Split Region
在 TiDB 中，每创建一张新表，默认会为该表的数据分配一个 Region。该默认行为由 TiDB 配置文件中的 split-table 控制。当该 Region 中的数据超过默认的 Region 大小限制时，该 Region 会被拆分成两个。
在上述情况下，由于一开始只有一个 Region，所有写入请求都会集中到该 Region 所在的 TiKV 上。如果对新建表有大量写入操作，就会产生热点问题。
为了解决上述场景下的热点问题，TiDB 引入了预拆分功能，可以根据指定参数为某张表预先拆分出多个 Region，并将它们分散到各个 TiKV 节点上。
语法说明
- SplitRegionStmt
- SplitSyntaxOption
- TableName
- PartitionNameList
- SplitOption
- RowValue
SplitRegionStmt ::=
"SPLIT" SplitSyntaxOption "TABLE" TableName PartitionNameList? ("INDEX" IndexName)? SplitOption
SplitSyntaxOption ::=
("REGION" "FOR")? "PARTITION"?
TableName ::=
(SchemaName ".")? Identifier
PartitionNameList ::=
"PARTITION" "(" PartitionName ("," PartitionName)* ")"
SplitOption ::=
("BETWEEN" RowValue "AND" RowValue "REGIONS" NUM
| "BY" RowValue ("," RowValue)* )
RowValue ::=
"(" ValuesOpt ")"
Split Region 的用法
Split Region 语法分为两种类型：
均匀拆分的语法：
SPLIT TABLE table_name [INDEX index_name] BETWEEN (lower_value) AND (upper_value) REGIONS region_numBETWEEN lower_value AND upper_value REGIONS region_num用于定义上下边界和 Region 数量。然后当前 Region 会在上下边界之间，均匀拆分为region_num个 Region。非均匀拆分的语法：
SPLIT TABLE table_name [INDEX index_name] BY (value_list) [, (value_list)] ...BY value_list…用于手动指定一系列拆分点，当前 Region 会根据这些点进行拆分。适用于数据分布不均的场景。
以下示例展示了 SPLIT 语句的执行结果：
+--------------------+----------------------+
| TOTAL_SPLIT_REGION | SCATTER_FINISH_RATIO |
+--------------------+----------------------+
| 4 | 1.0 |
+--------------------+----------------------+
TOTAL_SPLIT_REGION：新拆分出来的 Region 数量。SCATTER_FINISH_RATIO：新拆分 Region 的分散完成率。1.0表示所有 Region 已分散；0.5表示只有一半 Region 已分散，剩余的还在分散中。
拆分表 Region
每张表的行数据的 key 由 table_id 和 row_id 编码，格式如下：
t[table_id]_r[row_id]
例如，当 table_id 为 22，row_id 为 11 时：
t22_r11
同一张表的行数据具有相同的 table_id，但每行有唯一的 row_id，可用于 Region 拆分。
均匀拆分
由于 row_id 是整数，可以根据指定的 lower_value、upper_value 和 region_num 计算出要拆分的 key 值。TiDB 首先计算步长（step = (upper_value - lower_value)/region_num），然后在 lower_value 和 upper_value 之间，每隔一个步长均匀拆分，生成 region_num 个 Region。
例如，如果你想将表 t 的 key 范围 minInt64~maxInt64 均匀拆分为 16 个 Region，可以使用如下语句：
SPLIT TABLE t BETWEEN (-9223372036854775808) AND (9223372036854775807) REGIONS 16;
该语句会将表 t 在 minInt64 到 maxInt64 之间拆分为 16 个 Region。如果主键范围比上述范围小，例如 0~1000000000，可以用 0 和 1000000000 替换 minInt64 和 maxInt64 进行拆分：
SPLIT TABLE t BETWEEN (0) AND (1000000000) REGIONS 16;
非均匀拆分
如果已知数据分布不均，想要分别在 key 范围 -inf ~ 10000、10000 ~ 90000、90000 ~ +inf 各拆分一个 Region，可以通过设置固定拆分点实现，如下所示：
SPLIT TABLE t BY (10000), (90000);
拆分索引 Region
表中索引数据的 key 由 table_id、index_id 和索引列的值编码，格式如下：
t[table_id]_i[index_id][index_value]
例如，table_id 为 22，index_id 为 5，index_value 为 abc 时：
t22_i5abc
同一张表的同一个索引数据具有相同的 table_id 和 index_id。拆分索引 Region 时，需要根据 index_value 进行拆分。
均匀拆分
索引均匀拆分的方式与数据均匀拆分类似。但由于 index_value 可能不是整数，步长的计算更为复杂。
upper 和 lower 的值首先会被编码为字节数组。去除 lower 和 upper 字节数组的最长公共前缀后，将剩余部分的前 8 个字节分别转为 uint64 格式，然后计算 step = (upper - lower)/num。之后，将计算出的步长编码为字节数组，并拼接回最长公共前缀，作为索引拆分点。示例如下：
如果 idx 索引的列为整型，可以用如下 SQL 拆分索引数据：
SPLIT TABLE t INDEX idx BETWEEN (-9223372036854775808) AND (9223372036854775807) REGIONS 16;
该语句会将表 t 的 idx 索引 Region 在 minInt64 到 maxInt64 之间拆分为 16 个 Region。
如果 idx1 索引的列为 varchar 类型，想按前缀字母拆分索引数据：
SPLIT TABLE t INDEX idx1 BETWEEN ("a") AND ("z") REGIONS 25;
该语句会将 idx1 索引在 a~z 之间拆分为 25 个 Region。Region 1 的范围为 [minIndexValue, b)，Region 2 的范围为 [b, c)，……，Region 25 的范围为 [y, minIndexValue]。对于 idx 索引，前缀为 a 的数据写入 Region 1，前缀为 b 的数据写入 Region 2。
在上述拆分方式中，前缀为 y 和 z 的数据都会写入 Region 25，因为上界不是 z，而是 {（ASCII 中 z 的下一个字符）。因此，更精确的拆分方式如下：
SPLIT TABLE t INDEX idx1 BETWEEN ("a") AND ("{") REGIONS 26;
该语句会将表 t 的 idx1 索引在 a~{ 之间拆分为 26 个 Region。Region 1 的范围为 [minIndexValue, b)，Region 2 的范围为 [b, c)，……，Region 25 的范围为 [y, z)，Region 26 的范围为 [z, maxIndexValue)。
如果 idx2 索引的列为时间类型（如 timestamp/datetime），想按年份拆分索引 Region：
SPLIT TABLE t INDEX idx2 BETWEEN ("2010-01-01 00:00:00") AND ("2020-01-01 00:00:00") REGIONS 10;
该语句会将表 t 的 idx2 索引 Region 在 2010-01-01 00:00:00 到 2020-01-01 00:00:00 之间拆分为 10 个 Region。Region 1 的范围为 [minIndexValue, 2011-01-01 00:00:00)，Region 2 的范围为 [2011-01-01 00:00:00, 2012-01-01 00:00:00)。
如果想按天拆分索引 Region，示例如下：
SPLIT TABLE t INDEX idx2 BETWEEN ("2020-06-01 00:00:00") AND ("2020-07-01 00:00:00") REGIONS 30;
该语句会将表 t 的 idx2 索引 2020 年 6 月的数据拆分为 30 个 Region，每个 Region 表示一天。
其他类型索引列的数据 Region 拆分方式类似。
对于联合索引的数据 Region 拆分，唯一的区别是可以指定多列的值。
例如，索引 idx3 (a, b) 包含 2 列，a 为 timestamp 类型，b 为 int。如果只想按 a 列的时间范围拆分，可以直接使用单列时间索引的拆分 SQL，此时不需要在 lower_value 和 upper_value 中指定 b 列的值：
SPLIT TABLE t INDEX idx3 BETWEEN ("2010-01-01 00:00:00") AND ("2020-01-01 00:00:00") REGIONS 10;
在同一时间范围内，如果还想按 b 列再拆分一次，只需在拆分时为 b 列指定值：
SPLIT TABLE t INDEX idx3 BETWEEN ("2010-01-01 00:00:00", "a") AND ("2010-01-01 00:00:00", "z") REGIONS 10;
该语句会在 a 列为同一时间前缀的情况下，按 b 列的值 a~z 拆分为 10 个 Region。如果 a 列指定的值不同，则 b 列的值可能不会被使用。
如果表的主键为 非聚簇索引，在拆分 Region 时需要用反引号 ` 转义 PRIMARY 关键字。例如：
SPLIT TABLE t INDEX `PRIMARY` BETWEEN (-9223372036854775808) AND (9223372036854775807) REGIONS 16;
非均匀拆分
索引数据也可以通过指定索引值进行拆分。
例如，有 idx4 (a,b)，a 为 varchar 类型，b 为 timestamp 类型。
SPLIT TABLE t1 INDEX idx4 BY ("a", "2000-01-01 00:00:01"), ("b", "2019-04-17 14:26:19"), ("c", "");
该语句指定 3 个值，将数据拆分为 4 个 Region。每个 Region 的范围如下：
region1 [ minIndexValue , ("a", "2000-01-01 00:00:01"))
region2 [("a", "2000-01-01 00:00:01") , ("b", "2019-04-17 14:26:19"))
region3 [("b", "2019-04-17 14:26:19") , ("c", "") )
region4 [("c", "") , maxIndexValue )
拆分分区表的 Region
分区表的 Region 拆分方式与普通表相同，唯一的区别是每个分区都会执行相同的拆分操作。
均匀拆分的语法：
SPLIT [PARTITION] TABLE t [PARTITION] [(partition_name_list...)] [INDEX index_name] BETWEEN (lower_value) AND (upper_value) REGIONS region_num非均匀拆分的语法：
SPLIT [PARTITION] TABLE table_name [PARTITION (partition_name_list...)] [INDEX index_name] BY (value_list) [, (value_list)] ...
分区表拆分 Region 的示例
创建分区表
t。假设要创建一个分为两个分区的 Hash 表，示例如下：CREATE TABLE t (a INT, b INT, INDEX idx(a)) PARTITION BY HASH(a) PARTITIONS 2;创建表 t 后，每个分区会拆分出一个 Region。可以使用
SHOW TABLE REGIONS语法查看该表的 Region：SHOW TABLE t REGIONS;+-----------+-----------+---------+-----------+-----------------+------------------+------------+---------------+------------+----------------------+------------------+ | REGION_ID | START_KEY | END_KEY | LEADER_ID | LEADER_STORE_ID | PEERS | SCATTERING | WRITTEN_BYTES | READ_BYTES | APPROXIMATE_SIZE(MB) | APPROXIMATE_KEYS | +-----------+-----------+---------+-----------+-----------------+------------------+------------+---------------+------------+----------------------+------------------+ | 1978 | t_1400_ | t_1401_ | 1979 | 4 | 1979, 1980, 1981 | 0 | 0 | 0 | 1 | 0 | | 6 | t_1401_ | | 17 | 4 | 17, 18, 21 | 0 | 223 | 0 | 1 | 0 | +-----------+-----------+---------+-----------+-----------------+------------------+------------+---------------+------------+----------------------+------------------+使用
SPLIT语法为每个分区拆分 Region。假设要将每个分区[0,10000]范围的数据拆分为 4 个 Region，示例如下：split partition table t between (0) and (10000) regions 4;上述语句中，
0和10000分别代表你想要分散的热点数据的上下边界row_id。再次使用
SHOW TABLE REGIONS语法查看该表的 Region，可以看到该表现在有 10 个 Region，每个分区有 5 个 Region，其中 4 个为行数据，1 个为索引数据。SHOW TABLE t REGIONS;+-----------+---------------+---------------+-----------+-----------------+------------------+------------+---------------+------------+----------------------+------------------+ | REGION_ID | START_KEY | END_KEY | LEADER_ID | LEADER_STORE_ID | PEERS | SCATTERING | WRITTEN_BYTES | READ_BYTES | APPROXIMATE_SIZE(MB) | APPROXIMATE_KEYS | +-----------+---------------+---------------+-----------+-----------------+------------------+------------+---------------+------------+----------------------+------------------+ | 1998 | t_1400_r | t_1400_r_2500 | 2001 | 5 | 2000, 2001, 2015 | 0 | 132 | 0 | 1 | 0 | | 2006 | t_1400_r_2500 | t_1400_r_5000 | 2016 | 1 | 2007, 2016, 2017 | 0 | 35 | 0 | 1 | 0 | | 2010 | t_1400_r_5000 | t_1400_r_7500 | 2012 | 2 | 2011, 2012, 2013 | 0 | 35 | 0 | 1 | 0 | | 1978 | t_1400_r_7500 | t_1401_ | 1979 | 4 | 1979, 1980, 1981 | 0 | 621 | 0 | 1 | 0 | | 1982 | t_1400_ | t_1400_r | 2014 | 3 | 1983, 1984, 2014 | 0 | 35 | 0 | 1 | 0 | | 1990 | t_1401_r | t_1401_r_2500 | 1992 | 2 | 1991, 1992, 2020 | 0 | 120 | 0 | 1 | 0 | | 1994 | t_1401_r_2500 | t_1401_r_5000 | 1997 | 5 | 1996, 1997, 2021 | 0 | 129 | 0 | 1 | 0 | | 2002 | t_1401_r_5000 | t_1401_r_7500 | 2003 | 4 | 2003, 2023, 2022 | 0 | 141 | 0 | 1 | 0 | | 6 | t_1401_r_7500 | | 17 | 4 | 17, 18, 21 | 0 | 601 | 0 | 1 | 0 | | 1986 | t_1401_ | t_1401_r | 1989 | 5 | 1989, 2018, 2019 | 0 | 123 | 0 | 1 | 0 | +-----------+---------------+---------------+-----------+-----------------+------------------+------------+---------------+------------+----------------------+------------------+你还可以为每个分区的索引拆分 Region。例如，可以将
idx索引的[1000,10000]范围拆分为 2 个 Region，示例如下：SPLIT PARTITION TABLE t INDEX idx BETWEEN (1000) AND (10000) REGIONS 2;
单个分区拆分 Region 的示例
你可以指定要拆分的分区。
创建分区表。假设要创建一个分为 3 个分区的 Range 分区表，示例如下：
CREATE TABLE t ( a INT, b INT, INDEX idx(b)) PARTITION BY RANGE( a ) ( PARTITION p1 VALUES LESS THAN (10000), PARTITION p2 VALUES LESS THAN (20000), PARTITION p3 VALUES LESS THAN (MAXVALUE) );假设要将
p1分区[0,10000]范围的数据拆分为 2 个 Region，示例如下：SPLIT PARTITION TABLE t PARTITION (p1) BETWEEN (0) AND (10000) REGIONS 2;假设要将
p2分区[10000,20000]范围的数据拆分为 2 个 Region，示例如下：SPLIT PARTITION TABLE t PARTITION (p2) BETWEEN (10000) AND (20000) REGIONS 2;可以使用
SHOW TABLE REGIONS语法查看该表的 Region：SHOW TABLE t REGIONS;+-----------+----------------+----------------+-----------+-----------------+------------------+------------+---------------+------------+----------------------+------------------+ | REGION_ID | START_KEY | END_KEY | LEADER_ID | LEADER_STORE_ID | PEERS | SCATTERING | WRITTEN_BYTES | READ_BYTES | APPROXIMATE_SIZE(MB) | APPROXIMATE_KEYS | +-----------+----------------+----------------+-----------+-----------------+------------------+------------+---------------+------------+----------------------+------------------+ | 2040 | t_1406_ | t_1406_r_5000 | 2045 | 3 | 2043, 2045, 2044 | 0 | 0 | 0 | 1 | 0 | | 2032 | t_1406_r_5000 | t_1407_ | 2033 | 4 | 2033, 2034, 2035 | 0 | 0 | 0 | 1 | 0 | | 2046 | t_1407_ | t_1407_r_15000 | 2048 | 2 | 2047, 2048, 2050 | 0 | 35 | 0 | 1 | 0 | | 2036 | t_1407_r_15000 | t_1408_ | 2037 | 4 | 2037, 2038, 2039 | 0 | 0 | 0 | 1 | 0 | | 6 | t_1408_ | | 17 | 4 | 17, 18, 21 | 0 | 214 | 0 | 1 | 0 | +-----------+----------------+----------------+-----------+-----------------+------------------+------------+---------------+------------+----------------------+------------------+假设要将
p1和p2分区的idx索引[0,20000]范围拆分为 2 个 Region，示例如下：SPLIT PARTITION TABLE t PARTITION (p1,p2) INDEX idx BETWEEN (0) AND (20000) REGIONS 2;
pre_split_regions
当创建带有 AUTO_RANDOM 或 SHARD_ROW_ID_BITS 属性的表时，如果希望在建表后立即将表均匀预拆分为多个 Region，可以指定 PRE_SPLIT_REGIONS 选项。表的预拆分 Region 数量为 2^(PRE_SPLIT_REGIONS)。
tidb_scatter_region 全局变量会影响 PRE_SPLIT_REGIONS 的行为。该变量用于控制建表后是否等待 Region 预拆分并分散完成后再返回结果。如果建表后有大量写入操作，需要将该变量设置为 global，此时 TiDB 会根据整个集群的数据分布分散新建表的 Region。否则，TiDB 会在分散完成前写入数据，这会对写入性能产生较大影响。
pre_split_regions 示例
CREATE TABLE t (a INT, b INT, INDEX idx1(a)) SHARD_ROW_ID_BITS = 4 PRE_SPLIT_REGIONS=2;
建表后，该语句会为表 t 拆分出 4 + 1 个 Region。4 (2^2) 个 Region 用于存储表行数据，1 个 Region 用于存储 idx1 的索引数据。
4 个表 Region 的范围如下：
region1: [ -inf , 1<<61 )
region2: [ 1<<61 , 2<<61 )
region3: [ 2<<61 , 3<<61 )
region4: [ 3<<61 , +inf )
MySQL 兼容性
该语句是 TiDB 对 MySQL 语法的扩展。