2 SELECT * FROM account; SHOW TRANS;
SELECT * FROM account;
3 ROLLBACK;
4 SELECT * FROM account; SHOW TRANS;
SELECT * FROM account;
5 BEGIN;
UPDATE account SET balance = balance - 30 WHERE id = "Alice";
UPDATE account SET balance = balance + 30 WHERE id = "Bob";
6 SELECT * FROM account; SELECT * FROM account;
7 COMMIT;
8 SELECT * FROM account;


3.Flashback Query。

a. 实验页面,单击右上角的+图标,创建新的终端五。

20230412101447.jpg


b. 执行如下命令,连接PolarDB-X集群。

mysql -h127.0.0.1 -P3306 -upolardbx_root transfer_test

c. 执行如下SQL语句,记录当前时间点为ts0。

SELECT NOW();

2.jpg

d. 执行如下SQL语句,更新数据。

BEGIN;
UPDATE account SET balance = balance - 30 WHERE id = "Alice";
UPDATE account SET balance = balance + 30 WHERE id = "Bob";
COMMIT;
INSERT INTO account(id, balance) VALUES("Tom", 100);
INSERT INTO user(name, addr) VALUES("Tom", "bj");

e. 执行如下SQL语句,查看更新后的数据。

SELECT a.id, a.balance, b.addr FROM account a 
JOIN user b ON a.id = b.name;

f. 执行如下SQL语句,指定时间为ts0,查询历史版本数据。

说明 :

  • 您需要将{ts0}替换为实际记录的时间点ts0。
  • 示例:SELECT * FROM user AS OF TIMESTAMP "2022-05-12 10:14:14";
SELECT * FROM user AS OF TIMESTAMP "{ts0}";
SELECT * FROM account AS OF TIMESTAMP "{ts0}";

20230412101604.jpg


g. 执行如下SQL语句,在Join中为部分表指定时间戳。

说明 :您需要将{ts0}替换为实际记录的时间点ts0。

SELECT a.id, a.balance, b.addr FROM account a JOIN user AS OF TIMESTAMP "{ts0}" b ON a.id = b.name;


20230412101623.jpg

h. 执行如下SQL语句,查看并记录当前时间点为ts1。

SELECT NOW();


20230412101651.jpg


i. 执行如下SQL语句,模拟误删操作。

DELETE FROM account WHERE 1=1;

j. 执行如下SQL语句,查看删除结果。

SELECT * FROM account;


20230412101715.jpg

k. 执行如下SQL语句,通过Flashback Query恢复误删的数据。

说明 :您需要将{ts1}替换为实际记录的时间点ts1。

INSERT INTO account SELECT * FROM account AS OF TIMESTAMP "{ts1}";


20230412101742.jpg

l. 执行如下SQL语句,查看恢复结果。

SELECT * FROM account;


20230412101808.jpg


体验PolarDB-X数据分区

本步骤将带您体验PolarDB-X数据分区对查询性能的影响。首先用默认拆分方式创建一张表,然后通过增加全局索引和改变拆分方式来提升查询性能。

1.准备测试库、测试表和测试数据。

a. 切换至终端二,执行如下SQL语句,创建测试库partitioning_test并使用。

CREATE DATABASE partitioning_test MODE='AUTO';  USE partitioning_test;

b. 执行如下SQL语句,创建测试表ptest1。

CREATE TABLE ptest1 (
  id INTEGER UNSIGNED NOT NULL,
  k INTEGER UNSIGNED DEFAULT '0' NOT NULL,
  c CHAR(20) DEFAULT '' NOT NULL,
  pad CHAR(60) DEFAULT '' NOT NULL,
  PRIMARY KEY(id)
);

c. 执行如下SQL语句,插入数据。

INSERT INTO ptest1(id, k, c, pad) VALUES
(1, 1, "c", "pad"),(2, 2, "c", "pad"),(3, 3, "c", "pad"),
(4, 4, "c", "pad"),(5, 5, "c", "pad"),(6, 6, "c", "pad");


2.通过全局索引优化查询性能。

a. 执行如下SQL语句,查看主键上点查的执行计划。

EXPLAIN SELECT pad FROM ptest1 WHERE id = 1;

b. 执行如下SQL语句,查看k字段上点查的执行计划。

EXPLAIN SELECT pad FROM ptest1 WHERE k = 1;

c. 执行如下SQL语句,在k字段上增加索引。

ALTER TABLE `partitioning_test`.`ptest1`  ADD INDEX `__advise_index_ptest1_k`(`k`);

d. 执行如下SQL语句,查看添加索引后的执行计划。

EXPLAIN SELECT pad FROM ptest1 WHERE k = 1;

e. 执行如下SQL语句,在k字段上增加聚簇索引。

ALTER TABLE ptest1 ADD CLUSTERED INDEX c_k(k);

f. 执行如下SQL语句,查看增加聚簇索引后的执行计划。

EXPLAIN SELECT pad FROM ptest1 WHERE k=1;

g. 执行如下SQL语句,查看ptest1表的表结构。

SHOW CREATE TABLE ptest1; 
SHOW FULL CREATE TABLE ptest1;


3.通过变更分区键优化查询性能。

a. 执行如下SQL语句,删除之前创建的索引。

ALTER TABLE ptest1 DROP INDEX c_k;
ALTER TABLE ptest1 DROP INDEX __advise_index_ptest1_k;

b. 执行如下SQL语句,变更拆分键。

ALTER TABLE ptest1 PARTITION BY HASH(k); 
SHOW FULL CREATE TABLE ptest1;

c. 执行如下SQL语句,查看变更拆分键之后的执行计划。

EXPLAIN SELECT pad FROM ptest1 WHERE k=1;


了解更多


本文来源:PolarDB-X知乎号

相关文章
|
存储 关系型数据库 分布式数据库
喜报|阿里云PolarDB数据库(分布式版)荣获国内首台(套)产品奖项
阿里云PolarDB数据库管理软件(分布式版)荣获「2024年度国内首版次软件」称号,并跻身《2024年度浙江省首台(套)推广应用典型案例》。
|
Cloud Native 关系型数据库 分布式数据库
登顶TPC-C|云原生数据库PolarDB技术揭秘:Limitless集群和分布式扩展篇
阿里云PolarDB云原生数据库在TPC-C基准测试中以20.55亿tpmC的成绩刷新世界纪录,展现卓越性能与性价比。其轻量版满足国产化需求,兼具高性能与低成本,适用于多种场景,推动数据库技术革新与发展。
|
关系型数据库 分布式数据库 PolarDB
PolarDB 开源基础教程系列 7.2 应用实践之 跨境电商场景
本文介绍了如何在跨境电商场景中快速判断商标或品牌侵权,避免因侵权带来的法律纠纷。通过创建品牌表并使用PostgreSQL的pg_trgm插件和GIN索引,实现了高性能的字符串相似匹配功能。与传统方法相比,PolarDB|PostgreSQL的方法不仅提升了上万倍的查询速度,还解决了传统方法难以处理的相似问题检索。具体实现步骤包括创建品牌表、插入随机品牌名、配置pg_trgm插件及索引,并设置相似度阈值进行高效查询。此外,文章还探讨了字符串相似度计算的原理及应用场景,提供了进一步优化和扩展的方向。
523 11
|
SQL 关系型数据库 分布式数据库
PolarDB 开源基础教程系列 7.5 应用实践之 TPCH性能优化
PolarDB在复杂查询、大数据量计算与分析场景的测试和优化实践.
561 7
|
搜索推荐 关系型数据库 分布式数据库
PolarDB 开源基础教程系列 7.3 应用实践之 精准营销场景
本文介绍了基于用户画像的精准营销技术,重点探讨了如何通过标签组合快速圈选目标人群。实验分为三部分: 1. **传统方法**:使用字符串存储标签并进行模糊查询,但性能较差,每次请求都需要扫描全表。 2. **实验1**:引入`pg_trgm`插件和GIN索引,显著提升了单个模糊查询条件的性能。 3. **实验2**:改用数组类型存储标签,并结合GIN索引加速包含查询,性能进一步提升。 4. **实验3**:利用`smlar`插件实现近似度过滤,支持按标签重合数量或比例筛选。
354 3
|
Cloud Native 关系型数据库 分布式数据库
登顶TPC-C|云原生数据库PolarDB技术揭秘:Limitless集群和分布式扩展篇
云原生数据库PolarDB技术揭秘:Limitless集群和分布式扩展篇
|
存储 监控 关系型数据库
突破IO瓶颈:PolarDB分布式并行查询(Parallel Query)深度调优手册
在海量数据处理中,I/O瓶颈严重制约数据库性能。本文基于PolarDB MySQL 8.0.32版本,深入解析分布式并行查询技术如何提升CPU利用率至86.7%、IO吞吐达8.5GB/s,并结合20+实战案例,系统讲解并行架构、执行计划优化、资源调优与故障排查方法,助力实现高性能数据分析。
581 6
|
人工智能 关系型数据库 分布式数据库
PolarDB 开源基础教程系列 7.4 应用实践之 AI大模型外脑
PolarDB向量数据库插件通过实现通义大模型AI的外脑,解决了通用大模型无法触达私有知识库和产生幻觉的问题。该插件允许用户将新发现的知识和未训练的私有知识分段并转换为向量,存储在向量数据库中,并创建索引以加速相似搜索。当用户提问时,系统将问题向量化并与数据库中的向量进行匹配,找到最相似的内容发送给大模型,从而提高回答的准确性和相关性。此外,PolarDB支持多种编程语言接口,如Python,使数据库具备内置AI能力,极大提升了数据处理和分析的效率。
939 4
|
容灾 关系型数据库 分布式数据库
PolarDB分布式版:与云融合的分布式数据库发展新阶段
PolarDB分布式版标志着分布式数据库与云融合的新阶段。它经历了三个发展阶段:从简单的分布式中间件,到一体化分布式架构,再到云原生分布式数据库。PolarDB充分利用云资源的弹性、高性价比、高可用性和隔离能力,解决了大规模数据扩展性问题,并支持多租户场景和复杂事务处理。零售中台的建设背景包括国家数字化转型战略及解决信息孤岛问题,采用分布式数据库提升高可用性和性能,满足海量订单处理需求。展望未来,零售中台将重点提升容灾能力、优化资源利用并引入AI技术,以实现更智能的服务和更高的业务连续性。
600 9

热门文章

最新文章

相关产品

  • 云原生数据库 PolarDB