分区类型详解：RANGE、LIST、HASH 与复合分区

分区类型的选择，说白了就是决定数据怎么“分堆”存放。选对了，查询快得像切黄油；选错了，分区表反而比普通表还慢。我见过不少团队，一上来就拍脑袋选 RANGE，结果数据倾斜严重，某些分区撑爆了，某些分区空荡荡。

这一章，咱们把四种核心分区类型掰开揉碎讲清楚。每种我都会结合实战经验，告诉你什么时候用、怎么用、坑在哪。

范围分区（RANGE）

RANGE 分区是最直观的一种。按某个列的连续区间划分，比如时间、ID 范围。我个人习惯把它叫做“按段切分”。

看个例子，按订单日期分区：

CREATE TABLE orders (
    order_id INT,
    order_date DATE,
    amount DECIMAL(10,2)
)
PARTITION BY RANGE (YEAR(order_date)) (
    PARTITION p_2021 VALUES LESS THAN (2022),
    PARTITION p_2022 VALUES LESS THAN (2023),
    PARTITION p_2023 VALUES LESS THAN (2024),
    PARTITION p_future VALUES LESS THAN MAXVALUE
);

这里有个关键点：VALUES LESS THAN 定义的是上界，不包含边界值。比如 2022-01-01 会落入 p_2022，而不是 p_2021。

RANGE 分区的优势在于分区裁剪效率极高。查询条件里带上分区键的范围，优化器能直接跳过无关分区。比如 WHERE order_date BETWEEN '2022-06-01' AND '2022-06-30'，只会扫描 p_2022 一个分区。

列表分区（LIST）

LIST 分区是按离散值来划分的。数据不是连续的区间，而是固定的几个值。比如地区、状态码、产品类别。

我做过一个电商项目，订单按区域分：

CREATE TABLE orders (
    order_id INT,
    region VARCHAR(20),
    amount DECIMAL(10,2)
)
PARTITION BY LIST (region) (
    PARTITION p_north VALUES IN ('北京','天津','河北'),
    PARTITION p_south VALUES IN ('广东','广西','海南'),
    PARTITION p_east VALUES IN ('上海','江苏','浙江'),
    PARTITION p_other VALUES IN ('其他')
);

LIST 分区有个硬性要求：每个值必须且只能属于一个分区。如果你插入一个没定义的值，比如 '西藏'，数据库会直接报错。

LIST 分区的裁剪逻辑也很直接。查询条件 WHERE region = '广东'，优化器直接定位到 p_south 分区。但要注意，如果条件里用了 IN ('广东','上海')，会扫描两个分区，性能依然不错。

哈希分区（HASH）

HASH 分区跟 RANGE、LIST 完全不同。它不是按业务语义分，而是通过哈希函数把数据均匀打散到各个分区。说白了，就是“随机分堆”。

为什么要用 HASH？因为有些场景下，数据没有天然的分区键。比如用户 ID 是随机生成的，按 ID 范围分会导致数据倾斜。这时候 HASH 分区就派上用场了。

CREATE TABLE users (
    user_id INT,
    user_name VARCHAR(50),
    reg_date DATE
)
PARTITION BY HASH (user_id)
PARTITIONS 8;

这里 PARTITIONS 8 表示分成 8 个分区。数据库会对 user_id 取哈希值，然后模 8，决定数据落到哪个分区。

HASH 分区的缺点也很明显：分区裁剪能力弱。查询条件里如果只带 WHERE user_id = 12345，优化器能算出哈希值，直接定位到某个分区。但如果条件里没有分区键，比如 WHERE user_name = '张三'，那就得扫描所有分区，性能反而更差。

复合分区（COMPOSITE）

复合分区，也叫子分区。就是把两种分区策略叠加起来用。先按一种方式分大区，再在每个大区里按另一种方式分子区。

我做过一个日志系统，数据量巨大。先按年做 RANGE 分区，再按月做子分区。这样既能快速裁剪年份，又能精细管理月份数据。

CREATE TABLE logs (
    log_id INT,
    log_date DATE,
    log_level VARCHAR(10),
    message TEXT
)
PARTITION BY RANGE (YEAR(log_date))
SUBPARTITION BY HASH (MONTH(log_date))
SUBPARTITIONS 12 (
    PARTITION p_2022 VALUES LESS THAN (2023),
    PARTITION p_2023 VALUES LESS THAN (2024),
    PARTITION p_2024 VALUES LESS THAN (2025)
);

这个例子中，每年一个大分区，每个大分区里又按月份哈希分成 12 个子分区。查询 WHERE log_date BETWEEN '2023-06-01' AND '2023-06-30'，先定位到 p_2023 分区，再通过哈希定位到对应的子分区，裁剪效率非常高。

复合分区的组合方式有很多种：

主分区类型	子分区类型	典型场景
RANGE	HASH	时间范围 + 均匀分布
RANGE	LIST	时间范围 + 区域分类
LIST	HASH	区域分类 + 均匀分布
LIST	RANGE	区域分类 + 时间范围

四种分区类型对比

为了方便你快速决策，我整理了一张对比表：

特性	RANGE	LIST	HASH	COMPOSITE
分区依据	连续区间	离散值列表	哈希函数	组合策略
数据分布	按区间集中	按类别集中	均匀分布	可控分布
分区裁剪	极强	强	弱（仅等值）	极强
范围查询	优秀	一般	差	优秀
等值查询	优秀	优秀	优秀	优秀
扩容难度	低	中	高	高
典型场景	时间序列	区域/状态	随机ID	复杂业务

分区类型选择决策流程

说了这么多，到底怎么选？我画了一张流程图，帮你理清思路：

这张图的核心逻辑很简单：有自然分区键就优先用 RANGE 或 LIST，没有就用 HASH，复杂场景才考虑复合。别一上来就搞复合分区，那是给自己找麻烦。