Particioniranje dijeli veliku tablicu na manje fizičke dijelove (particije) na osnovu vrijednosti stupca — dok se još uvijek pojavljuje kao jedna logička tablica upitima. Poboljšava performanse i upravljivost za vrlo velike tablice omogućavanjem bazi da skenira ili održava samo relevantne particije.
orders (id , order_date , amount )
(order_date);
orders_2023 orders
() ();
orders_2024 orders
() ();
Tablica je jedna logička entiteta, ali fizički pohranjena u particijama. Upiti i umetanja automatski odlaze u pravu particiju.
-- 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 je glavna dobit u performansama: upit filtriran po ključu particije dotakne samo relevantne particije, preskačući ostatak — pretvarajući skeniranje milijardi redaka u skeniranje samo relevantnog podskupa.
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.
Particioniranje tablica je važna tehnologija za upravljanje i ispitivanje vrlo velikih tablica, a razumijevanje toga je dragocjeno znanje na razini seniora za rad s bazama podataka u količini.
Kako tablice rastu na stotine milijuna ili milijarde redaka, čak i indeksirani upiti i operacije održavanja mogu postati spora, a particioniranje to rješava dijeljenjem tablice na manje fizičke dijelove.
Ključna dobit u performansama je partition pruning — upiti filtrirani po ključu particije skeniraju samo relevantne particije (preskačući ostatak), što drastično smanjuje količinu podataka skeniranih za ogromne tablice (posebno često za vremenske serije filtrirane po datumu).
Osim performansi upita, particioniranje donosi glavne koristi za održavanje: arhiviranje ili brisanje starih podataka postaje trenutno (brisanje cijele particije nasuprot spore, skupe DELETE miljuna redaka — značajna operativna prednost za podatke dnevnika/događaja s politikama čuvanja), plus manji indeksi po particiji i paralelne operacije.
Razumijevanje strategija (RANGE za raspone datuma/brojeva — često za vremenske serije; LIST za diskretne vrijednosti; HASH za ravnomjernu distribuciju) i ključno kada koristiti particioniranje (vrlo velike tablice s prirodnim ključem particije, posebno vremenske serije s redovitim arhiviranjem — ne male/srednje tablice gdje indeksiranje dovoljava i particioniranje samo dodaje složenost) odražava zrelo prosudbe.
Budući da je upravljanje vrlo velikim tablicama stvarni izazov u skaliranim sustavima, a budući da je particioniranje (s partition pruningom i efikasnim održavanjem) standardni alat za to — dopunjavajući umjesto zamjenjujući indeksiranje — razumijevanje particioniranja tablica je dragocjeno znanje na razini seniora za skalabilnost baze podataka, posebno relevantno za velike sisteme, vremenske serije ili sustave s velikim količinama podataka i tema koja pokazuje razumijevanje upravljanja bazama podataka u količini.