파티션은 논리적으로 하나의 큰 배트맨 토토을 작은 물리적 조각으로 분할하는 것을 말합니다. 분할은 몇 가지 이점을 제공 할 수 있습니다.

이러한 혜택은 일반적으로 배트맨 토토이 매우 큰 경우에만 가치가 있습니다. 배트맨 토토의 크기가 데이터베이스 서버의 물리적 메모리를 초과해야한다는 것입니다.

PostgreSQL다음 형식의 파티셔닝에 대한 내장 지원을 제공합니다.

응용 프로그램이 위에 나열되지 않은 다른 형태의 파티셔닝을 사용해야하는 경우 상속 및와 같은 대체 방법.Union All대신보기를 사용할 수 있습니다. 이러한 방법은 유연성을 제공하지만 내장 선언 파티셔닝의 성능 이점은 없습니다.

PostgreSQL배트맨 토토이 파티션으로 나뉘어 있다고 선언 할 수 있습니다. 나뉘어 진 배트맨 토토을라고합니다.파티션 배트맨 토토. 선언에는가 포함됩니다.파티션 방법위에서 설명한대로,파티션 키.

파티션 된 배트맨 토토 자체는 A입니다.“Virtual”자체 저장 장치가없는 배트맨 토토. 대신, 스토리지는에 속합니다.파티션는 분할 된 테이블과 관련된 다른 표준 테이블입니다. 각 파티션은 데이터의 하위 집합을 저장합니다.파티션 경계. 파티션 된 테이블에 삽입 된 모든 행은 파티션 키 열의 값을 기반으로 적절한 파티션 중 하나로 라우팅됩니다. 행의 파티션 키를 업데이트하면 원래 파티션의 파티션 한계를 더 이상 만족하지 않으면 다른 파티션으로 이동합니다.

파티션 자체는 파티션 된 테이블로 정의되어하위 분수. 모든 파티션은 분할 된 부모와 동일한 열을 가져야하지만, 파티션에는 자체 인덱스, 제약 조건 및 기본값이 다른 파티션과는 별개가있을 수 있습니다. 보다배트맨 토토 생성파티션 된 테이블 및 파티션 작성에 대한 자세한 내용은

일반 테이블을 파티션 된 테이블로 전환하거나 그 반대도 마찬가지입니다. 그러나 기존 정규 또는 분할 된 테이블을 분할 된 테이블의 파티션으로 추가하거나 파티션 된 테이블에서 파티션을 독립형 테이블로 전환 할 수 있습니다. 이것은 많은 유지 보수 프로세스를 단순화하고 속도를 높일 수 있습니다. 보다Alter Table에 대해 자세히 알아 보려면첨부 파티션and파티션하위 명령.

파티션도 가능합니다PostgreSQL : 문서 : 16 : 5.12. 외국 토토, 외국 배트맨 토토의 내용이 분할 규칙을 충족시키는 것은 사용자의 책임이기 때문에 상당한주의가 필요하지만 상당한주의가 필요합니다. 다른 제한 사항도 있습니다. 보다외국 배트맨 토토 만들기자세한 내용은

배트맨 토토 측정 생성 (
    city_id int null not,
    로그 데이트 날짜는 null이 아닙니다.
    PeakTemp int,
    단위 int
);

드롭 배트맨 토토 측정 _y2006m02;

ALTER 테이블 측정 분리 파티션 측정 _Y2006M02;
ALTER TABLE 측정 분리 파티션 측정 _Y2006M02 동시에;

테이블 측정 생성 _y2008m02 측정의 파티션
    ( '2008-02-01')에서 ( '2008-03-01')의 값
    테이블 스페이스 FASTTABLESPACE;

테이블 측정 생성 _y2008m02
  (제약 조건을 포함한 기본값을 포함한 측정과 같은)
  테이블 스페이스 FastTablespace;

Alter Table Measurement_Y2008M02 추가 제약 조건 Y2008M02
   check (logdate = date '2008-02-01'및 logdate <날짜 '2008-03-01');

\ '측정 _y2008m02'에서 측정 _y2008m02 복사
- 아마도 다른 데이터 준비 작업

알터 테이블 측정 첨부 파티션 측정 _y2008m02
    ( '2008-02-01')에서 ( '2008-03-01');의 값

만 인덱스 측정 _USLS_IDX 생성 (단위);

인덱스를 동시에 측정 _usls_200602_idx를 만듭니다
    측정 _y2006m02 (유니 세계);
Alter Index Measurement_usls_idx
    파티션 측정 _USLS_200602_IDX 첨부;
...

ALTER TABLE 전용 측정 추가 고유 (City_ID, logdate);

Alter Table Measurement_Y2006M02 고유 한 추가 (City_id, Logdate);
ALTER Index Measurement_City_ID_LOGDATE_KEY
    파티션 측정 _Y2006M02_CITY_ID_LOGDATE_KEY 첨부;
...

내장 선언 파티셔닝은 대부분의 일반적인 사용 사례에 적합하지만보다 유연한 접근 방식이 유용한 상황이 있습니다. 파티셔닝은 테이블 상속을 사용하여 구현할 수 있으며, 이는 다음과 같은 선언 파티셔닝에서 지원하지 않는 몇 가지 기능을 허용합니다.

드롭 배트맨 토토 측정 _y2006m02;

ALTER 테이블 측정 _Y2006M02 상속 측정 없음;

배트맨 토토 생성 _y2008m02 (
    check (logdate = date '2008-02-01'및 logdate <날짜 '2008-03-01'))
) 상속 (측정);

테이블 측정 생성 _y2008m02
  (제약 조건을 포함한 기본값을 포함한 측정과 같은);
Alter Table Measurement_Y2008M02 추가 제약 조건 Y2008M02
   check (logdate = date '2008-02-01'및 logdate <날짜 '2008-03-01');
\ '측정 _y2008m02'에서 측정 _y2008m02 복사
- 아마도 다른 데이터 준비 작업
Alter Table Measurement_Y2008M02 상속 측정;

파티션 가지 치기는 선언적으로 파티셔닝 된 배트맨 토토의 성능을 향상시키는 쿼리 최적화 기술입니다. 예를 들어 :

set enable_partition_pruning = on;                 - 기본값
Logdate = Date '2008-01-01'; 측정에서 count (*)를 선택하십시오.

파티션 가지 치기가 없으면 위의 쿼리는의 각 파티션을 스캔합니다.측정배트맨 토토. 파티션 가지 치기가 활성화되면 플래너는 각 파티션의 정의를 검사하고 쿼리를 충족하는 행을 포함 할 수 없기 때문에 파티션을 스캔 할 필요가 없음을 증명합니다.여기서절. 플래너가 이것을 증명할 수 있으면 (를 제외합니다.Prunes) 쿼리 계획의 파티션.

설명 명령과를 사용하여enable_partition_pruning구성 매개 변수, 파티션이 다루어진 계획과 그렇지 않은 계획의 차이를 보여줄 수 있습니다. 이 유형의 테이블 설정에 대한 일반적인 최적화 된 계획은 다음과 같습니다.

set enable_partition_pruning = off;
로그 데이트 = 날짜 '2008-01-01'에서 측정에서 선택한 수 (*)를 설명하십시오.
                                    쿼리 계획
---------------------------------------------------------------------------------------
 집계 (비용 = 188.76..188.77 행 = 1 너비 = 8)
   - Append (비용 = 0.00..181.05 행 = 3085 너비 = 0)
         - 측정 _y2006m02에서 SEQ 스캔 (비용 = 0.00..33.12 행 = 617 너비 = 0)
               필터 : (logdate = '2008-01-01':: 날짜)
         - 측정 _y2006m03의 SEQ 스캔 (비용 = 0.00..33.12 행 = 617 너비 = 0)
               필터 : (logdate = '2008-01-01':: 날짜)
...
         - 측정 _y2007m11의 SEQ 스캔 (비용 = 0.00..33.12 행 = 617 너비 = 0)
               필터 : (logdate = '2008-01-01':: 날짜)
         - 측정 _y2007m12에서 SEQ 스캔 (비용 = 0.00..33.12 행 = 617 너비 = 0)
               필터 : (logdate = '2008-01-01':: 날짜)
         - 측정 _y2008m01에서 SEQ 스캔 (비용 = 0.00..33.12 행 = 617 너비 = 0)
               필터 : (logdate = '2008-01-01':: 날짜)

일부 또는 모든 파티션은 풀 테이블 순차적 스캔 대신 인덱스 스캔을 사용할 수 있지만 여기서는이 쿼리에 응답하기 위해 이전 파티션을 전혀 스캔 할 필요가 없다는 것입니다. 파티션 가지 치기를 활성화하면 동일한 답변을 전달할 상당히 저렴한 계획을 얻습니다.

set enable_partition_pruning = on;
로그 데이트 = 날짜 '2008-01-01'에서 측정에서 선택한 수 (*)를 설명하십시오.
                                    쿼리 계획
---------------------------------------------------------------------------------------
 집계 (비용 = 37.75..37.76 행 = 1 너비 = 8)
   - 측정 _y2008m01에서 SEQ 스캔 (비용 = 0.00..33.12 행 = 617 너비 = 0)
         필터 : (logdate = '2008-01-01':: 날짜)

파티션 치기는 인덱스의 존재가 아니라 파티션 키에 의해 내재적으로 정의 된 제약 조건에 의해서만 구동됩니다. 따라서 키 열의 인덱스를 정의 할 필요는 없습니다. 주어진 파티션에 대해 인덱스를 만들어야하는지 여부는 파티션을 스캔하는 쿼리가 일반적으로 파티션의 많은 부분을 스캔 할 것이라고 기대하는지 여부에 따라 다릅니다. 색인은 후자의 경우에 도움이되지만 전자는 아닙니다.

파티션 치기는 주어진 쿼리의 계획 중뿐만 아니라 실행 중에도 수행 할 수 있습니다. 이것은 조항이 쿼리 계획 시간에 값을 알 수없는 표현식 (예 : a에 정의 된 매개 변수)을 포함 할 때 더 많은 파티션을 가지 치기를 허용 할 수 있으므로 유용합니다.준비stubquery에서 얻은 값을 사용하거나 중첩 루프 조인의 내부에서 매개 변수화 된 값을 사용합니다. 실행 중 파티션 가지 치기는 다음 시간 중 하나에 수행 할 수 있습니다.

파티션 가지 치기는를 사용하여 비활성화 할 수 있습니다.enable_partition_pruning설정.

제약 제외는 파티션 가지 치기와 유사한 쿼리 최적화 기술입니다. 레거시 상속 방법을 사용하여 구현 된 분할에 주로 사용되지만 선언적 파티셔닝을 포함하여 다른 목적으로 사용할 수 있습니다.

제약 제외는 각 테이블을 사용한다는 점을 제외하고는 파티션 가지 치기와 매우 유사한 방식으로 작동합니다.check이름을 부여하는 제약 - 파티션 치기는 표현의 파티션 경계를 사용하는 반면, 선언적 파티셔닝의 경우에만 존재합니다. 또 다른 차이점은 제약 제외가 계획 시간에만 적용된다는 것입니다. 실행 시간에 파티션을 제거하려는 시도가 없습니다.

제약 제외가 사용한다는 사실check파티션 가지 치기와 비교하여 느리게하는 제약 조건은 때때로 이점으로 사용할 수 있습니다. 내부 파티션 경계 외에도 선언적으로 분류 된 테이블에서도 제약 조건을 정의 할 수 있기 때문에 제약 제한 제한 제한은 쿼리 계획에서 추가 파티션을 제거 할 수 있습니다.

기본 (및 권장) 설정제약 _exclusiononNOROFF, 그러나 중간 설정은파티션,이 기술은 상속 파티 파티 배트맨 토토에서 작동 할 수있는 쿼리에만 적용됩니다. 그만큼on설정 설정 플래너가 검사하게됩니다check모든 쿼리의 제약 조건, 혜택이없는 간단한 쿼리조차도

다음 경고는 제약 제외에 적용됩니다 :

쿼리 계획 및 실행의 성능이 열악한 설계에 의해 부정적인 영향을받을 수 있으므로 배트맨 토토을 분할하는 방법의 선택을 신중하게 만들어야합니다..

가장 중요한 설계 결정 중 하나는 데이터를 분할하는 열 또는 열입니다. 종종 최선의 선택은 가장 일반적으로 나타나는 열이나 열 세트로 분할하는 것입니다.어디분할 된 배트맨 토토에서 실행되는 쿼리의 조항.여기서파티션 경계 제약과 호환되는 조항을 사용하여 불필요한 파티션을 가두는 데 사용될 수 있습니다. 그러나, 당신은에 대한 요구 사항에 따라 다른 결정을 내릴 수 있습니다.기본 키또는 A고유 한제약. 원치 않는 데이터를 제거하는 것도 파티션 전략을 계획 할 때 고려해야 할 요소입니다. 전체 파티션은 상당히 빠르게 분리 될 수 있으므로 한 번에 제거 할 모든 데이터를 단일 파티션에 위치시키는 방식으로 파티션 전략을 설계하는 것이 좋습니다..

테이블을 나누어야하는 대상 파티션 수를 선택하는 것도 중요한 결정입니다. 분할이 충분하지 않으면 인덱스가 너무 커지고 데이터 로컬 성이 나빠져 캐시 적중률이 낮아질 수 있습니다. 그러나 테이블을 너무 많은 파티션으로 나누면 문제가 발생할 수 있습니다. 너무 많은 파티션은 아래에 설명 된 것처럼 쿼리 계획 및 실행 중에 더 긴 쿼리 계획 시간과 메모리 소비가 더 높은 것을 의미 할 수 있습니다. 테이블을 분할하는 방법을 선택할 때 미래에 어떤 변화가 발생할 수 있는지 고려하는 것도 중요합니다. 예를 들어, 고객 당 파티션을 선택하고 현재 소수의 대규모 고객이있는 경우 몇 년 안에 많은 소규모 고객과 함께 자신을 찾으면 그 의미를 고려하십시오. 이 경우의 파티션을 선택하는 것이 좋습니다.HASH|목록그리고 고객의 수가 데이터를 분할하는 것이 실용적인 것 이상으로 증가하지 않기를 바랍니다.

하위 파티션은 다른 파티션보다 더 커질 것으로 예상되는 파티션을 추가로 나눌 수 있습니다. 또 다른 옵션은 파티션 키에 여러 열이있는 범위 파티셔닝을 사용하는 것입니다. 이 중 하나는 쉽게 과도한 수의 파티션으로 이어질 수 있으므로 구속이 권장됩니다.

쿼리 계획 및 실행 중에 분할의 오버 헤드를 고려하는 것이 중요합니다. 쿼리 플래너는 일반적으로 쿼리 플래너가 소수의 파티션을 제외한 모든 파티션을 제외한 모든 쿼리를 위해 최대 수천 개의 파티션이 상당히 잘 파티션 계층을 처리 할 수 있습니다. 플래너가 파티션 가지 치기를 수행 한 후 더 많은 파티션이 남아있을 때 계획 시간이 길어지고 메모리 소비가 더 높아집니다. 다수의 파티션을 갖는 것에 대해 우려하는 또 다른 이유는 서버의 메모리 소비가 시간이 지남에 따라, 특히 많은 세션이 많은 파티션에 닿는 경우 크게 증가 할 수 있기 때문입니다. 각 파티션은 메타 데이터를 각 세션의 로컬 메모리에로드해야하기 때문입니다.

데이터웨어 하우스 유형 워크로드를 사용하면보다 더 많은 파티션을 사용하는 것이 합리적 일 수 있습니다OLTP워크로드를 입력하십시오. 일반적으로 데이터웨어 하우스에서 쿼리 계획 시간은 쿼리 실행 중에 대부분의 처리 시간이 소비되므로 쿼리 계획 시간은 문제가되지 않습니다. 이 두 가지 유형의 워크로드 중 하나를 사용하면 대량의 데이터를 재조정하는 것이 고통스럽게 느려질 수 있으므로 올바른 결정을 조기에 내리는 것이 중요합니다. 의도 된 워크로드의 시뮬레이션은 종종 파티션 전략을 최적화하는 데 유리합니다. 더 많은 파티션이 더 적은 파티션보다 낫거나 그 반대도 마찬가지라고 가정하지 마십시오.