开发指南—函数—拆分函数—YYYYDD

简介: 本文介绍YYYYDD函数的使用方式。

描述

根据分库键时间值的年份与一年的天数计算哈希值,然后再按分库数进行取余,完成路由计算。

例如,YYYYDD('2012-12-31 12:12:12')函数等价于按照(2012x366+366)%D(D是分库数目)公式计算出2012-12-31是2012年的第366天。

使用限制

  • 拆分键的类型必须是DATE、DATETIME或TIMESTAMP中的一种。
  • 使用YYYYDD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YYYYDD函数仅支持为循环周期内的每一天创建一张独立分表。
  • 当日期经过一个循环周期后(如2012-03-01经过一个2年的循环周期后是2014-03-01),同一个日期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

YYYYDD函数适用于需要按年份与一年的天数进行分库的场景。建议结合该函数与tbpartition by YYYYDD(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:

  • 按年天进行分库。
  • 同一天的数据都能落在同一张分表,且两年以内的每一天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。

上述需求中提到两年以内的每一天都需对应一张分表(即一天一张表),由于一年最多有366天,所以需要创建732(366x2=732)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92张物理分表(732/8=91.5,取整为92,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_yyyydd_tb (    
    id int, 
    name varchar(30) DEFAULT NULL,  
    create_time datetime DEFAULT NULL,
    primary key(id)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 
dbpartition by YYYYDD(create_time) 
tbpartition by YYYYDD(create_time) tbpartitions 92;
相关文章
开发指南—函数—拆分函数—MMDD
本文介绍MMDD函数的使用方式。
开发指南—函数—拆分函数—YYYYMM
本文介绍YYYYMM函数的使用方式
开发指南—函数—拆分函数—YYYYDD
本文介绍YYYYDD函数的使用方式。
开发指南—函数—拆分函数—YYYYWEEK
本文将介绍YYYYWEEK函数的使用方式。
|
1天前
|
存储 关系型数据库 MySQL
数据管理的艺术:PolarDB开源版详评与实战部署策略(一)
PolarDB-X是阿里巴巴自研的高性能云原生分布式数据库,基于共享存储的Shared-nothing架构,支持MySQL生态,具备金融级高可用、分布式水平扩展、HTAP混合负载等能力。它通过CN(计算节点)和DN(存储节点)实现计算与存储分离,保证数据强一致性,并支持全局二级索引和多主多写。PolarDB-X开源版提供更高程度的定制化和控制权,适合追求技术自主性和成本优化的开发者。部署方式包括RPM包、PXD工具和Kubernetes,其中PXD工具提供了一键部署的便利性。
34600 10
|
5天前
|
关系型数据库 Serverless 分布式数据库
高峰无忧,探索PolarDB PG版Serverless的弹性魅力
在数字经济时代,数据库成为企业命脉,面对爆炸式增长的数据,企业面临管理挑战。云原生和Serverless技术革新数据库领域,PolarDB PG Serverless作为阿里云的云原生数据库解决方案,融合Serverless与PostgreSQL,实现自动弹性扩展,按需计费,降低运维成本。它通过计算与存储分离技术,提供高可用性、灾备策略和简化运维。PolarDB PG Serverless智能应变业务峰值,实时监控与调整资源,确保性能稳定。通过免费体验,用户可观察其弹性性能和价格力,感受技术优势。
|
15天前
|
存储 缓存 监控
你的Redis真的变慢了吗?性能优化如何做
本文先讲述了Redis变慢的判别方法,后面讲述了如何提升性能。
102243 5
|
15天前
|
机器学习/深度学习 并行计算 算法
Transformer 一起动手编码学原理
学习Transformer,快来跟着作者动手写一个。
94253 8
|
14天前
|
存储 SQL Apache
阿里云数据库内核 Apache Doris 基于 Workload Group 的负载隔离能力解读
阿里云数据库内核 Apache Doris 基于 Workload Group 的负载隔离能力解读
阿里云数据库内核 Apache Doris 基于 Workload Group 的负载隔离能力解读
|
19天前
|
人工智能 弹性计算 算法
一文解读:阿里云AI基础设施的演进与挑战
对于如何更好地释放云上性能助力AIGC应用创新?“阿里云弹性计算为云上客户提供了ECS GPU DeepGPU增强工具包,帮助用户在云上高效地构建AI训练和AI推理基础设施,从而提高算力利用效率。”李鹏介绍到。目前,阿里云ECS DeepGPU已经帮助众多客户实现性能的大幅提升。其中,LLM微调训练场景下性能最高可提升80%,Stable Difussion推理场景下性能最高可提升60%。
124013 43