本文提出了利用表分区技术解决短信增值业务中海量数据的读写性能问题。详细论述了利用SQL Serv- er 2005对短信增值业务中主要的大型数据表上行表和下行表的分区实现,并对表分区原理以及数据表的部署和分区表数据的拆分、合并与移动进...本文提出了利用表分区技术解决短信增值业务中海量数据的读写性能问题。详细论述了利用SQL Serv- er 2005对短信增值业务中主要的大型数据表上行表和下行表的分区实现,并对表分区原理以及数据表的部署和分区表数据的拆分、合并与移动进行了介绍。实践证明,表分区技术的应用能显著提高大型数据表的读写性能和可维护性。展开更多
在超大型数据库(VLDB)中,数据表的大小以数百GB甚至以TB计算,这种类型的数据表经常出现在数据仓库中,常用于存储系统的历史数据,用于同比、月比、多维分析等决策支持的应用,当一个表的数据量达到一定的大小,性能下降非常明显,本文将针...在超大型数据库(VLDB)中,数据表的大小以数百GB甚至以TB计算,这种类型的数据表经常出现在数据仓库中,常用于存储系统的历史数据,用于同比、月比、多维分析等决策支持的应用,当一个表的数据量达到一定的大小,性能下降非常明显,本文将针对大数据表进行横向分割,并在SQL Server 2005上进行实现,来提高数据分析的性能。展开更多
文摘本文提出了利用表分区技术解决短信增值业务中海量数据的读写性能问题。详细论述了利用SQL Serv- er 2005对短信增值业务中主要的大型数据表上行表和下行表的分区实现,并对表分区原理以及数据表的部署和分区表数据的拆分、合并与移动进行了介绍。实践证明,表分区技术的应用能显著提高大型数据表的读写性能和可维护性。
文摘在超大型数据库(VLDB)中,数据表的大小以数百GB甚至以TB计算,这种类型的数据表经常出现在数据仓库中,常用于存储系统的历史数据,用于同比、月比、多维分析等决策支持的应用,当一个表的数据量达到一定的大小,性能下降非常明显,本文将针对大数据表进行横向分割,并在SQL Server 2005上进行实现,来提高数据分析的性能。