アウトライン
我々は、テーブルを分割する必要がある場合は、タスクのために、例えば、二時に焦点を当てる必要が
サブテーブルの数を決定するデータの量を増加させる1
方法ポイントテーブルの種類によって決定される、クエリおよび更新データシーンで
データ分析
表1の構造
フィールド名 | タイプ | 説明 |
---|---|---|
ID | 長いです | 主キー |
学生証 | 長いです | 学生証 |
teacher_id | 長いです | 教師のID |
タスク名 | VARCHAR | タスク名 |
CREATE_TIME | datetiem | 作成 |
... | ... | ... |
2.毎日の仕事の量
意味:347348
日付 | 割り当て | 日付 | 割り当て |
---|---|---|---|
2020年3月1日 | 225925 | 2020年3月13日 | 387824 |
2020年3月2日 | 424014 | 2020年3月14日 | 184733 |
2020年3月3日 | 428069 | 2020年3月15日 | 168003 |
2020年3月4日 | 428821 | 2020年3月16日 | 515914 |
2020年3月5日 | 420984 | 2020年3月17日 | 434955 |
2020年3月6日 | 367536 | 2020年3月18日 | 406467 |
2020年3月7日 | 202577 | 2020年3月19日 | 385732 |
2020年3月8日 | 184836 | 2020年3月20日 | 347008 |
2020年3月9日 | 430492 | 2020年3月21日 | 186037 |
2020年3月10日 | 471406 | 2020年3月22日 | 179031 |
2020年3月11日 | 401931 | 2020年3月23日 | 396231 |
2020年3月12日 | 387274 | 2020年3月24日 | 370556 |
3.月の割り当て
タスクの平均月額数:7901876
月 | 割り当て |
---|---|
2019年10月 | 5971953 |
2019年11月 | 7248057 |
2019年12月 | 9418330 |
2020年1月 | 5297569 |
2020年2月 | 10926496 |
2020年3月 | 8548852 |
4.月ライブユーザー
月ライブユーザ:225534
月平均ユーザタスク:35
月 | アクティブユーザー数 | 毎月増加 | ユーザーの成長の平均量 |
---|---|---|---|
2019から10 | 193368 | 5971953 | 31 |
2019から11 | 214237 | 7248057 | 34 |
2019から12 | 255763 | 9418330 | 37 |
2020から01 | 199287 | 5297569 | 27 |
2020から02 | 262315 | 10926496 | 42 |
2020から03 | 228235 | 8779162 | 38 |
シーン解析
製品を確認した後、シーン以下の表に従って
教師ターミナル
1.先生に配置されたタスク
ティアダウン2.教師
3.参照タスク完了の教師
学生は終了
1.学生はタスクのリスト表示
2.生徒がタスクを完了し
テーブル上の操作の使用を通して見ることができるシーンは、現在のユーザー、ユーザーID、見かけの弾性係数の範囲またはサブテーブルを取得することができますが、ユーザIDは、(STUDENT_ID、teacher_id)二つのフィールド本当に私たちのタスクテーブルの上に落ちましたジョブデータの集約度の高い考えると、私たちは学校のIDに応じてグループ化されました。表は、現在の学校のIDに存在しない、ユーザーの対応が比較的変化school_idので、それは、彼らの学校への現在のユーザーIDの操作テーブルを終了するには、教師と生徒を終了する必要があり、Redisのは、パフォーマンス上の学校のID最小限の影響を追加し、キャッシュすることができます。