向存在索引的表插入大数据问题
每月需向某表添加约800万条数据，并且该表还需查询及统计。
由于客户对插入及统计都有时间限制。
现在采取的方案包括
1.对该表按月份字段进行分区。（但分区后插入速度会更慢，但查询统计时应该会快些）
2.插入前删除所有索引(drop index )，插入后再创建索引create index。

但现在的问题时，随着插入的数据越来越多（虽然分区了），以后每次的drop index, create index
将会越来越慢吧？

我的想法是，能否只drop 、create某个分区上的索引（因为每月插入的数据，都肯定是往同一个区的）。

或者大家针对大量数据插入，有什么好的解决方案（要求是能尽快完成插入，当然因为表要做查询统计，不可能不建索引）。

谢谢！
------解决方案--------------------

引用:

@yupeigu
如果不能先停用，只能组织好像就无法满足了。呵呵。


大伙对大数据的插入，都是先删索引，再建索引吗？

给你做了一个例子，其实就是，你导入数据，和当前的分区表没有关系。

首先，你再建立一个分区表，结构和原来的表是一样的，然后把新的一个月数据800w导入到这个临时建立的分区表中，

然后，导入后，要建立相应的索引，这个索引和原来的表一样，

最后，切换，也就是switch，就是把刚才导入的数据，所在的分区表的分区，switch到原来表的新分区中。当然，在swith之前，必须要split出一个新的分区，指定使用的下一个文件组是哪个：

基本上是秒级切换，对当前业务没有任何影响：

alter database wc

set single_user

with rollback immediate



drop database wc









--1.创建数据库  

create database wc  

on primary  

(  

    name = wc_data,  

    filename = 'D:\wc_data.mdf'  

)  

log on  

(  

    name = wc_log1,  

    filename = 'd:\wc_log1.ldf'    

),  

(  

    name = wc_log2,  

    filename = 'd:\wc_log2.ldf'  

)  

  

go





use wc

go



--4.创建分区函数,3个值,但是会有4个分区

create partition function wcLeftRange(char(6))  

as range left for values('201309','201310','201311')  





  

--5.创建分区方案,4个文件组  

create partition scheme wcLeftRangeScheme  

as partition wcLeftRange  

to ([primary],[primary],[primary],[primary])







--6.建表,聚集索引,插入数据

create table temp_UserBill

(

BusinessDate char(6), F1 varchar(100), F2 Varchar(100)

)



create clustered index idx_temp_UserBill on temp_UserBill(BusinessDate)





insert into temp_UserBill

select '201309','aa1','bb1' union all

select '201309','aa2','bb2' union all

select '201310','aa1','bb1' union all

select '201310','aa2','bb2' union all

select '201311','aa1','bb1' union all

select '201311','aa2','bb2' union all

select '201312','aa','bb' 



go





--7.要转化为分区表,必须要删除聚集索引

drop index idx_temp_UserBill on temp_UserBill





--8.然后再重新建立一个聚集索引,并且指定:分区方案和分区字段

create clustered index idx_temp_UserBill on temp_UserBill(BusinessDate)

on wcLeftRangeScheme(BusinessDate)  





-