Apakah itu table partitioning?

Question

Accepted Answer

**Partitioning** membahagikan jadual yang besar kepada bahagian fizikal yang lebih kecil (**partition**) berdasarkan nilai sesuatu lajur — sambil ia masih kelihatan sebagai satu jadual logik kepada query. Ia meningkatkan prestasi dan kebolehurusan untuk jadual yang sangat besar dengan membenarkan pangkalan data mengimbas atau menyelenggara hanya partition yang relevan.

## Bagaimana partitioning berfungsi

```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
```

Jadual ialah satu entiti logik, tetapi disimpan secara fizikal dalam partition. Query dan sisipan pergi ke partition yang betul secara automatik.

## 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** ialah kemenangan prestasi utama: query yang ditapis pada kunci partition hanya menyentuh partition yang relevan, melangkau yang lain — menukar imbasan berbilion-bilion baris kepada imbasan hanya subset yang relevan.

## Strategi partitioning

```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 lain

```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
```

## Bila hendak menggunakan partitioning

```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 ia penting

Table partitioning ialah teknik penting untuk menguruskan dan query **jadual yang sangat besar**, dan memahaminya merupakan pengetahuan peringkat senior yang bernilai untuk bekerja dengan pangkalan data pada skala besar.

Apabila jadual berkembang kepada ratusan juta atau berbilion baris, walaupun query yang berindeks dan operasi penyelenggaraan boleh menjadi perlahan, dan partitioning menangani perkara ini dengan membahagikan jadual kepada bahagian fizikal yang lebih kecil.

Manfaat prestasi utama ialah **partition pruning** — query yang ditapis pada kunci partition hanya mengimbas partition yang relevan (melangkau yang lain), yang dengan ketara mengurangkan data yang diimbas untuk jadual yang besar (terutamanya biasa bagi data siri masa yang ditapis mengikut tarikh).

Di luar prestasi query, partitioning menyediakan **manfaat penyelenggaraan** yang besar: mengarkib atau memadam data lama menjadi serta-merta (menggugurkan keseluruhan partition berbanding `DELETE` jutaan baris yang perlahan dan mahal — kelebihan operasi yang ketara untuk data log/peristiwa dengan dasar pengekalan), serta index setiap partition yang lebih kecil dan operasi selari.

Memahami **strategi** (RANGE untuk julat tarikh/numerik — biasa bagi siri masa; LIST untuk nilai diskret; HASH untuk pengagihan sekata) dan yang penting **bila hendak menggunakan partitioning** (jadual yang sangat besar dengan kunci partition semula jadi, terutamanya siri masa dengan pengarkiban berkala — *bukan* jadual kecil/sederhana di mana pengindeksan mencukupi dan partitioning hanya menambah kerumitan) mencerminkan pertimbangan yang matang.

Memandangkan menguruskan jadual yang sangat besar merupakan cabaran sebenar dalam sistem berskala, dan memandangkan partitioning (dengan partition pruning dan penyelenggaraan yang cekap) ialah alat standard untuknya — melengkapkan dan bukannya menggantikan pengindeksan — memahami table partitioning adalah pengetahuan peringkat senior yang bernilai untuk kebolehskalaan pangkalan data, terutamanya relevan untuk sistem data berskala besar, siri masa, atau bervolum tinggi serta topik yang menunjukkan pemahaman tentang menguruskan pangkalan data pada skala besar.