Co je dělení tabulky (table partitioning)?

Question

Accepted Answer

**Dělení tabulky** rozděluje velkou tabulku na menší fyzické části (**oddíly/partice**) na základě hodnoty sloupce — zatímco zůstává jako jedna logická tabulka pro dotazy. Zlepšuje výkon a správu velmi velkých tabulek tím, že umožňuje databázi skenovat nebo spravovat pouze relevantní oddíly.

## Jak dělení tabulky funguje

```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
```

Tabulka je jedna logická entita, ale fyzicky uložena v oddílech. Dotazy a vkládání jdou automaticky do správného oddílu.

## Hlavní výhoda: pruning oddílů

```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")
```

**Pruning oddílů** je hlavní zisk na výkonu: dotaz filtrovaný na klíč oddílu se dotýká pouze relevantních oddílů, přeskakuje zbytek — změní skenování miliard řádků na skenování pouze relevantní podmnožiny.

## Strategie dělení tabulky

```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)
```

## Další výhody

```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
```

## Kdy používat dělení tabulky

```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.
```

## Proč to záleží

Dělení tabulky je důležitá technika pro správu a dotazování na **velmi velké tabulky**, a její porozumění je cenné znalostí na úrovni seniora pro práci s databázemi v rozsahu.

Když tabulky rostou na stoviny milionů nebo miliardy řádků, i indexované dotazy a operace údržby se mohou zpomalit, a dělení tabulky to řeší rozdělením tabulky na menší fyzické části.

Hlavní přínos na výkonu je **pruning oddílů** — dotazy filtrované na klíč oddílu skenují pouze relevantní oddíly (přeskakují zbytek), což dramaticky snižuje objem dat skenovaných pro obrovské tabulky (obzvláště běžné u časových řad filtrovaných podle data).

Bez výkonu dotazů dělení tabulky poskytuje hlavní **výhody údržby**: archivace nebo mazání starých dat je okamžité (vynechání celého oddílu vs pomalé, nákladné `DELETE` milionů řádků — významná provozní výhoda pro data protokolů/událostí s pravidly uchovávání), plus menší indexy na oddíl a paralelní operace.

Porozumění **strategiím** (RANGE pro rozsahy dat/čísel — běžné pro časové řady; LIST pro diskrétní hodnoty; HASH pro rovnoměrné rozprostření) a zásadně **kdy dělení tabulky používat** (velmi velké tabulky s přirozeným klíčem oddílu, obzvláště časové řady s pravidelnou archivací — *ne* malé/střední tabulky, kde indexování stačí a dělení tabulky jen zvyšuje složitost) odráží zralý úsudek.

Protože správa velmi velkých tabulek je skutečná výzva v rozsáhlých systémech, a protože dělení tabulky (s pruningem oddílů a efektivní údržbou) je standardním nástrojem — doplňujícím spíše než nahrazujícím indexování — je porozumění dělení tabulky cenné znalostí na úrovni seniora pro škálovatelnost databází, obzvláště relevantní pro rozsáhlé, časové řady nebo systémy s vysokým objemem dat a téma, které demonstruje porozumění správě databází v rozsahu.