计算I/O量获得分区方法

　　在满足场景的组中选择几个分区方案，包括分区的类型和列的组合。

　　根据分区类型计算各分区的元组I/O量。

　　注意尽可能考虑访问模式，即查询执行顺序带来的物理I/O差别。可能带来的差别有：

　　1）去掉重复计算IO。例如一个涉及分区P1的查询后会接着执行一条更新该分区的语句，则更新语句的读就不会是物理读。

　　2）考虑命中率问题。不同分区的页面命中率需要根据分区的访问频率进行估计。

　　计算不分区方案和每个分区方案的I/O量，I/O量为查询数*元组数*该分区元组I/O量。

　　比较选择I/O量最小的方案。

　　验证分区带来的I/O减少

　　可能会有实际情况与计算不符的情况发生，因为计算中的I/O量是逻辑I/O量而不是准确的物理I/O，实际测试每种方案，收集统计信息（每张表的读写信息、页面的命中率），根据实际值调整方案。

　　4、实例：TPC-C的垂直分区选择

　　TPC-C是一个典型的OLTP类型的负载。TPC-C测试中共有9张表，包括c_warehouse、c_customer、c_district、c_stock、c_order、c_order_line、c_item、c_history和c_new_order；另外，共有5种事务场景：new order、payment、order-status、delivery和stock-level，其中order-status和stock-level是纯查询事务，其它是以更新为主的事务。

　　分析5种事务包含的查询，除去c_warehouse、c_distric表等小表，以及更新较多的大表，如c_order和c_order_line，我们可以知道在c_stock表和c_customer表上进行垂直划分可以带来较大效率的提升。我们可以根据实际待测试的环境，按照前面描述的原则进行垂直划分方案的设计、测试和验证。