1. 概述
1.1 版本
| 版本 | 功能变动 |
|---|---|
1.2 应用场景
对大数据进行明细过滤时，可能由于当前的数据存储与读取方式，致使系统处理负担重，出现性能问题，如查询缓慢等。此时 IT 人员可启用 「分区加速查询」 功能，为数据集合理设置分区键，优化存储结构，让具有相似特性的数据按分区键聚集存储，减少数据过滤时的读取范围，加快查询速度。
例如，数据量庞大的「考勤数据表」，日常高频查询场景多为 “按部门筛选打卡记录”。将「部门」设为分区键后，系统会自动将同一部门所有员工的打卡数据，集中聚集到同一个分区中；后续再筛选某部门的打卡记录时，无需遍历全表数十万条数据，仅需精准读取该部门对应的分区数据，大幅减少无效数据的读取量，快速完成考勤统计查询。
1.3 功能简介
分区查询加速的数据表要求：
最多支持添加100个数据集。
可分区的数据集需要为抽取的非最简表，不支持直连。
建议抽取行数>1kw。
注意事项：
分区键在页面进行新增/编辑并保存后，将在下一次表更新时生效，应用于全量数据。
确定新增分区列后，会增加表的更新时长。
分区生效后，若数据更新失败，不影响存量数据的查询加速。
2. 了解分区加速原理
2.1 为什么分区可以提高查询速度
在数据库（包括 FineBI）中，数据以块（block）为单位存储，每个块都有编号，数据分散于不同块中。当进行查询筛选时，如果数据未做分区处理，计算机就得在所有块中搜寻符合条件的数据。
然而，若数据按一定规则分区，查询时就能直接定位到目标分区。
举个简单的例子，把数据库比作书架，数据比作书，分区就是在给书架做功能划分，要找「生物书」时：
未分区时：得逐格翻遍整个书架，又慢又麻烦；
已分区：按学科分科后，直接在书架上的生物区找到自己想要的书籍，不用翻遍书架，效率明显增高。
2.2 如何选择分区字段
如果需要经常按照某个字段进行数据过滤，那么这个字段就适合作为排序字段。比如经常需要查询部门的数据，那么「部门」字段就可以作为分区字段；如果经常筛选日期，「日期」字段就可以作为分区字段。
3. 操作步骤
例如，有业务用户反馈，在对「考勤数据表」进行筛选时，筛选查询速度很慢。IT 人员调研后，发现业务用户的主要场景是通过「日期、部门」筛选打卡数据。
1）使用管理员账号登录 FineBI ，进入「管理系统>智能运维>加速引擎」，并点击「分区查询加速」，如下图所示：
2）点击「新增分区列」，找到「考勤数据」，如下图所示：
排序加速查询功能支持对「用户的分析」「数据目录」「我的分析」的表进行排序设置。
3）添加表后，选择该表的「部门、日期-年月」字段作为分区字段。如下图所示：
注：数值字段无法作为分区字段。
4）回到数据表所在位置，更新数据表，查询加速即可生效。
