टेबल पार्टिशनिङ भनेको के हो?

Question

Accepted Answer

**पार्टिशनिङ**ले एक ठूलो टेबललाई एक स्तम्भको मानको आधारमा सानो भौतिक टुक्रामा (**पार्टिशन**) विभाजन गर्छ — तर यो क्वेरीहरूको लागि अझै पनि एक तार्किक टेबलको रूपमा देखिन्छ। यो डेटाबेसलाई केवल सान्दर्भिक पार्टिशनहरू स्क्यान वा मेन्टेन गर्न दिई धेरै ठूला टेबलहरूको लागि कार्यक्षमता र प्रबन्धकता सुधार गर्छ।

## पार्टिशनिङ कसरी काम गर्छ

```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
```

टेबल एक तार्किक इकाई हो, तर भौतिकरूपमा पार्टिशनमा भण्डारण गरिएको छ। क्वेरी र इन्सर्टहरू स्वचालित रूपमा सही पार्टिशनमा जान्छन्।

## मुख्य लाभ: पार्टिशन प्रुनिङ

```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")
```

**पार्टिशन प्रुनिङ** मुख्य कार्यक्षमता लाभ हो: पार्टिशन कुञ्जीमा फिल्टर गरिएको क्वेरी केवल सान्दर्भिक पार्टिशनहरूलाई स्पर्श गर्छ, बाकीलाई छोडिएको छ — अरबौं पङ्क्तिहरूको स्क्यान केवल सान्दर्भिक सबसेटको स्क्यानमा परिवर्तन गर्दै।

## पार्टिशनिङ कौशलहरू

```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)
```

## अन्य लाभहरू

```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
```

## पार्टिशनिङ कहिले प्रयोग गर्ने

```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.
```

## किन यो महत्त्वपूर्ण छ

टेबल पार्टिशनिङ **धेरै ठूला टेबलहरू** प्रबन्ध र क्वेरी गर्नको लागि एक महत्त्वपूर्ण प्रविधि हो, र यो बुझ्न डेटाबेसहरूसँग ठूलोमा काम गर्नको लागि मूल्यवान उच्च-स्तरीय ज्ञान हो।

जब टेबलहरू सयौं मिलियन वा अरबौं पङ्क्तिहरूमा बढ्छन्, अनुक्रमित क्वेरीहरू र मेन्टेनेन्स अपरेसनहरू पनि ढिलो हुन सक्छन्, र पार्टिशनिङ यसलाई टेबललाई सानो भौतिक टुक्रामा विभाजन गरेर सम्बोधन गर्छ।

मुख्य कार्यक्षमता लाभ **पार्टिशन प्रुनिङ** हो — पार्टिशन कुञ्जीमा फिल्टर गरिएको क्वेरी केवल सान्दर्भिक पार्टिशनहरू स्क्यान गर्छ (बाकी छोडिएको), जसले ठूला टेबलहरूको लागि स्क्यान गरिएको डेटा नाटकीय रूपमा कम गर्छ (विशेष गरी मितिद्वारा फिल्टर गरिएको समय-श्रृङ्खला डेटाको लागि सामान्य)।

क्वेरी कार्यक्षमता भन्दा परे, पार्टिशनिङ प्रमुख **मेन्टेनेन्स लाभ** प्रदान गर्छ: पुरानो डेटा आर्काइभ गर्न वा मेटाउन तत्काल हुन्छ (पूरै पार्टिशन ड्रप गर्न बनाम लाखौं पङ्क्तिहरूको ढिलो, महँगो `DELETE` — लग/इभेन्ट डेटाको साथ ज्ञापन नीतिहरूको लागि महत्त्वपूर्ण अपरेशनल लाभ), साथै सानो प्रति-पार्टिशन इन्डेक्स र समानान्तर अपरेसनहरू।

**कौशलहरू** (RANGE दिन/संख्यात्मक दायरको लागि — समय-श्रृङ्खलाको लागि सामान्य; LIST अलग-अलग मानहरूको लागि; HASH समान वितरणको लागि) र गुरुतरपूर्वक **पार्टिशनिङ कहिले प्रयोग गर्ने** (एक प्राकृतिक पार्टिशन कुञ्जीको साथ धेरै ठूला टेबलहरू, विशेष गरी नियमित आर्काइभिङको साथ समय-श्रृङ्खला — *नहीं* सानो/मध्यम टेबलहरू जहाँ अनुक्रमणिका पर्याप्त छ र पार्टिशनिङ केवल जटिलता थप्छ) बुझ्न परिपक्व न्याय प्रतिबिम्बित गर्छ।

स्केल गरिएको सिस्टमहरूमा धेरै ठूला टेबलहरू प्रबन्ध गर्न वास्तविक चुनौती भएको कारण, र पार्टिशनिङ (पार्टिशन प्रुनिङ र कुशल मेन्टेनेन्स) यसको मानक उपकरण भएको कारण — अनुक्रमणिकाको सट्टा नहीं बरु पूरक — टेबल पार्टिशनिङ बुझ्न डेटाबेस स्केलेबिलिटिको लागि मूल्यवान उच्च-स्तरीय ज्ञान हो, विशेष गरी ठूलो-स्तरीय, समय-श्रृङ्खला, वा उच्च-भोल्यूम डेटा प्रणाली र यो डेटाबेसहरू स्केलमा प्रबन्ध गर्ने बुझाइ प्रदर्शन गर्ने विषय हो।