将SQL个数据分到不同的表中
Divide SQL data in different tables
我想将用户的数据拆分到不同的 table 中，这样就不会有包含所有数据的巨大数据...
问题是在与主要数据不同的 table 秒内，我无法识别每个数据属于谁。
在注册期间，我是否应该在每个 table 中存储相同的用户 ID？它不会创建不必要的重复项吗？
编辑：
例子
table:
| id | user | email | phone number| password | followers | following | likes | posts |
变成
table 1:
| id | user | email | phone number| password |
table 2:
| id | followers num | following num | likes num | posts num |
我相信我理解你的问题，如果你想知道，你可以使用外键。当您有用户列表时，请确保每个用户都有一个特定的 ID。
稍后，当您插入有关用户的数据时，您可以通过会话变量或获取请求插入用户 ID。 （插入不同的table）
然后，当您需要从那个不同的 table/s 为该特定用户提取数据时，您可以 select 从 table where id = session[id] 或 get[编号]
有帮助吗？
答案：使用外键使用 gets 和 session 识别用户数据
如果您要从主 table.
中删除这些值，请不要担心重复
我想你想使用 LEFT JOIN
SELECT t1.[user], t2.[posts]
FROM Table1 AS t1
LEFT JOIN Table2 AS t2 ON t1.id= t2.id
编辑：这是一个 link 文档，解释了 different types of JOINS
这看起来像一个“XY 问题”。
您想“不要有一个巨大的table”。但是为什么你有这个需求呢？
可能是因为在一些场景中一些响应比你预期的要慢。
而不是像 Gordon Linoff 提到的那样将 table 以任何方式拆分，这是一个 SQL 反模式并且比以前更容易让你陷入困境，你应该 监控 您的系统并测量您使用的各种查询的性能，按频率对它们进行权衡。也就是说，如果查询 #1 每个周期执行十万次并且耗时 0.2 秒，那么您应该将查询 #1 计入 20,000 秒。查询 #2 花费了五十倍的时间 - 整整十秒 - 但只有 运行 一百次，只会累积第一次总时间的二十分之一。
（由于最终用户 会注意到 长时间的延迟，有些人使用此公式的变体，其中您将 平方的一个查询的实例相乘 - 或更高的幂 - 其持续时间（以毫秒为单位）。这样，较慢的查询会引起更多关注）。
不管怎样，一旦您知道 哪些 查询您应该首先优化，然后您就可以开始优化您的架构。
首先要检查的是索引。也许标准化。这些涵盖了我迄今为止遇到的“低绩效”案例的三分之二。
然后是细分。可能不是您的情况，但您可能有 table 笔交易或您通常只对当前太阳能或财政年度感兴趣的交易。 添加 包含该信息的列将使 table 更大，但仅选择那些至少符合年份条件的记录将使大多数查询 运行快点。这在较低级别也受支持（请参阅“分片”）。
然后是粗心的 JOIN 和子 SELECT。通常它们从小而快开始，所以没有人费心去检查索引、规范化或这些条件。几年后，内部 SELECT 收集了一百万条记录，而外部 JOIN 丢弃了其中的九十九万九千条。翻译subselect里面的discarding condition，看看查询起飞。
然后你可以检查一些信息是否真的很少访问（例如，我有一个数据库，每个用户都有一堆财务信息，但这只在大约 0.1% 的请求中需要。所以在那种情况下是的，我已将这些信息拆分为辅助 table，同时也有可能支持在系统中注册了多个银行账户的用户。That was not 请注意，我为什么这样做）。
在这一切中，也要考虑到时间和金钱。进行分析、运行进行修改并检查它们，再加上任何停机时间，都会产生一些成本，甚至可能会增加维护成本。也许 - 只是也许 - 将更少的钱投入到更快的磁盘或更多的 RAM 或更多或更快的 CPU 中可能会实现相同的改进，而无需更改架构或代码库。
一个table可能有一个AUTO_INCREMENT代表PRIMARY KEY；另一个 table 将具有相同的 PK，但不会是 AUTO_INCREMENT。 JOINing table 将把 table 放入 "back together" 进行查询。
"vertically partition" table 很少有好的理由。一种罕见的情况是拆分 "like_count" 或 "view_count"。这样主要的 table 就不会被持续不断的 UPDATEing 计数器打扰了。在某些极端情况下，这可能有助于提高性能。
我想将用户的数据拆分到不同的 table 中，这样就不会有包含所有数据的巨大数据...
问题是在与主要数据不同的 table 秒内，我无法识别每个数据属于谁。
在注册期间，我是否应该在每个 table 中存储相同的用户 ID？它不会创建不必要的重复项吗？
编辑： 例子
table:
| id | user | email | phone number| password | followers | following | likes | posts |
变成
table 1:
| id | user | email | phone number| password |
table 2:
| id | followers num | following num | likes num | posts num |
我相信我理解你的问题，如果你想知道，你可以使用外键。当您有用户列表时，请确保每个用户都有一个特定的 ID。
稍后，当您插入有关用户的数据时，您可以通过会话变量或获取请求插入用户 ID。 （插入不同的table）
然后，当您需要从那个不同的 table/s 为该特定用户提取数据时，您可以 select 从 table where id = session[id] 或 get[编号]
有帮助吗？
答案：使用外键使用 gets 和 session 识别用户数据
如果您要从主 table.
中删除这些值，请不要担心重复我想你想使用 LEFT JOIN
SELECT t1.[user], t2.[posts]
FROM Table1 AS t1
LEFT JOIN Table2 AS t2 ON t1.id= t2.id
编辑：这是一个 link 文档，解释了 different types of JOINS
这看起来像一个“XY 问题”。
您想“不要有一个巨大的table”。但是为什么你有这个需求呢？
可能是因为在一些场景中一些响应比你预期的要慢。
而不是像 Gordon Linoff 提到的那样将 table 以任何方式拆分，这是一个 SQL 反模式并且比以前更容易让你陷入困境，你应该 监控 您的系统并测量您使用的各种查询的性能，按频率对它们进行权衡。也就是说，如果查询 #1 每个周期执行十万次并且耗时 0.2 秒，那么您应该将查询 #1 计入 20,000 秒。查询 #2 花费了五十倍的时间 - 整整十秒 - 但只有 运行 一百次，只会累积第一次总时间的二十分之一。
（由于最终用户 会注意到 长时间的延迟，有些人使用此公式的变体，其中您将 平方的一个查询的实例相乘 - 或更高的幂 - 其持续时间（以毫秒为单位）。这样，较慢的查询会引起更多关注）。
不管怎样，一旦您知道 哪些 查询您应该首先优化，然后您就可以开始优化您的架构。
首先要检查的是索引。也许标准化。这些涵盖了我迄今为止遇到的“低绩效”案例的三分之二。
然后是细分。可能不是您的情况，但您可能有 table 笔交易或您通常只对当前太阳能或财政年度感兴趣的交易。 添加 包含该信息的列将使 table 更大，但仅选择那些至少符合年份条件的记录将使大多数查询 运行快点。这在较低级别也受支持（请参阅“分片”）。
然后是粗心的 JOIN 和子 SELECT。通常它们从小而快开始，所以没有人费心去检查索引、规范化或这些条件。几年后，内部 SELECT 收集了一百万条记录，而外部 JOIN 丢弃了其中的九十九万九千条。翻译subselect里面的discarding condition，看看查询起飞。
然后你可以检查一些信息是否真的很少访问（例如，我有一个数据库，每个用户都有一堆财务信息，但这只在大约 0.1% 的请求中需要。所以在那种情况下是的，我已将这些信息拆分为辅助 table，同时也有可能支持在系统中注册了多个银行账户的用户。That was not 请注意，我为什么这样做）。
在这一切中，也要考虑到时间和金钱。进行分析、运行进行修改并检查它们，再加上任何停机时间，都会产生一些成本，甚至可能会增加维护成本。也许 - 只是也许 - 将更少的钱投入到更快的磁盘或更多的 RAM 或更多或更快的 CPU 中可能会实现相同的改进，而无需更改架构或代码库。
一个table可能有一个AUTO_INCREMENT代表PRIMARY KEY；另一个 table 将具有相同的 PK，但不会是 AUTO_INCREMENT。 JOINing table 将把 table 放入 "back together" 进行查询。
"vertically partition" table 很少有好的理由。一种罕见的情况是拆分 "like_count" 或 "view_count"。这样主要的 table 就不会被持续不断的 UPDATEing 计数器打扰了。在某些极端情况下，这可能有助于提高性能。