附 - 02・SQLServer 分库分表与中间件 —— 原生分区表、横向分库实践与联邦查询

附 - 02・SQLServer 分库分表与中间件 ------ 原生分区表、横向分库实践与联邦查询

系列定位 :《SQL Server 数据库全栈运维实战系列》附 - 02 番外篇,与《MySQL 数据库全栈运维实战系列》同构对标(对标 MySQL 附 - 02 分库分表与中间件:ShardingSphere、MyCat 分片策略实战)。适用版本 :SQL Server 2019/2022(2017 及以下差异随文标注)。官方文档:Microsoft Learn SQL Server 2019/2022 文档、已分区表和索引、跨数据库查询、PolyBase。


一、什么时候该分库分表

单表数据量过亿、索引维护变慢、备份恢复窗口拉长,就是拆的信号。SQL Server 的路径和 MySQL 不同:MySQL 靠 ShardingSphere、MyCat 在应用或代理层分片;SQL Server 官方提供原生分区表(Partitioned Table)------ 逻辑上一张表、物理上按分区函数拆成多段文件组,应用无感知,这是首选方案;只有单实例撑不住时才做横向分库(拆到多实例),应用层或中间件路由。

图 1

类比 MySQL:MySQL 的分区表(PARTITION BY RANGE)对标 SQL Server 原生分区;MySQL 的 ShardingSphere 中间件分片在 SQL Server 没有完全对等的官方中间件,需要应用层路由或跨库联邦。


二、两大路线对比

路线 原理 应用感知 适用量级 类比 MySQL
原生分区表 分区函数 + 分区方案,一张表拆多文件组 无感知 单实例 TB 级 MySQL 分区表
横向分库 数据按键散到多实例多库 应用路由 单实例瓶颈后 ShardingSphere 分片

选型决策三步:第一步,单实例 CPU、内存、磁盘还有余量,只是单表大 → 选原生分区表,应用零改造;第二步,数据按时间增长,历史数据只查不改 → 分区表 + SWITCH 归档,热数据留热盘;第三步,单实例 QPS 或存储已经顶到拐点(见附 - 01 压测结论)→ 才横向分库,按 user\_id 或 tenant\_id 取模散到多实例,应用层路由。切忌一上来就分库,分布式事务、跨库 join、全局 ID 全是额外成本。

图 2


三、原生分区表实战(RANG 按时间)

复制代码
-- ① 分区函数:按创建时间按月切(解释:2026 每月一段)
CREATE PARTITION FUNCTION pf_orders_month (DATETIME)
AS RANGE RIGHT FOR VALUES (
  '2026-01-01', '2026-02-01', '2026-03-01', '2026-04-01',
  '2026-05-01', '2026-06-01', '2026-07-01', '2026-08-01',
  '2026-09-01', '2026-10-01', '2026-11-01', '2026-12-01');

-- ② 分区方案:把分区映射到文件组(解释:可多个文件组分摊 IO)
CREATE PARTITION SCHEME ps_orders_month
AS PARTITION pf_orders_month
ALL TO ([PRIMARY]);

-- ③ 建分区表(解释:主键必须带分区键 create_time)
CREATE TABLE orders (
  order_id BIGINT IDENTITY(1,1),
  user_id INT NOT NULL,
  amount DECIMAL(10,2),
  create_time DATETIME NOT NULL,
  CONSTRAINT PK_orders PRIMARY KEY (order_id, create_time)
) ON ps_orders_month (create_time);

-- ④ 分区裁剪验证(解释:WHERE 带 create_time 时只扫对应分区)
SET STATISTICS IO ON;
SELECT * FROM orders WHERE create_time = '2026-05-15';
-- 解释:计划显示只访问 5 月分区、逻辑读远小于全表

-- ⑤ 看分区分布(解释:哪个月多少行)
SELECT p.partition_number, rv.value AS boundary,
       p.rows AS row_cnt
FROM sys.partitions p
JOIN sys.partition_range_values rv
  ON p.partition_number = rv.boundary_id
WHERE p.object_id = OBJECT_ID('orders')
ORDER BY p.partition_number;

四、分区维护:切换旧数据到归档库

复制代码
-- 把最老分区切走(解释:SWITCH 瞬间完成、对标 MySQL DROP PARTITION)
-- 先建结构一致的空表
CREATE TABLE orders_2025_old LIKE orders;
-- 切换(解释:元数据操作、秒级)
ALTER TABLE orders SWITCH PARTITION 1 TO orders_2025_old PARTITION 1;
-- 归档库导入后 DROP 旧分区
ALTER PARTITION FUNCTION pf_orders_month() MERGE RANGE ('2025-01-01');

五、横向分库实践(单实例撑不住时)

图 3

应用层路由规则(伪代码思路):库号 = hash(user_id) % 3,应用根据 user\_id 选连接串。全局唯一 ID 用 Snowflake 或序列(SEQUENCE),不要靠单库自增。跨库查询(如全局订单列表)用联邦:

复制代码
-- 跨库联邦查询(解释:同一实例下多库可直接三部分命名跨查)
SELECT * FROM orderdb01.dbo.orders WHERE user_id = 10086
UNION ALL
SELECT * FROM orderdb02.dbo.orders WHERE user_id = 10086
UNION ALL
SELECT * FROM orderdb03.dbo.orders WHERE user_id = 10086;
-- 不同实例之间用链接服务器(Linked Server)或 OPENROWSET 跨实例

-- 配置链接服务器(解释:把另外两台实例注册成本实例的外部数据源,
-- 之后可用 四部分命名 orderdb03.oracle03 跨实例查询)
EXEC sp_addlinkedserver
  @server = 'oracle03',
  @srvproduct = '',
  @provider = 'SQLNCLI',
  @datasrc = '192.168.10.63,1433';
-- 映射登录(解释:本地账号到远端 SQL 认证账号的映射)
EXEC sp_addlinkedsrvlogin
  @rmtsrvname = 'oracle03',
  @useself = 'false',
  @rmtuser = 'distro_reader',
  @rmtpassword = 'Rd@Pass2026';
-- 验证(解释:跨实例拉一行)
SELECT TOP 1 * FROM oracle03.orderdb03.dbo.orders WHERE user_id = 10086;

与 MySQL 的 ShardingSphere 对比:ShardingSphere 在代理层自动改写 SQL 做跨库聚合,应用零改动;SQL Server 没有官方对等中间件,跨库 UNION ALL 由应用拼,或用 PolyBase、链接服务器做联邦查询,复杂度高于 MySQL 分片中间件。链接服务器联邦查询的代价是跨实例网络往返,大结果集聚合慢,只适合低频运维查询,在线交易路径不要依赖联邦。


六、踩坑记录(实测汇总)

图 4

# 坑 现象 解决
1 分区表主键没带分区键 建表报错 聚集索引、主键必须含分区键
2 WHERE 不带分区键 全分区扫描、白分 查询必须带时间范围、分区裁剪
3 横向分库用自增主键 多库主键撞号 Snowflake 或 SEQUENCE
4 跨库 join 强求一致 性能差、锁复杂 聚合由应用层或读模型承担
5 取模扩容数据迁移大 从 3 库扩 6 库要全量迁 预留分片数、一致性哈希思路
6 SWITCH 目标表结构不一致 切换失败 表结构、索引、约束必须完全一致
7 RANGE RIGHT 边界错位 边界日数据落到错误分区 上线前用测试数据验证边界值归属、左闭右开语义
8 联邦查询拉大结果集 在线交易路径慢 联邦只做低频运维查询、在线路径走应用路由

七、类比 MySQL 速查

分片动作 MySQL SQL Server
单实例分段 分区表 PARTITION BY RANGE 原生分区函数 + 分区方案
旧数据归档 DROP PARTITION ALTER TABLE SWITCH + MERGE
跨实例分片 ShardingSphere 路由 应用层路由 + 联邦 UNION ALL
全局 ID Snowflake SEQUENCE、Snowflake
跨库查询 代理层自动改写 链接服务器、PolyBase

八、本文要点速记

  1. 首选原生分区表:逻辑一表、物理分段、应用无感知。
  1. 分区键用时间,查询必须带分区键才裁剪。
  1. 旧分区 SWITCH 秒级切走归档,不要 DELETE 删历史数据。
  1. 单实例撑不住才横向分库,应用层路由 + 联邦查询。
  1. 全局 ID 用 Snowflake,别用单库自增。

分区表维护还有一个窗口纪律:REBUILD 分区、MERGE 边界分区这类元数据操作虽然秒级完成,但重建大分区索引时会持锁,必须放在业务低峰;SWITCH 归档前先验证目标表结构、聚集索引、约束与源表完全一致,否则切换语句直接报错。规划分片时预留 30% 的扩容余量,避免数据涨上来后被迫迁移;归档冷数据可考虑导出到廉价存储,只在分区表里保留热月份,查询性能与存储成本两头兼得。


九、参考资料(官方正式文档)

主题 官方链接
已分区表和索引 https://learn.microsoft.com/sql/relational-databases/partitions/partitioned-tables-and-indexes
创建分区表 https://learn.microsoft.com/sql/relational-databases/partitions/create-partitioned-tables-and-indexes
ALTER TABLE SWITCH https://learn.microsoft.com/sql/t-sql/statements/alter-table-transact-sql
链接服务器 https://learn.microsoft.com/sql/relational-databases/linked-servers/linked-servers-database-engine
SEQUENCE 编号 https://learn.microsoft.com/sql/relational-databases/sequence-numbers/sequence-numbers
PolyBase https://learn.microsoft.com/sql/relational-databases/polybase/polybase-overview

本文章属于《SQL Server 数据库全栈运维实战系列》番外篇。欢迎收藏、交流。

相关推荐
牧瀬クリスだ16 分钟前
从零手写博客系统:分层架构与统一响应(一)
java·数据库·架构·mybatis·springboot·安全架构
练习两年半的攻城狮20 分钟前
企业级 AI Agent 架构知识点讲解(一):从知识型到业务型,从 LangGraph 到生产落地
人工智能·架构
the局外人21 分钟前
Python 实战检索优化:BM25、向量与重排
数据库·后端·python
得物技术44 分钟前
从研发经验到团队知识:Akashic知识工程实践|得物技术
数据库·程序员·架构
Cosolar1 小时前
拆开「研发数字人」:一个 Agent 系统真正的护城河,是被结构化的判断力
人工智能·后端·架构
ClouGence1 小时前
开源数据库管理工具 CloudDM 发布新版本,支持 GreptimeDB 数据源
数据库·kafka
FungLeo1 小时前
FengCMS ·PHP+MySQL 升级实录 · 安全加固的克制:一份“不做什么“清单,比修了几个漏洞更重要
mysql·安全·php·安全加固·fengcms
wno7042 小时前
Centos下PostgreSQL安装部署详细步骤
java·数据库·spring boot
wno7042 小时前
CentOS下FTP服务搭建
linux·运维·centos