MaxCompute分区表和非分区表使用对比

原文链接：http://click.aliyun.com/m/25142/
摘要： 本文我们将通过对有同样数据量、表结构除分区列其他都一模一样的表,从查询计算、写入、删除数据几个简单操作进行对比，了解MaxCompute分区表和非分区表在使用上有什么差异。 在介绍之前，需要大家先了解MaxCompute分区的概念。

本文我们将通过对有同样数据量、表结构除分区列其他都一模一样的表,从查询计算、写入、删除数据几个简单操作进行对比，了解MaxCompute分区表和非分区表在使用上有什么差异。

在介绍之前，需要大家先了解MaxCompute分区的概念。

数据准备
分区表：取公共数据集中的表dwd_prouduct_house_basic_info_out（二手房产数据集）；

非分区表：执行建表语句：

create table dwd_prouduct_house_basic_info_out_npt as select * from public_data.dwd_prouduct_house_basic_info_out;

创建表的同时将源表的所有数据都复制到新表dwd_prouduct_house_basic_info_out_npt中。
由于create table … as select …语句创建的表不会复制分区属性，只会把源表的分区列作为目标表的一般列处理，所以新表dwd_prouduct_house_basic_info_out_npt为非分区表。

可以分别执行select count(*) from public_data.dwd_prouduct_house_basic_info_out; 和 select count(*) from dwd_prouduct_house_basic_info_out_npt;查看这两个表的记录数会是一样。

本次操作表的记录数为1147676063条。
计算对比
我们执行一个简单的查询某个分区数据的job：

Select * from public_data.dwd_prouduct_house_basic_info_out where ds= '20170113';--分区表查询
Select * from dwd_prouduct_house_basic_info_out_npt where ds= '20170113';--非分区表查询
计算时长对比
计算资源充足的情况下进行操作。

分区表里查询使用时间1秒，：
image

直接在对应分区中取出该分区所有数据。

非分区里表查询：
加上job等待时间共1分15秒
image
真正执行时长53秒
image

需要在整个表1147676063条记录中取出满足条件的数据。
image

计算费用对比
我们可以直接通过大数据开发套件->“数据开发”工作区中的“成本估计”对两条查询语句进行费用预估，该预估功能采用的计费公式可参考“计量计费->I/O后付费”。

若采用计算预付费模式，可不用在意该计算费用。
下图是通过成本估计功能预估的费用，结果显示在非分区表中查询一样条件的数据会花费更多，当然最终花费还得看最后的账单。

image

table size对比
由于MaxCompute存储压缩比不一定完全一致，两个表数据在MaxCompute的size也会有一定的差异。

desc public_data.dwd_prouduct_house_basic_info_out;分区表执行结果如下图：

image

desc dwd_prouduct_house_basic_info_out_npt; 非分区表执行结果如下图：

image

写入对比
创建三个表，表结构除了分区列，其他都一致：

非分区表，

create  table   house_test_npt(house_id string  , house_total_price string , house_unit_price string , house_type string , house_floor string , house_direction string , house_deckoration string , house_area string , house_community_name string , house_region string  , house_city string, ds string)

以时间为分区的分区表

create  table   house_test_pt_1(house_id string  , house_total_price string , house_unit_price string , house_type string , house_floor string , house_direction string , house_deckoration string , house_area string , house_community_name string , house_region string  , house_city string ) partitioned by ( ds string)

以时间为一级分区，城市为二级分区的分区表
原文链接：http://click.aliyun.com/m/25142/