4. 分区类型详解

分区表并不是“把大表随便切成几块”，而是按照明确的分区键与分区策略，把数据行映射到不同的物理段中。不同分区类型决定了数据如何分布、查询如何裁剪、维护如何操作，也直接决定了性能优化与回滚的难易程度。本节围绕范围分区、列表分区、哈希分区和复合分区，讲清原理、适用场景与常见误区。

一、核心原理：分区键如何决定数据落点

无论哪种分区类型，数据库在插入数据时都会计算分区键，并根据分区定义判断该行应落入哪个分区。查询时，优化器若能根据 WHERE 条件推导出只涉及部分分区，就会进行分区裁剪，减少扫描范围。因此，分区类型的选择本质上是在回答两个问题：数据按什么维度切分最自然？查询条件最常命中哪个维度？

• 范围分区：按连续区间切分，如时间、ID 段、金额区间。
• 列表分区：按离散枚举值切分，如地区、状态、租户类型。
• 哈希分区：按哈希函数打散，追求均匀分布，而非业务语义。
• 复合分区：先按一种策略分区，再在分区内按另一种策略子分区。

二、范围分区：最贴近时间与生命周期

范围分区按分区键的连续区间划分，典型如按月份、季度、年份或自增 ID 段。它的最大优势是与数据生命周期天然对齐：历史数据归档、冷热分离、按时间回滚都可以通过 DROP PARTITION 或 EXCHANGE PARTITION 快速完成，避免大范围 DELETE 带来的锁与日志压力。

CREATE TABLE orders (
  order_id   BIGINT,
  user_id    BIGINT,
  order_time DATETIME,
  amount     DECIMAL(10,2)
)
PARTITION BY RANGE (YEAR(order_time)) (
  PARTITION p2023 VALUES LESS THAN (2024),
  PARTITION p2024 VALUES LESS THAN (2025),
  PARTITION p2025 VALUES LESS THAN (2026),
  PARTITION pmax  VALUES LESS THAN MAXVALUE
);

适用场景：订单、日志、流水、监控指标等按时间增长的数据。查询中若经常带 order_time 范围条件，分区裁剪效果最好。需要注意的是，范围分区容易产生热点分区——最新分区写入最频繁，若单分区过大，仍需进一步拆分或使用复合分区。

三、列表分区：面向离散枚举与业务维度

列表分区按分区键的离散值集合划分，每个分区对应一组明确的值。它适合地区、渠道、状态、租户类型等枚举维度。与范围分区不同，列表分区不要求值连续，因此可以灵活地把“华东、华南”放入一个分区，把“华北、西南”放入另一个分区。

CREATE TABLE customers (
  customer_id BIGINT,
  region      VARCHAR(20),
  level       VARCHAR(10)
)
PARTITION BY LIST (region) (
  PARTITION p_east  VALUES IN ('华东','华南'),
  PARTITION p_north VALUES IN ('华北','东北'),
  PARTITION p_west  VALUES IN ('西南','西北'),
  PARTITION p_other VALUES IN (DEFAULT)
);

适用场景：按地区做数据隔离、按状态做冷热分层、按租户做资源划分。列表分区的风险在于值域变化：新增地区或状态时，必须及时新增分区，否则会落入 DEFAULT 分区，导致数据倾斜甚至写入失败。因此，列表分区需要配合值域管理流程。

四、哈希分区：追求均匀分布与并发打散

哈希分区对分区键计算哈希值，再按分区数量取模，把数据尽量均匀地分散到各分区。它不保留业务语义，但能有效避免热点，提升并发写入与并行扫描能力。常见于用户表、设备表、流水表等没有明显时间或地区维度的场景。

CREATE TABLE user_events (
  event_id BIGINT,
  user_id  BIGINT,
  event_ts DATETIME
)
PARTITION BY HASH (user_id)
PARTITIONS 8;

适用场景：需要均匀打散、避免单分区过大、提升并行度。哈希分区的代价是范围查询裁剪弱：按 user_id 等值查询可以裁剪到单个分区，但按时间范围查询往往需要扫描所有分区。此外，分区数量变更时通常需要重新分布数据，扩容成本较高。

五、复合分区：先粗后细，兼顾多维治理

复合分区是在一种分区策略之上再嵌套另一种策略，例如先按时间做 RANGE 分区，再按地区做 LIST 子分区，或先按时间 RANGE，再按 user_id HASH。它适合数据量大、查询维度多、维护要求高的大表。

CREATE TABLE sales (
  sale_id   BIGINT,
  sale_date DATE,
  region    VARCHAR(20),
  amount    DECIMAL(10,2)
)
PARTITION BY RANGE (YEAR(sale_date))
SUBPARTITION BY HASH (sale_id) SUBPARTITIONS 4 (
  PARTITION p2024 VALUES LESS THAN (2025),
  PARTITION p2025 VALUES LESS THAN (2026)
);

复合分区的优势是两级裁剪：时间条件先裁掉历史分区，哈希或列表条件再裁掉子分区。它也能把“归档”和“打散”两个目标同时满足。但分区数量会成倍增加，元数据管理、DDL 耗时和优化器选择都会更复杂，必须控制层级与数量。

六、对比清单与选型建议

七、常见误区与复盘

• 误区一：分区越多越好。分区数量过多会带来元数据膨胀、DDL 变慢、优化器裁剪开销上升，通常单表分区数控制在几十到几百级别更稳妥。
• 误区二：哈希分区能解决所有热点。哈希只能打散分区级热点，若单分区内部仍有热点行或热点索引，仍需配合索引与缓存优化。
• 误区三：列表分区不需要 DEFAULT。没有 DEFAULT 时，新增枚举值会导致插入失败；有 DEFAULT 又可能悄悄堆积数据，必须监控 DEFAULT 分区大小。
• 误区四：复合分区一定优于单层分区。复合分区增加复杂度，若查询只命中一个维度，单层分区往往更简单高效。

总结来说，分区类型没有绝对优劣，只有与业务查询、数据生命周期和维护策略是否匹配。范围分区解决“时间轴”问题，列表分区解决“枚举维度”问题，哈希分区解决“均匀打散”问题，复合分区解决“多维度治理”问题。理解它们的落点规则与裁剪边界，才能在性能优化与回滚之间取得平衡。