Tio Boot DocsTio Boot Docs
Home
  • java-db
  • api-table
  • Enjoy
  • Tio Boot Admin
  • ai_agent
  • translator
  • knowlege_base
  • ai-search
  • 案例
Abount
  • Github
  • Gitee
Home
  • java-db
  • api-table
  • Enjoy
  • Tio Boot Admin
  • ai_agent
  • translator
  • knowlege_base
  • ai-search
  • 案例
Abount
  • Github
  • Gitee
  • 01_tio-boot 简介

    • tio-boot:新一代高性能 Java Web 开发框架
    • tio-boot 入门示例
    • Tio-Boot 配置 : 现代化的配置方案
    • tio-boot 整合 Logback
    • tio-boot 整合 hotswap-classloader 实现热加载
    • 自行编译 tio-boot
    • 最新版本
    • 开发规范
  • 02_部署

    • 使用 Maven Profile 实现分环境打包 tio-boot 项目
    • Maven 项目配置详解:依赖与 Profiles 配置
    • tio-boot 打包成 FastJar
    • 使用 GraalVM 构建 tio-boot Native 程序
    • 使用 Docker 部署 tio-boot
    • 部署到 Fly.io
    • 部署到 AWS Lambda
    • 到阿里云云函数
    • 使用 Deploy 工具部署
    • 胖包与瘦包的打包与部署
    • 使用 Jenkins 部署 Tio-Boot 项目
    • 使用 Nginx 反向代理 Tio-Boot
    • 使用 Supervisor 管理 Java 应用
  • 03_配置

    • 配置参数
    • 服务器监听器
    • 内置缓存系统 AbsCache
    • 使用 Redis 作为内部 Cache
    • 静态文件处理器
    • 基于域名的静态资源隔离
    • DecodeExceptionHandler
  • 04_原理

    • 生命周期
    • 请求处理流程
    • 重要的类
  • 05_json

    • Json
    • 接受 JSON 和响应 JSON
    • 响应实体类
  • 06_web

    • 概述
    • 文件上传
    • 接收请求参数
    • 接收日期参数
    • 接收数组参数
    • 返回字符串
    • 返回文本数据
    • 返回网页
    • 请求和响应字节
    • 文件下载
    • 返回视频文件并支持断点续传
    • http Session
    • Cookie
    • HttpRequest
    • HttpResponse
    • Resps
    • RespBodyVo
    • /zh/06_web/19.html
    • 全局异常处理器
    • 异步
    • 动态 返回 CSS 实现
    • 返回图片
    • Transfer-Encoding: chunked 实时音频播放
    • Server-Sent Events (SSE)
    • 接口访问统计
    • 接口请求和响应数据记录
    • 自定义 Handler 转发请求
    • 使用 HttpForwardHandler 转发所有请求
    • 跨域
    • 添加 Controller
    • 常用工具类
    • HTTP Basic 认证
    • WebJars
    • JProtobuf
  • 07_validate

    • 数据紧校验规范
    • 参数校验
  • 08_websocket

    • 使用 tio-boot 搭建 WebSocket 服务
    • WebSocket 聊天室项目示例
  • 09_java-db

    • java‑db
    • 操作数据库入门示例
    • SQL 模板
    • 数据源配置与使用
    • ActiveRecord
    • Model
    • 生成器与 Model
    • Db 工具类
    • 批量操作
    • 数据库事务处理
    • Cache 缓存
    • Dialect 多数据库支持
    • 表关联操作
    • 复合主键
    • Oracle 支持
    • Enjoy SQL 模板
    • Java-DB 整合 Enjoy 模板最佳实践
    • 多数据源支持
    • 独立使用 ActiveRecord
    • 调用存储过程
    • java-db 整合 Guava 的 Striped 锁优化
    • 生成 SQL
    • 通过实体类操作数据库
    • java-db 读写分离
    • Spring Boot 整合 Java-DB
    • like 查询
    • 常用操作示例
    • Druid 监控集成指南
    • SQL 统计
  • 10_api-table

    • ApiTable 概述
    • 使用 ApiTable 连接 SQLite
    • 使用 ApiTable 连接 Mysql
    • 使用 ApiTable 连接 Postgres
    • 使用 ApiTable 连接 TDEngine
    • 使用 api-table 连接 oracle
    • 使用 api-table 连接 mysql and tdengine 多数据源
    • EasyExcel 导出
    • EasyExcel 导入
    • TQL(Table SQL)前端输入规范
    • ApiTable 实现增删改查
    • 数组类型
    • 单独使用 ApiTable
  • 11_aop

    • JFinal-aop
    • Aop 工具类
    • 配置
    • 配置
    • 独立使用 JFinal Aop
    • @AImport
    • 原理解析
  • 12_cache

    • Caffine
    • Jedis-redis
    • hutool RedisDS
    • Redisson
    • Caffeine and redis
    • CacheUtils 工具类
    • 使用 CacheUtils 整合 caffeine 和 redis 实现的两级缓存
    • 使用 java-db 整合 ehcache
    • 使用 java-db 整合 redis
    • Java DB Redis 相关 Api
    • redis 使用示例
  • 13_认证和权限

    • hutool-JWT
    • FixedTokenInterceptor
    • 使用内置 TokenManager 实现登录
    • 用户系统
    • 重置密码
    • 匿名登录
    • Google 登录
    • 权限校验注解
    • Sa-Token
    • sa-token 登录注册
    • StpUtil.isLogin() 源码解析
    • 短信登录
    • 移动端微信登录实现指南
    • 移动端重置密码
  • 14_i18n

    • i18n
  • 15_enjoy

    • tio-boot 整合 Enjoy 模版引擎文档
    • 引擎配置
    • 表达式
    • 指令
    • 注释
    • 原样输出
    • Shared Method 扩展
    • Shared Object 扩展
    • Extension Method 扩展
    • Spring boot 整合
    • 独立使用 Enjoy
    • tio-boot enjoy 自定义指令 localeDate
    • PromptEngine
    • Enjoy 入门示例-擎渲染大模型请求体
    • Enjoy 使用示例
  • 16_定时任务

    • Quartz 定时任务集成指南
    • 分布式定时任务 xxl-jb
    • cron4j 使用指南
  • 17_tests

    • TioBootTest 类
  • 18_tio

    • TioBootServer
    • tio-core
    • 内置 TCP 处理器
    • 独立启动 UDPServer
    • 使用内置 UDPServer
    • t-io 消息处理流程
    • tio-运行原理详解
    • TioConfig
    • ChannelContext
    • Tio 工具类
    • 业务数据绑定
    • 业务数据解绑
    • 发送数据
    • 关闭连接
    • Packet
    • 监控: 心跳
    • 监控: 客户端的流量数据
    • 监控: 单条 TCP 连接的流量数据
    • 监控: 端口的流量数据
    • 单条通道统计: ChannelStat
    • 所有通道统计: GroupStat
    • 资源共享
    • 成员排序
    • ssl
    • DecodeRunnable
    • 使用 AsynchronousSocketChannel 响应数据
    • 拉黑 IP
    • 深入解析 Tio 源码:构建高性能 Java 网络应用
  • 19_aio

    • ByteBuffer
    • AIO HTTP 服务器
    • 自定义和线程池和池化 ByteBuffer
    • AioHttpServer 应用示例 IP 属地查询
    • 手写 AIO Http 服务器
  • 20_netty

    • Netty TCP Server
    • Netty Web Socket Server
    • 使用 protoc 生成 Java 包文件
    • Netty WebSocket Server 二进制数据传输
    • Netty 组件详解
  • 21_netty-boot

    • Netty-Boot
    • 原理解析
    • 整合 Hot Reload
    • 整合 数据库
    • 整合 Redis
    • 整合 Elasticsearch
    • 整合 Dubbo
    • Listener
    • 文件上传
    • 拦截器
    • Spring Boot 整合 Netty-Boot
    • SSL 配置指南
    • ChannelInitializer
    • Reserve
  • 22_MQ

    • Mica-mqtt
    • EMQX
    • Disruptor
  • 23_tio-utils

    • tio-utils
    • HttpUtils
    • Notification
    • 邮箱
    • JSON
    • 读取文件
    • Base64
    • 上传和下载
    • Http
    • Telegram
    • RsaUtils
    • EnvUtils 使用文档
    • 系统监控
    • 毫秒并发 ID (MCID) 生成方案
  • 24_tio-http-server

    • 使用 Tio-Http-Server 搭建简单的 HTTP 服务
    • tio-boot 添加 HttpRequestHandler
    • 在 Android 上使用 tio-boot 运行 HTTP 服务
    • tio-http-server-native
    • handler 常用操作
  • 25_tio-websocket

    • WebSocket 服务器
    • WebSocket Client
  • 26_tio-im

    • 通讯协议文档
    • ChatPacket.proto 文档
    • java protobuf
    • 数据表设计
    • 创建工程
    • 登录
    • 历史消息
    • 发消息
  • 27_mybatis

    • Tio-Boot 整合 MyBatis
    • 使用配置类方式整合 MyBatis
    • 整合数据源
    • 使用 mybatis-plus 整合 tdengine
    • 整合 mybatis-plus
  • 28_mongodb

    • tio-boot 使用 mongo-java-driver 操作 mongodb
  • 29_elastic-search

    • Elasticsearch
    • JavaDB 整合 ElasticSearch
    • Elastic 工具类使用指南
    • Elastic-search 注意事项
    • ES 课程示例文档
  • 30_magic-script

    • tio-boot 整合 magic-script
  • 31_groovy

    • tio-boot 整合 Groovy
  • 32_firebase

    • 整合 google firebase
    • Firebase Storage
    • Firebase Authentication
    • 使用 Firebase Admin SDK 进行匿名用户管理与自定义状态标记
    • 导出用户
    • 注册回调
    • 登录注册
  • 33_文件存储

    • 文件上传数据表
    • 本地存储
    • 使用 AWS S3 存储文件并整合到 Tio-Boot 项目中
    • 存储文件到 腾讯 COS
  • 34_spider

    • jsoup
    • 爬取 z-lib.io 数据
    • 整合 WebMagic
    • WebMagic 示例:爬取学校课程数据
    • Playwright
    • Flexmark (Markdown 处理器)
    • tio-boot 整合 Playwright
    • 缓存网页数据
  • 36_integration_thirty_party

    • tio-boot 整合 okhttp
    • 整合 GrpahQL
    • 集成 Mailjet
    • 整合 ip2region
    • 整合 GeoLite 离线库
    • 整合 Lark 机器人指南
    • 集成 Lark Mail 实现邮件发送
    • Thymeleaf
    • Swagger
    • Clerk 验证
  • 37_dubbo

    • 概述
    • dubbo 2.6.0
    • dubbo 2.6.0 调用过程
    • dubbo 3.2.0
  • 38_spring

    • Spring Boot Web 整合 Tio Boot
    • spring-boot-starter-webflux 整合 tio-boot
    • Tio Boot 整合 Spring Boot Starter
    • Tio Boot 整合 Spring Boot Starter Data Redis 指南
  • 39_spring-cloud

    • tio-boot spring-cloud
  • 40_mysql

    • 使用 Docker 运行 MySQL
    • /zh/42_mysql/02.html
  • 41_postgresql

    • PostgreSQL 安装
    • PostgreSQL 主键自增
    • PostgreSQL 日期类型
    • Postgresql 金融类型
    • PostgreSQL 数组类型
    • PostgreSQL 全文检索
    • PostgreSQL 查询优化
    • 获取字段类型
    • PostgreSQL 向量
    • PostgreSQL 优化向量查询
    • PostgreSQL 其他
  • 43_oceanbase

    • 快速体验 OceanBase 社区版
    • 快速上手 OceanBase 数据库单机部署与管理
    • 诊断集群性能
    • 优化 SQL 性能指南
    • /zh/43_oceanbase/05.html
  • 50_media

    • JAVE 提取视频中的声音
    • Jave 提取视频中的图片
    • /zh/50_media/03.html
  • 51_asr

    • Whisper-JNI
  • 54_native-media

    • java-native-media
    • JNI 入门示例
    • mp3 拆分
    • mp4 转 mp3
    • 使用 libmp3lame 实现高质量 MP3 编码
    • Linux 编译
    • macOS 编译
    • 从 JAR 包中加载本地库文件
    • 支持的音频和视频格式
    • 任意格式转为 mp3
    • 通用格式转换
    • 通用格式拆分
    • 视频合并
    • VideoToHLS
    • split_video_to_hls 支持其他语言
    • 持久化 HLS 会话
  • 55_telegram4j

    • 数据库设计
    • /zh/55_telegram4j/02.html
    • 基于 MTProto 协议开发 Telegram 翻译机器人
    • 过滤旧消息
    • 保存机器人消息
    • 定时推送
    • 增加命令菜单
    • 使用 telegram-Client
    • 使用自定义 StoreLayout
    • 延迟测试
    • Reactor 错误处理
    • Telegram4J 常见错误处理指南
  • 56_telegram-bots

    • TelegramBots 入门指南
    • 使用工具库 telegram-bot-base 开发翻译机器人
  • 60_LLM

    • 简介
    • AI 问答
    • /zh/60_LLM/03.html
    • /zh/60_LLM/04.html
    • 增强检索(RAG)
    • 结构化数据检索
    • 搜索+AI
    • 集成第三方 API
    • 后置处理
    • 推荐问题生成
    • 连接代码执行器
    • 避免 GPT 混乱
    • /zh/60_LLM/13.html
  • 61_ai_agent

    • 数据库设计
    • 示例问题管理
    • 会话管理
    • 历史记录
    • 对接 Perplexity API
    • 意图识别与生成提示词
    • 智能问答模块设计与实现
    • 文件上传与解析文档
    • 翻译
    • 名人搜索功能实现
    • Ai studio gemini youbue 问答使用说明
    • 自建 YouTube 字幕问答系统
    • 自建 获取 youtube 字幕服务
    • 通用搜索
    • /zh/61_ai_agent/15.html
    • 16
    • 17
    • 18
    • 在 tio-boot 应用中整合 ai-agent
    • 16
  • 62_translator

    • 简介
  • 63_knowlege_base

    • 数据库设计
    • 用户登录实现
    • 模型管理
    • 知识库管理
    • 文档拆分
    • 片段向量
    • 命中测试
    • 文档管理
    • 片段管理
    • 问题管理
    • 应用管理
    • 向量检索
    • 推理问答
    • 问答模块
    • 统计分析
    • 用户管理
    • api 管理
    • 存储文件到 S3
    • 文档解析优化
    • 片段汇总
    • 段落分块与检索
    • 多文档解析
    • 对话日志
    • 检索性能优化
    • Milvus
    • 文档解析方案和费用对比
    • 离线运行向量模型
  • 64_ai-search

    • ai-search 项目简介
    • ai-search 数据库文档
    • ai-search SearxNG 搜索引擎
    • ai-search Jina Reader API
    • ai-search Jina Search API
    • ai-search 搜索、重排与读取内容
    • ai-search PDF 文件处理
    • ai-search 推理问答
    • Google Custom Search JSON API
    • ai-search 意图识别
    • ai-search 问题重写
    • ai-search 系统 API 接口 WebSocket 版本
    • ai-search 搜索代码实现 WebSocket 版本
    • ai-search 生成建议问
    • ai-search 生成问题标题
    • ai-search 历史记录
    • Discover API
    • 翻译
    • Tavily Search API 文档
    • 对接 Tavily Search
    • 火山引擎 DeepSeek
    • 对接 火山引擎 DeepSeek
    • ai-search 搜索代码实现 SSE 版本
    • jar 包部署
    • Docker 部署
    • 爬取一个静态网站的所有数据
    • 网页数据预处理
    • 网页数据检索与问答流程整合
  • 65_java-linux

    • Java 执行 python 代码
    • 通过大模型执行 Python 代码
    • MCP 协议
    • Cline 提示词
    • Cline 提示词-中文版本
  • 66_manim

    • 简介
    • Manim 开发环境搭建
    • 生成场景提示词
    • 生成代码
    • 完整脚本示例
    • 语音合成系统
    • Fish.audio TTS 接口说明文档与 Java 客户端封装
    • 整合 fishaudio 到 java-uni-ai-server 项目
    • 执行 Python (Manim) 代码
    • 使用 SSE 流式传输生成进度的实现文档
    • 整合全流程完整文档
    • HLS 动态推流技术文档
    • manim 分场景生成代码
    • 分场景运行代码及流式播放支持
    • 分场景业务端完整实现流程
    • Maiim布局管理器
    • 仅仅生成场景代码
    • 使用 modal 运行 manim 代码
    • Python 使用 Modal GPU 加速渲染
    • Modal 平台 GPU 环境下运行 Manim
    • Modal Manim OpenGL 安装与使用
    • 优化 GPU 加速
    • 生成视频封面流程
    • Java 调用 manim 命令 执行代码 生成封面
    • Manim 图像生成服务客户端文档
    • manim render help
    • 显示 中文公式
    • manimgl
    • EGL
    • /zh/66_manim/30.html
    • /zh/66_manim/31.html
    • 成本核算
    • /zh/66_manim/33.html
  • 70_tio-boot-admin

    • 入门指南
    • 初始化数据
    • token 存储
    • 与前端集成
    • 文件上传
    • 网络请求
    • 图片管理
    • /zh/70_tio-boot-admin/08.html
    • Word 管理
    • PDF 管理
    • 文章管理
    • 富文本编辑器
  • 71_tio-boot

    • /zh/71_tio-boot/01.html
    • Swagger 整合到 Tio-Boot 中的指南
    • HTTP/1.1 Pipelining 性能测试报告
  • 80_性能测试

    • 压力测试 - tio-http-serer
    • 压力测试 - tio-boot
    • 压力测试 - tio-boot-native
    • 压力测试 - netty-boot
    • 性能测试对比
    • TechEmpower FrameworkBenchmarks
    • 压力测试 - tio-boot 12 C 32G
  • 99_案例

    • 封装 IP 查询服务
    • tio-boot 案例 - 全局异常捕获与企业微信群通知
    • tio-boot 案例 - 文件上传和下载
    • tio-boot 案例 - 整合 ant design pro 增删改查
    • tio-boot 案例 - 流失响应
    • tio-boot 案例 - 增强检索
    • tio-boot 案例 - 整合 function call
    • tio-boot 案例 - 定时任务 监控 PostgreSQL、Redis 和 Elasticsearch
    • Tio-Boot 案例:使用 SQLite 整合到登录注册系统
    • tio-boot 案例 - 执行 shell 命令

PostgreSQL 查询优化

  • 一、索引
  • 二、分区表
    • 分区表示例:
  • 三、使用分区表后的查询和插入操作
    • 1. 查询 SQL 的变化
    • 2. 插入 SQL 的变化
  • 四、其他注意事项
  • 五、改造表为分区表
    • 1. 挑战与背景
    • 2. 创建新分区表并迁移数据
    • 3. 总结
    • 4. 自动创建分区
    • 5. 迁移数据时字段完全相同
  • 六、总结

在面对大数据量(如 rumi_rmp_rating 表中的 1 千万 条记录)时,分区表是一种有效的优化手段。本文将详细探讨在将表转换为分区表后,查询和插入操作的变化,以及如何利用分区表进行优化。

一、索引

原始查询示例:

SELECT
  id,
  admin_reviewed_at,
  attendance_mandatory,
  clarity_rating_rounded,
  class_name,
  comment,
  course_type,
  date,
  difficulty_rating_rounded,
  flag_status,
  grade,
  helpful_rating_rounded,
  would_like_take_again,
  is_for_credit,
  is_for_online_class,
  mask_count,
  quality_rating,
  textbook_is_used,
  thumbs_down_total,
  thumbs_up_total,
  class_name_vector
FROM rumi_rmp_rating
WHERE teacher_id = 868673;

在未优化前,此查询耗时约 19 秒。通过在 teacher_id 列上创建索引:

CREATE INDEX idx_rumi_rmp_rating_teacher_id
  ON public.rumi_rmp_rating (teacher_id);

查询时间可缩短至约 5 秒。

二、分区表

为了进一步优化和管理大数据量,可以将 rumi_rmp_rating 表改为分区表。分区表按特定规则将数据拆分到多个子表中,从而在查询和维护上带来多方面的优势。

分区表示例:

  1. 创建父表:

    CREATE TABLE public.rumi_rmp_rating_partitioned (
      -- 字段定义同原表
    ) PARTITION BY RANGE (teacher_id);
    
  2. 创建子分区:

    CREATE TABLE public.rumi_rmp_rating_part_1
      PARTITION OF public.rumi_rmp_rating_partitioned
      FOR VALUES FROM (0) TO (1000000);
    
    CREATE TABLE public.rumi_rmp_rating_part_2
      PARTITION OF public.rumi_rmp_rating_partitioned
      FOR VALUES FROM (1000000) TO (2000000);
    
    -- 根据数据分布继续创建更多子分区
    

三、使用分区表后的查询和插入操作

1. 查询 SQL 的变化

在将表改为分区表后,日常查询的 SQL 语句基本保持不变。主要变化在于指定使用分区表的父表名。例如:

原始查询:

SELECT
  id, admin_reviewed_at, attendance_mandatory, clarity_rating_rounded, ...
FROM public.rumi_rmp_rating
WHERE teacher_id = YOUR_TEACHER_ID;

分区表查询:

SELECT
  id, admin_reviewed_at, attendance_mandatory, clarity_rating_rounded, ...
FROM public.rumi_rmp_rating_partitioned
WHERE teacher_id = YOUR_TEACHER_ID;

在此查询中:

  • 只需将表名由原来的 rumi_rmp_rating 替换为父表 rumi_rmp_rating_partitioned。
  • PostgreSQL 会根据 teacher_id 的值自动选择对应的子分区,从而利用分区裁剪(partition pruning)技术优化查询,仅扫描相关分区,提高查询性能。

2. 插入 SQL 的变化

插入操作同样保持简洁,无需指定具体的子分区。只需将目标表名替换为父表即可:

原始插入操作:

INSERT INTO public.rumi_rmp_rating (id, teacher_id, school_id, ...)
VALUES (1, 12345, 67890, ...);

使用分区表后的插入操作:

INSERT INTO public.rumi_rmp_rating_partitioned (id, teacher_id, school_id, ...)
VALUES (1, 12345, 67890, ...);

在插入时,数据库会根据记录中的 teacher_id 自动路由到对应的子分区,因此应用层不需要做额外的处理。

四、其他注意事项

  1. DDL 操作与分区管理

    • 定期需要添加新分区或调整分区范围,以适应数据增长和变化。这些操作通常不影响日常查询和插入,但需要数据库管理员进行规划和维护。
    • 在创建子分区时或事后,需要为每个分区单独创建索引和约束,因为 PostgreSQL 不支持全局索引。可以在父表上定义索引模板,通过继承到各子分区。
  2. 索引与约束

    • 每个子分区需单独管理索引和约束,以保证查询性能和数据完整性。
    • 父表上的全局约束和索引不会自动应用到所有子分区,需要在每个子分区上重复创建。
  3. 性能影响

    • 分区表能显著减少单次查询的数据扫描范围,尤其是在查询条件包含分区键(例如 teacher_id)时,性能提升明显。
    • 插入操作在路由到具体分区时有少量额外开销,但通常不影响整体性能。

五、改造表为分区表

在 PostgreSQL 中,将现有的非分区表直接改造为分区表存在一定限制和复杂性。最推荐和稳妥的方法是创建新的分区表并迁移数据。下面详细介绍此方法的完整步骤和注意事项。


1. 挑战与背景

直接将已有普通表转换为分区表存在以下挑战:

  • 较早版本的 PostgreSQL 不支持直接转换表为分区表,即使在较新版本中支持,也有诸多限制。
  • 转换要求表上没有外键等依赖关系,操作期间可能锁定表,影响业务。
  • 需要明确分区策略(如基于某字段范围),并处理已有数据如何分配到各子分区。

鉴于这些限制,建议采用创建新分区表并迁移数据的方式来实现改造。


2. 创建新分区表并迁移数据

这是最稳妥和推荐的方法。具体步骤如下:

步骤一:新建分区父表及子分区

  1. 创建父表
    根据原表结构创建一个新的分区父表,并指定分区键。例如,以 teacher_id 作为分区键:
CREATE TABLE public.rumi_rmp_rating_partitioned (
  "id" "int8" NOT NULL,
  "teacher_id" "int8",
  "school_id" "int8",
  "admin_reviewed_at" "timestamptz",
  "attendance_mandatory" "varchar" ,
  "clarity_rating_rounded" "int4",
  "class_name" "varchar" ,
  "comment" "varchar" ,
  "course_type" "int4",
  "created_by_user" "bool",
  "date" "timestamptz",
  "difficulty_rating_rounded" "int4",
  "flag_status" "varchar" ,
  "grade" "varchar" ,
  "helpful_rating_rounded" "int4",
  "would_like_take_again" "int4",
  "is_for_credit" "bool",
  "is_for_online_class" "bool",
  "mask_count" "int4",
  "quality_rating" "int4",
  "rating_tags" "varchar" ,
  "textbook_is_used" "bool",
  "thumbs_down_total" "int4",
  "thumbs_up_total" "int4",
  "source_url" "varchar" ,
  "remark" "varchar" ,
  "creator" "varchar" ,
  "create_time" "timestamptz" NOT NULL DEFAULT CURRENT_TIMESTAMP,
  "updater" "varchar" ,
  "update_time" "timestamptz" NOT NULL DEFAULT CURRENT_TIMESTAMP,
  "deleted" "int2" NOT NULL DEFAULT 0,
  "tenant_id" "int8" NOT NULL DEFAULT 0,
  "class_name_vector" "vector"
) PARTITION BY RANGE (teacher_id);
  1. 创建子分区
    根据业务需求和数据分布创建多个子分区。例如:
CREATE TABLE public.rumi_rmp_rating_part_1
  PARTITION OF public.rumi_rmp_rating_partitioned
  FOR VALUES FROM (0) TO (1000000);

CREATE TABLE public.rumi_rmp_rating_part_2
  PARTITION OF public.rumi_rmp_rating_partitioned
  FOR VALUES FROM (1000000) TO (2000000);

按需继续创建更多子分区,以覆盖所有可能的 teacher_id 范围。

步骤二:迁移数据

  1. 准备工作

    • 暂时禁止向原表 rumi_rmp_rating 写入新数据,以保证数据一致性。
    • 确保新分区表及其子分区已正确创建且结构与原表兼容。
  2. 执行数据迁移
    使用 INSERT INTO ... SELECT FROM ... 将数据从原表导入新分区表:

INSERT INTO public.rumi_rmp_rating_partitioned (
  id, teacher_id, school_id, admin_reviewed_at, attendance_mandatory,
  clarity_rating_rounded, class_name, comment, course_type, date,
  difficulty_rating_rounded, flag_status, grade, helpful_rating_rounded,
  would_like_take_again, is_for_credit, is_for_online_class, mask_count,
  quality_rating, textbook_is_used, thumbs_down_total, thumbs_up_total,
  class_name_vector
)
SELECT
  id, teacher_id, school_id, admin_reviewed_at, attendance_mandatory,
  clarity_rating_rounded, class_name, comment, course_type, date,
  difficulty_rating_rounded, flag_status, grade, helpful_rating_rounded,
  would_like_take_again, is_for_credit, is_for_online_class, mask_count,
  quality_rating, textbook_is_used, thumbs_down_total, thumbs_up_total,
  class_name_vector
FROM public.rumi_rmp_rating;
  • 确保迁移过程中无数据丢失,并在迁移后验证数据完整性和一致性。

步骤三:切换表名

  1. 备份原表
    在确认数据已经成功迁移且验证无误后,可以重命名原有表作为备份:
ALTER TABLE public.rumi_rmp_rating RENAME TO rumi_rmp_rating_backup;
  1. 重命名新分区表
    将新分区表改名为原表名,以保持应用程序无需修改查询语句:
ALTER TABLE public.rumi_rmp_rating_partitioned RENAME TO rumi_rmp_rating;

步骤四:重新创建约束和索引

  1. 索引与约束
    在新的分区表及各子分区上重新创建必要的索引和约束。例如:
CREATE INDEX idx_rumi_rmp_rating_teacher_id
  ON public.rumi_rmp_rating (teacher_id);

此外,根据需要在各子分区上设置其他索引和约束,以保证性能和数据完整性。

  1. 验证与测试
  • 运行典型查询,确保性能符合预期。
  • 测试插入、更新和删除操作,验证它们在分区表上的正确性和高效性。

3. 总结

通过上述步骤:

  1. 创建新的分区父表及子分区。
  2. 迁移数据到新的分区表。
  3. 切换表名,将新分区表替换为原有表名。
  4. 在新表上重新创建索引和约束,并进行验证。

这种方法安全可靠,能够在生产环境中平稳地将非分区表转换为分区表,同时最小化对现有应用程序的影响。

4. 自动创建分区

PostgreSQL 本身不支持在创建分区父表时自动生成子分区。每个子分区必须显式创建,指定其范围或列表值。您可以通过编写脚本或使用程序化手段(如 PL/pgSQL 脚本或其他自动化工具)来批量生成多个子分区的创建语句,但数据库不会自动根据父表定义生成子分区。

例如,您可以编写一个循环在 PL/pgSQL 中动态创建多个分区:

DO $$
DECLARE
  start_val INTEGER := 0;
  end_val   INTEGER;
  step      INTEGER := 1000000;
  partition_name TEXT;
BEGIN
  WHILE start_val < 10000000 LOOP  -- 假设创建 10 个分区
    end_val := start_val + step;
    partition_name := format('rumi_rmp_rating_part_%s', start_val/step + 1);
    EXECUTE format(
      'CREATE TABLE public.%I PARTITION OF public.rumi_rmp_rating_partitioned
       FOR VALUES FROM (%s) TO (%s);',
      partition_name, start_val, end_val
    );
    start_val := end_val;
  END LOOP;
END
$$;

上述脚本根据设定的范围循环创建多个子分区。您可根据实际业务需求调整循环参数和范围。


5. 迁移数据时字段完全相同

如果新分区表 rumi_rmp_rating_partitioned 与原表 rumi_rmp_rating 的结构完全一致,且字段顺序也相同,您可以简化迁移数据的 SQL 语句,而不必列出每个字段。可直接使用以下形式:

INSERT INTO public.rumi_rmp_rating_partitioned
SELECT * FROM public.rumi_rmp_rating;

此语句将从原表中选择所有列的数据并插入到新分区表中。使用此简化形式的前提条件是:

  • 两个表的列完全一致且顺序相同。
  • 不需要对部分字段或特定数据做转换。

注意事项:

  • 尽管简化语句减少了代码量,但明确列出字段有助于防止因表结构不完全匹配导致的错误,尤其是在生产环境中。
  • 在实际操作前,建议备份数据并在测试环境中验证迁移流程,以确保数据完整性。。

六、总结

在使用分区表后,绝大多数查询和插入 SQL 语句的写法与未分区时几乎相同。主要区别在于将操作对象换成父表名,PostgreSQL 底层会自动将数据路由到对应子分区,并利用分区裁剪优化查询。

通过引入分区表,可以在大数据量场景下进一步提升查询性能和系统的可维护性,而无需对应用层代码进行显著修改。开发人员应重点关注分区管理、索引策略以及定期维护,以确保系统持续高效运行。

Edit this page
Last Updated:
Contributors: Tong Li
Prev
PostgreSQL 全文检索
Next
获取字段类型