决策：选择哪种分区策略？

分区将一张大表在同一个逻辑名称下拆分为多个物理片段，便于删除旧数据，并让查询只访问相关片段（分区裁剪，partition pruning）。但在小表上，它只会增加复杂性。这棵决策树首先质疑是否真的需要分区，然后根据访问和分布模式引导你在 Range、List、Hash 和 Composite 之间做出选择。

表是否真的大到需要分区？

分区不是性能魔法；它是一种规模和维护（生命周期）工具。如果表不够大，或者查询借助索引已经表现良好，分区只会带来执行计划复杂性和管理开销。你的表是否达到数千万行以上/数百 GB，还是仍然是小/中型？

• 是的，表非常大，和/或需要批量删除/归档旧数据
• 不，小/中型表，或者我不确定

你如何访问数据，应该如何拆分？

分区键应当是大多数查询用于过滤的列；只有这样分区裁剪才会生效。主要的访问模式是什么？按日期/连续范围（最近 30 天），按特定的类别/区域值，还是没有明确的过滤条件、希望均匀分布负载？

• 日期/序列号等连续范围（最近 X 天、按月）
• 类别/区域/租户等离散值集合
• 没有明确的范围/类别；目标是均匀分布负载
• 既按日期又数据量大；需要在两个维度上拆分

建议：（暂时）不要分区

分区对小/中型表没有好处；选好索引并进行正常维护就足够了。过早分区会使查询计划复杂化，选错键会导致无法裁剪，并增加运维开销。

建议：Range 分区

Range 分区按某列的连续范围拆分行（例如日期范围：每月/每季度一个分区）。它是时序数据和持续增长的表最常用、最强大的策略。

建议：List 分区

List 分区按某列的离散已知值对行分组（例如 region = 'TR','EU','US' 或租户 ID）。当存在自然、有限的类别时，它使访问和管理变得清晰。

建议：Hash 分区（均匀分布）

Hash 分区根据键列的哈希值，将行相对均匀地分布到预先定义数量的分区中。在没有自然范围/类别时，用于避免热点并平衡负载。

建议：Composite（多级）分区

复合分区结合了两种策略：先在顶层拆分，再将每个分区划分为子分区（例如 Range-by-Hash 或 Range-by-List）。当同时需要基于时间的生命周期管理和均匀分布/类别隔离时使用。