方案背景——为什么要进行分区？
一是老板通Tidb集群每天涉及50+张表、2亿多条数据回流，合理使用Hash可以把写入压力打散到不同的TiKV；
二是对于大集团数据做聚合，利用分区裁剪原理，查询时可以充当前置索引，预先过滤出部分数据，加速查询效率。
分区方案
由于TiDB不支持对多列进行分区（例如：group_id + report_date），因此我们目前的解决办法是将 需要分区的字段组合成一个值，由数仓计算出，放在 partition_id 这个字段中，建表时通过partition_id分区。
通过不断探索，目前得到相对最优的公式：partition_id = (group_id * 100000000 + report_date) % 29
为什么要对29取余？
因为group_id本身不离散，因此需要把它离散掉。通过测试，发现如果对质数（素数）取余相对比较离散，而如果对非素数（10,20,128…）取余离散性较差。
参考如下：
图1是对10取余进行分区，数据回流时tidb kv999，可以看到存在热点kv，数据不离散。
图2是对29进行取余分区，数据回流时tidb kv999，可以看到无热点kv，相对均衡。
分区与不分区查询测试对比
总得来说，随着查询记录数的增多，分区表比不分区表查询效率高出30%。
