Apa itu partisi tabel?

Question

Accepted Answer

**Partisi** membagi tabel besar menjadi potongan fisik yang lebih kecil (**partisi**) berdasarkan nilai kolom — namun masih muncul sebagai satu tabel logis untuk kueri. Ini meningkatkan performa dan kemudahan pengelolaan untuk tabel yang sangat besar dengan memungkinkan database memindai atau memelihara hanya partisi yang relevan.

## Cara kerja partisi

```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
```

Tabel adalah satu entitas logis, tetapi secara fisik disimpan dalam partisi. Kueri dan penyisipan otomatis pergi ke partisi yang tepat.

## Manfaat utama: partition pruning

```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")
```

**Partition pruning** adalah keuntungan performa utama: kueri yang difilter pada kunci partisi hanya menyentuh partisi yang relevan, melewati sisanya — mengubah pemindaian miliaran baris menjadi pemindaian hanya subset yang relevan.

## Strategi partisi

```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)
```

## Manfaat lainnya

```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
```

## Kapan menggunakan partisi

```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.
```

## Mengapa ini penting

Partisi tabel adalah teknik penting untuk mengelola dan melakukan kueri pada **tabel yang sangat besar**, dan memahaminya adalah pengetahuan tingkat senior yang berharga untuk bekerja dengan database dalam skala besar.

Saat tabel tumbuh menjadi ratusan juta atau miliaran baris, bahkan kueri terindeks dan operasi pemeliharaan dapat menjadi lambat, dan partisi mengatasi hal ini dengan membagi tabel menjadi potongan fisik yang lebih kecil.

Manfaat performa utama adalah **partition pruning** — kueri yang difilter pada kunci partisi hanya memindai partisi yang relevan (melewati sisanya), yang secara dramatis mengurangi data yang dipindai untuk tabel besar (khususnya umum untuk data time-series yang difilter berdasarkan tanggal).

Beyond performa kueri, partisi memberikan **manfaat pemeliharaan** yang besar: pengarsipan atau penghapusan data lama menjadi instan (menghapus seluruh partisi vs `DELETE` yang lambat dan mahal dari jutaan baris — keuntungan operasional yang signifikan untuk data log/acara dengan kebijakan retensi), ditambah indeks per-partisi yang lebih kecil dan operasi paralel.

Memahami **strategi** (RANGE untuk rentang tanggal/numerik — umum untuk time-series; LIST untuk nilai diskrit; HASH untuk distribusi merata) dan yang paling penting **kapan menggunakan partisi** (tabel sangat besar dengan kunci partisi alami, khususnya time-series dengan pengarsipan rutin — *bukan* tabel kecil/menengah di mana pengindeksan sudah cukup dan partisi hanya menambah kompleksitas) mencerminkan penilaian yang matang.

Karena mengelola tabel sangat besar adalah tantangan nyata dalam sistem berskala besar, dan karena partisi (dengan partition pruning dan pemeliharaan yang efisien) adalah alat standar untuk hal itu — melengkapi daripada mengganti pengindeksan — memahami partisi tabel adalah pengetahuan tingkat senior yang berharga untuk skalabilitas database, khususnya relevan untuk sistem data large-scale, time-series, atau high-volume dan topik yang menunjukkan pemahaman dalam mengelola database dalam skala besar.