PostgreSQL / 系统课时
分区策略与分区键
分区策略与分区键
分区设计的核心不是“把大表切小”,而是让常见查询能稳定裁剪无关数据,同时把备份、归档和删除控制在可管理的分区粒度内。本节用范围、列表和哈希三种策略对比,给出分区键与粒度的选择方法,并用查询验证实际落入的分区。
学习目标
- 区分范围、列表和哈希分区各自适合的数据分布与查询模式
- 根据过滤条件、数据生命周期和写入分布选择分区键
- 通过实际落盘分区验证粒度设计是否符合预期
先根据访问模式选择分区策略
PostgreSQL 的声明式分区先用分区键计算目标分区,再根据分区边界完成路由和查询裁剪。策略本身没有绝对优劣,关键是它是否与最常见的过滤条件和运维动作对齐。
| 策略 | 适合场景 | 常见分区键 | 主要风险 |
|---|---|---|---|
| RANGE | 时间序列、流水、按区间归档 | 日期、时间、连续编号 | 粒度过细导致分区数量膨胀 |
| LIST | 地区、业务线、租户组等离散集合 | 区域码、类型码 | 类别持续增长时需要频繁维护 |
| HASH | 没有自然区间但需要均匀拆分 | 稳定且分布较均匀的 ID | 不利于按时间范围做生命周期管理 |
时间型大表通常优先考虑 RANGE,因为查询和保留策略往往都围绕时间窗口展开。LIST 更适合数量有限且业务含义稳定的离散值;HASH 的目标主要是分散数据,而不是表达“新旧”或“冷热”边界。
分区键先服务裁剪,再考虑均衡
一个有效的分区键应频繁出现在查询谓词中,并且能把大部分无关分区排除掉。例如日志查询长期都带 occurred_on 范围条件,那么按日期分区通常比按 tenant_id 更直接。
不要只因为某列基数高就把它当分区键。若查询很少按该列过滤,即使数据分布均匀,也无法获得稳定的分区裁剪收益。反过来,时间列即使每天都增长,只要查询、归档和删除都按时间进行,就同时服务了读路径和运维路径。
用月分区验证路由结果
下面建立一个按月范围分区的事件表,并插入跨两个月的数据。查询通过 tableoid 显示每行实际所在的物理分区,可直接验证路由是否符合设计。
CREATE TABLE telemetry_event (
event_id bigint NOT NULL,
occurred_on date NOT NULL,
tenant_id integer NOT NULL,
region text NOT NULL
) PARTITION BY RANGE (occurred_on);
CREATE TABLE telemetry_event_2026_09
PARTITION OF telemetry_event
FOR VALUES FROM (DATE '2026-09-01') TO (DATE '2026-10-01');
CREATE TABLE telemetry_event_2026_10
PARTITION OF telemetry_event
FOR VALUES FROM (DATE '2026-10-01') TO (DATE '2026-11-01');
INSERT INTO telemetry_event (event_id, occurred_on, tenant_id, region)
VALUES
(1, DATE '2026-09-03', 101, 'us-west'),
(2, DATE '2026-10-02', 102, 'us-east');
SELECT
tableoid::regclass::text AS partition_name,
event_id,
occurred_on
FROM telemetry_event
WHERE occurred_on >= DATE '2026-09-01'
AND occurred_on < DATE '2026-10-01'
ORDER BY event_id;预期结果(最终查询)
partition_name | event_id | occurred_on
---------------------------+----------+-------------
telemetry_event_2026_09 | 1 | 2026-09-03这里选择半开区间 [2026-09-01, 2026-10-01),可以避免月份交界处出现重叠。实际 CREATE TABLE 与 INSERT 的命令状态文本会因客户端显示方式不同而略有差异,但最终查询应只返回九月分区中的一行。
粒度由查询窗口和维护单位共同决定
分区越小,不代表查询一定越快。分区数量过多会增加规划、目录管理和运维复杂度;分区过大,又会让删除历史数据、重建索引或局部维护变得笨重。
可先用业务天然周期作为起点:高吞吐日志常从天或周评估,普通业务流水常从月评估,体量较小的数据甚至可以按季度。之后用真实查询检查“单次通常扫描多少个分区”和“一个分区有多大”,再调整粒度。
LIST 分区的粒度通常对应一个或一组稳定类别;HASH 则通过 MODULUS 与 REMAINDER 固定槽位数量。若未来经常需要扩容哈希槽位,要提前评估重分布成本,因为它不像新增下个月的 RANGE 分区那样自然。
约束与边界不要等到上线后再补
分区不是索引的替代品。查询进入某个分区后,仍可能需要分区内索引来缩小扫描范围,因此常见做法是“分区键负责粗粒度裁剪,分区内索引负责细粒度定位”。
若要在分区表层定义 PRIMARY KEY 或 UNIQUE,约束列需要满足 PostgreSQL 对分区键覆盖的要求,否则无法仅靠各分区的本地索引证明全局唯一性。设计业务唯一键时,应在建表阶段一起校验,而不是分区完成后再补。
最终选择可以概括为:时间和连续区间优先 RANGE,稳定离散集合考虑 LIST,没有自然边界且目标是均匀拆分时再考虑 HASH;粒度则以真实查询窗口和数据生命周期为准,而不是单纯追求更多分区。