A New Tool for Multi-Level Partitioning in Teradata. CIKM. 2012.

整体思想

本质上是大分区和小分区的权衡，这篇文章的思想比较简单，通过不同列 Range 的 Split 和 Merge 最终得到一个最优化的分区方案。由于这篇文章比较老，其实近几年已有一些更为先进的基于学习的分区推荐工作。可参考：（1）浅谈 Query-driven partitioning: Qd-tree, PAW, Jigsaw（2）Automatic/Query-driven Partitioning in Industry。

WIZARD Overview

1 Preprocessing

预处理阶段是从查询集合里提取过滤表达式的 Range，并做一个简单的 Transformation。举例，如果两个 Query 的过滤表达式都针对列 $a$ 有一个 Range 过滤的操作，但是 Range 是重叠的，就需要拆分成不重叠的 Range。

2 Initial

初始阶段：

1. 从$M$中获取$q$对应的 range 集合$L$，例如 q1 的 L = {R[1,1], R[1,2], R[2,1], R[2,2]}
2. 查看$L$是否包含$rp$的任一个 range
3. 如果包含，则查询其 Scan Cost，称为$s$，其步骤如下：
   • $L$复制到$L’$
   • $L’$内合并$rp$涉及的 range
   • 根据$L’$还原谓词表达式，称为$C$
   • 构建 Scan 查询，例如SELECT * FROM F WHERE C，调EXPLAIN加权得到 $s$
4. 若不包含，则直接使用$q$之前的 Scan Cost

3 Optimized

若 Partition 数量超过 Limit 需要进一步合并

同时这里需要考虑，分区很多的话 IO 也会升高，分区很少（但是分区大）的话也会导致很多无用 Scan。

这篇文章很简单，不想写笔记了。