ما هي تقسيم الجداول؟

Question

IT Interview Practice · Accepted Answer

**التقسيم** يقسم جدول كبير إلى قطع فيزيائية أصغر (**أقسام**) بناءً على قيمة العمود — بينما يظهر لا يزال كجدول منطقي واحد للاستعلامات. إنه يحسن الأداء والقابلية للإدارة للجداول الكبيرة جداً بترك قاعدة البيانات تمسح أو تصيانة الأقسام الذات الصلة فقط.

## كيفية عمل التقسيم

```sql
-- a huge `orders` table partitioned BY RANGE on the order date
CREATE TABLE orders (id INT, order_date DATE, amount DECIMAL)
PARTITION BY RANGE (order_date);

CREATE TABLE orders_2023 PARTITION OF orders
  FOR VALUES FROM ('2023-01-01') TO ('2024-01-01');
CREATE TABLE orders_2024 PARTITION OF orders
  FOR VALUES FROM ('2024-01-01') TO ('2025-01-01');
-- orders is ONE logical table, but stored as separate per-year partitions
```

الجدول هو كيان منطقي واحد، لكن يتم تخزينه فيزيائياً في أقسام. الاستعلامات والإدراجات تذهب إلى القسم الصحيح تلقائياً.

## الفائدة الرئيسية: تقليص القسم

```sql
-- a query filtered by the partition key only scans RELEVANT partitions
SELECT * FROM orders WHERE order_date >= '2024-06-01';
-- → the database skips orders_2023 entirely, scanning only orders_2024 ("partition pruning")
```

**تقليص القسم** هو الفوز الأداء الرئيسي: الاستعلام المصفى على مفتاح القسم يلمس الأقسام الذات الصلة فقط، يتخطى الباقي — تحويل المسح من مليارات الصفوف إلى مسح المجموعة الفرعية الذات الصلة فقط.

## استراتيجيات التقسيم

```text
RANGE → by a value range (dates, numeric ranges) — common for time-series data
LIST  → by a list of discrete values (region, category)
HASH  → by a hash of the key (even distribution across partitions)
```

## الفوائد الأخرى

```text
✓ Maintenance — drop/archive old data by dropping a whole partition (instant vs DELETE)
  e.g. DROP TABLE orders_2020 — far faster than DELETE WHERE year = 2020
✓ Smaller indexes per partition; parallel operations across partitions
✓ Manage huge tables in manageable pieces
```

## متى تستخدم التقسيم

```text
✓ VERY LARGE tables (hundreds of millions / billions of rows) where queries filter
  on a natural partition key (often time/date for logs, events, orders)
✓ Time-series data where you regularly archive/drop old data
✗ Small/medium tables — partitioning adds complexity with little benefit
  (proper indexing usually suffices)
→ Partitioning complements indexing for VERY large tables; it's not a substitute.
```

## لماذا هذا مهم

تقسيم الجداول هو تقنية مهمة لإدارة والاستعلام عن **الجداول الكبيرة جداً**، وفهمها معرفة قيمة على مستوى أعلى للعمل مع قواعد البيانات على نطاق واسع.

مع نمو الجداول إلى مئات الملايين أو مليارات الصفوف، حتى الاستعلامات المفهرسة وعمليات الصيانة يمكن أن تصبح بطيئة، والتقسيم يعالج هذا بتقسيم الجدول إلى قطع فيزيائية أصغر.

الفائدة الأداء الرئيسية هي **تقليص القسم** — الاستعلامات المصفاة على مفتاح القسم تمسح الأقسام الذات الصلة فقط (تتخطى الباقي)، مما يقلل بشكل كبير من البيانات الممسوحة للجداول الضخمة (شائع بشكل خاص لبيانات السلاسل الزمنية المصفاة حسب التاريخ).

بعيداً عن أداء الاستعلام، يوفر التقسيم فوائد صيانة رئيسية **الصيانة**: أرشفة أو حذف البيانات القديمة تصبح فورية (إسقاط قسم كامل مقابل حذف بطيء ومكلف `DELETE` من الملايين الصفوف — ميزة تشغيلية مهمة لبيانات السجل/الحدث مع سياسات الاحتفاظ)، بالإضافة إلى فهارس أصغر لكل قسم والعمليات المتوازية.

فهم **الاستراتيجيات** (RANGE للنطاقات التاريخية/الرقمية — شائعة لبيانات السلاسل الزمنية؛ LIST للقيم المنفصلة؛ HASH للتوزيع المتساوي) وبشكل حاسم **متى تستخدم التقسيم** (الجداول الكبيرة جداً مع مفتاح قسم طبيعي، خاصة السلاسل الزمنية مع الأرشفة العادية — *ليس* الجداول الصغيرة/المتوسطة حيث يكفي الفهرسة والتقسيم يضيف التعقيد فقط) يعكس الحكم الناضج.

نظراً لأن إدارة الجداول الكبيرة جداً هي تحدٍ حقيقي في الأنظمة المُوسّعة، وبما أن التقسيم (مع تقليص القسم والصيانة الفعالة) هو الأداة القياسية لذلك — تكملة بدلاً من استبدال الفهرسة — فهم تقسيم الجداول هو معرفة قيمة على مستوى أعلى لقابلية التوسع في قواعد البيانات، ذات صلة بشكل خاص للأنظمة الكبيرة الحجم وبيانات السلاسل الزمنية أو الكمية الكبيرة وموضوع يدل على فهم إدارة قواعد البيانات على نطاق واسع.

كيفية عمل التقسيم

الفائدة الرئيسية: تقليص القسم

استراتيجيات التقسيم

الفوائد الأخرى

متى تستخدم التقسيم

لماذا هذا مهم

أسئلة ذات صلة