ဆောင်းပါးသည် စွမ်းဆောင်ရည်ကို ပိုမိုကောင်းမွန်စေရန်နှင့် I/O လုပ်ဆောင်ချက်များကို အမြင့်ဆုံးဖြစ်စေရန်အတွက် Vertical Partitioning ကို နက်နက်နဲနဲ ရှင်းပြထားသည်။ SQL server.
ဒေါင်လိုက် ပိုင်းခြားခြင်း SQL ServerSQL 2005 Enterprise Edition တွင် မိတ်ဆက်ခဲ့သော အရေးကြီးသောအင်္ဂါရပ်ဖြစ်သော၊ ဇယားများတွင် ကြီးမားသောဒေတာများရှိသောအခါတွင် ဆာဗာ၏စွမ်းဆောင်ရည်ကို မြှင့်တင်ရန် မကြာခဏအသုံးပြုလေ့ရှိသည်။ ကျယ်ပြန့်သော စာသားများပါရှိသော ဇယားကော်လံများအားလုံးကို ပြန်လည်ရယူရန် query ကိုအသုံးပြုသောအခါ၊ ဒေါင်လိုက်အပိုင်းပိုင်းဖြတ်ခြင်းသည် ပုံပေါ်လာပါသည်။
ထို့ကြောင့် အခြေခံအားဖြင့် ဒေါင်လိုက် ပိုင်းခြားခြင်းသည် သင့်ဇယားကို မတူညီသော ကော်လံများဖြင့် ဇယားနှစ်ခုထက်ပို၍ ပိုင်းခြားထားသည်။ စွမ်းဆောင်ရည်သည် အရေးကြီးသောအချက်ဖြစ်သည့် ကြီးမားသောဒေတာဘေ့စ်များတွင် အလွန်အသုံးဝင်သည်။ အလျားလိုက် ပိုင်းခြားခြင်းလည်း ရှိသော်လည်း သင်၏ ဒေတာ သဘောသဘာဝပေါ်တွင် မူတည်ပါသည်။
ဆောင်းပါးတွင် Vertical Partitioning ၏ အသုံးပြုပုံနှင့် လုပ်ဆောင်ချက်များကို ဖော်ပြထားပါသည်။ SQL Servers နှင့် ၎င်းတို့၏ ကောင်းကျိုးဆိုးကျိုးများ။ 
ဒေါင်လိုက်ပိုင်းခြားခြင်း။
အလုပ်အတူလုပ်နေချိန်မှာ လုံးဝဖြစ်နိုင်ပါတယ်။ SQL serverဒေတာအများအပြားပါဝင်တဲ့ ဇယားတွေပါဝင်ပြီး ကြီးမားတဲ့ field အချို့ကို ဝင်ရောက်ကြည့်ရှုခဲတဲ့ database တွေနဲ့ ဆက်သွယ်နိုင်ပါတယ်။ ဒါကြောင့် query တွေ run တဲ့ လုပ်ငန်းစဉ်ကို လွယ်ကူချောမွေ့စေဖို့အတွက် vertical partitioning option ရှိပါတယ်။
ဒေါင်လိုက် ပိုင်းခြားခြင်း SQL Server ဒေတာဘေ့စ်နှစ်ခု သို့မဟုတ် ထို့ထက်ပိုသောဒေတာဘေ့စ်များတွင် ထားရှိရန်လိုအပ်သည့် ဒေတာဘေ့စ်ဇယားကော်လံများတွင် အသုံးပြုသူများကို ကူညီပေးသည်။ ထို့ကြောင့် ရရှိလာသော partition သည် ပိုမိုစီမံခန့်ခွဲနိုင်ပြီး အသုံးပြုရလွယ်ကူလာကာ စွမ်းဆောင်ရည်ကို တိုးတက်စေသည်။ SQL server Queries ၏ I/O လည်ပတ်မှု အရေအတွက်ကို တိုးမြှင့်ပြီး တိုးမြှင့်ခြင်းဖြင့် ကြီးမားသောအတိုင်းအတာအထိ။
အခန်းကန့်သည် မည်သည့်ကုဒ်များကိုမျှ ပြောင်းလဲရန် မလိုအပ်သော်လည်း ဖိုင်အသစ်များ၏ တည်နေရာကို ကြည့်ရှုရန် ညွှန်ပြချက်များသာဖြစ်သည်။
ကြီးမားသောဒေတာဘေ့စ်များတွင်အသုံးပြုပါ။
ကြီးမားသော ဒေတာဘေ့စ်များသည် ပုံများနှင့် ကြီးမားသော စာသားဒေတာ အကွက်များကို အကောင့်ထဲတွင် ယူလေ့ရှိပြီး ဒေတာဖြင့် ကျဉ်းပါသည်။ ထိုသို့သောအခြေအနေမျိုးတွင်၊ ၎င်းတို့တွင် ဒေတာကော်လံများကို ကော်လံအသစ်များအဖြစ်ထည့်ခြင်းဖြင့် ဇယားကွက်ကြီးများကို ချိုးဖျက်နိုင်သည့် ဒေါင်လိုက်အပိုင်းပိုင်းခွဲခြင်းကို လုပ်ဆောင်ရန် လိုအပ်ပါသည်။ ကော်လံငယ်များကို ယူနစ်များအဖြစ် မူရင်းဒေတာဘေ့စ်တွင် နောက်ဆုံးတွင် ထိန်းသိမ်းထားနိုင်သည်။
ဒေတာတည်ဆောက်မှုပေါ်မူတည်၍ အချို့ကိစ္စများတွင် ဒီဇိုင်းစိန်ခေါ်မှုတစ်ခု ဖြစ်နိုင်သည်။ ဒေါင်လိုက် ပိုင်းခြားခြင်းတွင် ဒေတာများကို မတူညီသော နေရာများတွင် သိမ်းဆည်းပြီး သင်၏ အရန်သိမ်းဆည်းမှုများသည် ၎င်း၏ အစောပိုင်း အခြေအနေထက် အနည်းငယ် ရှုပ်ထွေးလာပါသည်။ ထို့ကြောင့် သင်သာလျှင် သင်၏ ပိုင်းခြားထားသော ဒေတာကို အပြည့်အဝ ပြန်လည်ထူထောင်နိုင်သောကြောင့် ဒေတာဘေ့စ်တစ်ခုလုံး၏ ဒေတာတစ်ခုလုံးကို ချက်ချင်း အရန်ကူးရန် လိုအပ်ပါသည်။
Vertical Partitioning တွင် ပြဿနာများ
ဒေါင်လိုက်အပိုင်းပိုင်းခွဲခြင်းသည် အလွန်အသုံးဝင်သော်လည်း ၎င်းတွင် လျစ်လျူမရှုနိုင်သော ပြဿနာအချို့ရှိသည်။ Partitioning တွင် သင်သည် ဒေတာများကို ဖိုင်များ၏ ကွဲပြားသော အစိတ်အပိုင်းများသို့ ချိုးဖျက်နေသည်ဆိုလိုသည်မှာ သင်သည် ထည့်သွင်းခြင်း သို့မဟုတ် ဖျက်ခြင်းဖြစ်ပါက ရှင်းတမ်းများစွာကို လုပ်ဆောင်ရန် လိုအပ်ပါသည်။ DELETE ကို ကိုးကားထားသော ဇယားတစ်ခုစီတွင် လုပ်ဆောင်ရမည်ဖြစ်သောကြောင့် ဖြစ်သည်။ SQL server ဇယားများစွာကိုညွှန်ပြပါက မြင်ကွင်းတစ်ခုမှ ဖျက်ပစ်ခြင်းကို ငြင်းပယ်ပါမည်။
ကြည့်ရှုမှုများသည် သုံးစွဲသူများအတွက် မည်သို့ပင်ဖြစ်စေ ပွင့်လင်းမြင်သာမှုရှိသော်လည်း ၎င်းတို့သည် ပြောင်းလဲမှုများပြုလုပ်သည့်အခါတိုင်း ဒေတာတည်နေရာအတွက် ၎င်းတို့အကောင့်ပြုလုပ်သောကုဒ်ကို ပြုပြင်မွမ်းမံချိန်တွင် အသုံးပြုသူများထံမှ လိုအပ်ပါသည်။
Vertical Partitioning သည် ၎င်း၏ အကျိုးကျေးဇူးများနှင့် ယုတ္တိတူညီမှုရှိပြီး စွမ်းဆောင်ရည်ကို မြှင့်တင်ပေးနိုင်ကြောင်း သံသယဖြစ်ဖွယ်မရှိသော်လည်း၊ တစ်ခါတစ်ရံတွင် ကိုင်တွယ်ရခက်ခဲနိုင်သည့် လုပ်ငန်းဆောင်တာများတွင် ရှုပ်ထွေးမှုများကို ဖန်တီးပေးနိုင်ကြောင်း ငြင်းဆိုစရာမရှိပါ။ ဒေတာဘေ့စ်တွင် ခွဲခြမ်းခွဲခြင်းလုပ်ငန်းကို စတင်ခြင်းမပြုမီ၊ သိမ်းဆည်းထားပါ။ mdf ပျက်စီးနေသည်။ အရေးပေါ်အခြေအနေများကိုဖြေရှင်းရန် အနီးနားရှိ ပြန်လည်ရယူရေးကိရိယာ။
စာရေးသူနိဒါန်း:
Victor Simon သည် ဒေတာပြန်လည်ရယူရေးဆိုင်ရာ ကျွမ်းကျင်သူဖြစ်သည်။ DataNumen, Inc. အပါအဝင် ဒေတာပြန်လည်ရယူရေးနည်းပညာများတွင် ကမ္ဘာ့ခေါင်းဆောင်ဖြစ်သည်။ ပြုပြင်ခွင့် နှင့် sql recovery software ထုတ်ကုန်များ။ ပိုမိုသိရှိလိုပါကသွားရောက်ကြည့်ရှု https://www.datanumen.com/