辞旧迎新:2018年的分区你们建了吗?

各位同学,大家好!

转眼2017年就要结束了,在这过去的一年,我们有遇到困难解决不了的苦恼,亦有处理了棘手问题的快乐,还有在云和恩墨大讲堂里得到云和恩墨舵主以及群友帮助的感激。

在这里,我们有收获,有成长,2018年就要来了,下面分享一下我们云和恩墨DBA同学在新年到来之前,最最重要的工作,供大家参考!

那什么工作是最最重要的呢?年底和新年活动保障?月结保障?no, no, no, 这些当然重要,但这不是最最重要的,如果出现性能问题,大部分时候是系统慢一点,是的不会出错。

最最重要的是,要[red]提前帮用户检查2018年的分区,或年表月表,是否创建[/red]。

这为什么重要?

  • 因为如果没有采用分区表,采用年表月表的形式,如果2018年的表不存在,相关数据操作会立刻报错!

  • 而如果情况是2018年的分区没有创建,那么假如在11g以上的环境中,使用了interval分区技术,那么也不用过度担心。但如果没有采用interval分区,那么当2018年数据插入的时候,也会立刻报错!

那么,我们如何帮用户检查呢?

检查步骤

1、首先确定要检查哪些用户下的表

在一些生产环境上,会存一些做测试的用户,这些用户下的对象,我们其实并不需要关注。

所以,我们需要先确定要排查的用户是谁。

2、检查分区表

一般分区表命名都是规范的,可以从分区命名上来判断:

例如,分区名为 表名_YYYYMM

with a as (select table_owner, table_name, partition_name from dba_tab_partitions where table_owner in [red](....)[/red] and substr(partition_name, -6) like '2017__')

b as (select table_owner, table_name, partition_name from dba_tab_partitions where table_owner in [red](....)[/red] and substr(partition_name, -6) like '2018__')

select a.table_owner, a.table_name, min(a.partition_name) min_pname ,max(a.partition_name) max_pname from a left join b

on a.table_owner=b.table_owner and a.table_name=b.table_name and a.partition_name=replace(b.partition_name,'2018','2017') where b.table_name is null

group by a.table_owner, a.table_name;

上面这个SQL会将指定用户下的表的分区做比对,并会给出缺失的月份里,最小和最大的对应的2017年的月份。

如下为示例,在Scott用户下有两个测试表,PA和PB,他们的分区情况如图

用上述SQL查出的结果如图:

对于有些应用来说,分区名上只有月份,没有年份,这种情况一般是循环使用的分区,只要12个分区都存在,就不会有问题。

3、检查2018年的年表、月表是否已创建

如果没有使用分区表,而是使用了年表或月表,则如果命名是很规范的,那么判断思路是一样的,所不同的只是将查询的视图和SQL换了一下

同样,我们假定命名格式为:基表名_YYYYMM

with a as (select owner, table_name from dba_tables where owner in [red](....)[/red] and substr(table_name, -6) like '2017__')

,b as (select owner, table_name from dba_tables where owner in [red](....)[/red] and substr(table_name, -6) like '2018__')

select a.owner, substr(a.table_name,1,length(a.table_name)-6) base_tname, min(a.table_name) min_tname ,max(a.table_name) max_tname from a left join b

on a.owner=b.owner and a.table_name=replace(b.table_name,'2018','2017')

where b.table_name is null

group by a.owner, substr(a.table_name,1,length(a.table_name)-6) ;

如下为示例,在Scott用户下有9个测试用的月表,他们的命名情况如图

用上述SQL查出的结果如图:

由上可见,SQL并不会关心表命名的中间是否有缺漏月份。但通常情况不会出现上面这样,有1/5/6三个月份却没有其他月份,这里只是测试数据,目的也是为了加深大家对此SQL查询结果的理解(对分区表也如是)。

年表的情况类似,就不赘述了。

结语

看到这里,大家赶紧去检查下自己的库吧!

这时候你会不会想到,会写SQL的DBA是多么的幸福,自己动动手就能搞定一些需要DIY的问题呢?

如果你碰到的情况是,分区表命名不规范又不是interval分区,那么就会比较麻烦啦,因为分区值存放是long类型的,这个数据类型Oracle已经不建议使用了,处理起来比较麻烦……在这迎接新年的大好时光,我们就不烧脑啦!希望你不要碰到这种情况 :)

原文发布于微信公众号 - 数据和云(OraNews)

原文发表时间:2017-12-30

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏加米谷大数据

技术分享 | 提升Hadoop性能和利用率你知道有哪些吗?

时下流行的词汇是大数据和Hadoop。了解大数据的知道Hadoop有三个组件,即HDFS、MapReduce和Yarn。 HDFS代表Hadoop分布式文件系统...

3315
来自专栏云计算D1net

Docker将在存储上崭露头角?

Docker与存储纪实 在容器中运行应用的想法——也作为OS级虚拟化著称——目前来看是一种潮流技术。这种技术的真身可以追溯到大型机时代。 但是在过去的12个月...

29112
来自专栏我是攻城师

大数据相关开源系统简介汇总

3397
来自专栏写代码的海盗

Docker学习总结之Docker与Vagrant之间的特点比较

Docker学习总结之Docker与Vagrant之间的特点比较   以下内容均出自Vagrant作者(Mitchell Hashimoto)与Docker作者...

3068
来自专栏CDA数据分析师

海纳百川 有容乃大:SparkR与Docker的机器学习实战

? 题图为美国尼米兹核动力航空母舰 介 绍 大数据时代,我们常常面对海量数据而头疼。作为学统计出身的人,我们想折腾大数据但又不想学习Hadoop或者Java,...

1896
来自专栏聊聊技术

Apache Spark:大数据时代的终极解决方案

Apache Spark是基于Hadoop MapReduce的数据分析引擎,它有助于快速处理大数据。它克服了Hadoop的限制,正在成为最流行的大数据分析框架...

4163
来自专栏Python中文社区

Python中文社区开源项目计划:forward

923
来自专栏北京马哥教育

Docker学习总结之Docker与Vagrant之间的特点比较

Docker学习总结之Docker与Vagrant之间的特点比较 ---- 以下内容均出自Vagrant作者(Mitchell Hashimoto)与Docke...

3359
来自专栏生信技能树

计算资源及编程-仅针对生信人员

第 5 章 计算资源及编程 5.1 硬件配置 理论上在个人Windows电脑上面做生物信息学数据分析是不实际的,因为太多的生物信息学相关软件的开发者对windo...

39010
来自专栏deed博客

权限何必那么高

1534

扫码关注云+社区