Partitioning एक बड़ी table को एक column के value के आधार पर छोटे physical टुकड़ों (partitions) में विभाजित करता है — जबकि यह queries के लिए अभी भी एक logical table के रूप में दिखाई देता है। यह database को केवल relevant partitions को scan या maintain करने देकर बहुत बड़ी tables के लिए performance और manageability में सुधार करता है।
orders (id , order_date , amount )
(order_date);
orders_2023 orders
() ();
orders_2024 orders
() ();
Table एक logical entity है, पर physically partitions में store होती है। Queries और inserts स्वचालित रूप से सही partition में जाते हैं।
-- 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")
Partition pruning मुख्य performance फायदा है: partition key पर filtered एक query केवल relevant partitions को छूती है, बाकी को छोड़ देती है — billions rows के scan को केवल relevant subset के scan में बदलना।
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)
✓ 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
✓ 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.
Table partitioning बहुत बड़ी tables को manage और query करने के लिए एक महत्वपूर्ण technique है, और इसे समझना scale पर databases के साथ काम करने के लिए मूल्यवान senior-level ज्ञान है।
जैसे-जैसे tables hundreds of millions या billions rows तक बढ़ती हैं, यहाँ तक कि indexed queries और maintenance operations भी slow हो सकते हैं, और partitioning table को छोटे physical टुकड़ों में विभाजित करके इसे संबोधित करता है।
मुख्य performance लाभ है partition pruning — partition key पर filtered queries केवल relevant partitions को scan करती हैं (बाकी को छोड़ देती हैं), जो बड़ी tables के लिए scan किए गए data को नाटकीय रूप से कम करता है (विशेष रूप से date के अनुसार filtered time-series data के लिए common)।
query performance से परे, partitioning प्रमुख maintenance लाभ प्रदान करता है: पुराने data को archive या delete करना instant हो जाता है (एक whole partition को drop करना बनाम millions rows का एक slow, महंगा DELETE — retention policies वाले log/event data के लिए एक significant operational लाभ), साथ ही छोटे per-partition indexes और parallel operations।
रणनीतियों (date/numeric ranges के लिए RANGE — time-series के लिए common; discrete values के लिए LIST; even distribution के लिए HASH) और महत्वपूर्ण रूप से partitioning का उपयोग कब करें (एक natural partition key वाली बहुत बड़ी tables, विशेष रूप से regular archiving वाली time-series — न कि small/medium tables जहाँ indexing पर्याप्त है और partitioning बस complexity जोड़ता है) को समझना परिपक्व judgment को दर्शाता है।
चूंकि बहुत बड़ी tables को manage करना scaled systems में एक वास्तविक चुनौती है, और चूंकि partitioning (partition pruning और efficient maintenance के साथ) इसके लिए standard tool है — indexing को replace करने के बजाय पूरक करता है — table partitioning को समझना database scalability के लिए मूल्यवान senior-level ज्ञान है, विशेष रूप से large-scale, time-series, या high-volume data systems के लिए प्रासंगिक और scale पर databases को manage करने की समझ दर्शाने वाला एक topic।
विस्तृत उत्तरों के साथ IT इंटरव्यू प्रश्नों की एक लाइब्रेरी — जूनियर से सीनियर तक।
दान करें