Partitioning & Sharding
Partition bảng theo range/hash/list để quản lý bảng khổng lồ, và sharding ngang toàn bộ database khi 1 máy chủ không còn đủ.
Replication (Module 6) scale được đọc nhưng không scale được ghi — mọi lệnh ghi vẫn phải qua 1 primary duy nhất. Khi lượng ghi vượt quá khả năng 1 máy chủ, hoặc 1 bảng đơn lẻ phình to đến mức backup/index/vacuum đều trở nên chậm chạp, partitioning và sharding là 2 công cụ tiếp theo — nhưng cũng là 2 quyết định kiến trúc tốn kém nhất để đảo ngược, nên cần hiểu rõ trước khi áp dụng, không phải "cứ lớn là sharding".
🎯 Mục tiêu học tập
- Phân biệt rõ partitioning (trong 1 database) và sharding (trải trên nhiều database/máy chủ)
- Chọn đúng chiến lược partition (range, hash, list) theo pattern truy vấn thực tế
- Thiết kế shard key hợp lý và tránh các lỗi phổ biến (hotspot, cần join xuyên shard)
- Đánh giá được khi nào KHÔNG nên sharding — vì hầu hết hệ thống không thực sự cần đến nó
Partitioning — chia nhỏ 1 bảng, vẫn trong 1 database
Partitioning chia 1 bảng logic thành nhiều bảng vật lý con (partition) dựa trên 1 cột (partition key),
nhưng ứng dụng vẫn thấy nó như 1 bảng duy nhất. Lợi ích chính: query chỉ quét đúng partition liên quan
(partition pruning) thay vì toàn bộ dữ liệu, và các thao tác bảo trì (xoá dữ liệu cũ, backup
từng phần) trở nên rẻ hơn nhiều — ví dụ xoá dữ liệu quá 1 năm bằng DROP TABLE 1 partition thay
vì DELETE hàng triệu dòng.
-- Range partitioning theo thời gian — pattern phổ biến nhất cho bảng log/event
CREATE TABLE events (
id BIGSERIAL, event_type TEXT, created_at TIMESTAMPTZ NOT NULL
) PARTITION BY RANGE (created_at);
CREATE TABLE events_2026_01 PARTITION OF events
FOR VALUES FROM ('2026-01-01') TO ('2026-02-01');
CREATE TABLE events_2026_02 PARTITION OF events
FOR VALUES FROM ('2026-02-01') TO ('2026-03-01');
| Chiến lược | Phù hợp cho |
|---|---|
| Range | Dữ liệu theo thời gian (log, sự kiện, đơn hàng theo tháng) |
| Hash | Phân bố đều khi không có tiêu chí range tự nhiên, tránh hotspot |
| List | Phân theo giá trị rời rạc cụ thể (ví dụ theo quốc gia, theo tenant) |
Sharding — trải dữ liệu ra nhiều database độc lập
Khi ngay cả partitioning trong 1 máy chủ cũng không đủ (CPU/RAM/disk I/O của 1 máy đã chạm giới hạn),
sharding trải dữ liệu ra nhiều database vật lý độc lập, mỗi shard chỉ chứa 1 phần dữ liệu
theo shard key (ví dụ user_id % 16 hoặc theo vùng địa lý). Đây là bước nhảy vọt về độ phức
tạp vận hành: không còn transaction xuyên shard dễ dàng, JOIN giữa dữ liệu ở 2 shard khác nhau phải xử lý
ở tầng application, và mỗi shard cần backup/monitoring/failover riêng.
Thiết kế Shard Key — quyết định quan trọng nhất và khó sửa nhất
Shard key tốt cần 2 tính chất: phân bố đều (tránh hotspot — 1 shard nhận quá nhiều tải
trong khi các shard khác rảnh rỗi) và khớp với pattern truy vấn phổ biến nhất (hầu hết
query nên chỉ cần chạm 1 shard). Sai lầm phổ biến: chọn created_at làm shard key cho hệ thống
ghi liên tục — mọi ghi mới đều dồn vào shard "mới nhất", tạo hotspot nghiêm trọng. Với hệ thống đa
khách hàng (multi-tenant), tenant_id thường là shard key tự nhiên vì hầu hết truy vấn đã lọc
theo tenant sẵn.
Consistent hashing là kỹ thuật giúp giảm số lượng dữ liệu cần di chuyển lại khi thêm/bớt
shard — thay vì hash(key) % N (khi N đổi, gần như toàn bộ dữ liệu phải map lại), consistent
hashing chỉ cần di chuyển một phần nhỏ dữ liệu tương ứng với shard mới thêm vào.
Khi nào KHÔNG nên sharding
Sharding giải quyết vấn đề của các công ty ở quy mô rất lớn (hàng trăm triệu-tỷ dòng, ghi vượt quá khả năng 1 máy chủ mạnh nhất hiện có) nhưng đánh đổi bằng độ phức tạp vận hành tăng vọt vĩnh viễn. Trước khi sharding, hãy chắc chắn đã tận dụng hết các bước rẻ hơn: index đúng (Module 3), read replica (Module 6), caching (Module 9), nâng cấp phần cứng máy chủ (vertical scaling — một máy chủ hiện đại có thể xử lý tải lớn hơn nhiều người tưởng), và partitioning trong 1 database. Rất nhiều đội kỹ thuật sharding quá sớm "vì nghĩ sẽ cần", rồi gánh chịu độ phức tạp không tương xứng với tải thực tế đang có.
🏋️ Bài tập thực hành
Tạo bảng events chưa partition với 5 triệu dòng dữ liệu giả trải trên 12 tháng, đo thời gian của query lọc theo 1 khoảng thời gian ngắn (1 tuần) và thời gian xoá dữ liệu quá 6 tháng. Chuyển bảng sang range partitioning theo tháng, tạo lại cùng dữ liệu, đo lại cả 2 thao tác trên và so sánh. Sau đó viết ra (không cần code) thiết kế shard key cho 1 hệ thống multi-tenant SaaS giả định, giải thích vì sao chọn key đó và hotspot nào có thể xảy ra nếu chọn sai.
📚 Tài nguyên học tập
-
PostgreSQL — Table PartitioningTài liệu chính thức về range/list/hash partitioningDocs
-
Vitess — Sharding DocumentationHệ thống sharding MySQL production-grade (dùng bởi YouTube, Slack)Docs
-
Citus — Distributed PostgreSQLExtension PostgreSQL cho sharding/distributed tablesDocs
✅ Tự đánh giá hoàn thành
- Tạo và đo được hiệu quả thực tế của partition pruning trên 1 bảng lớn
- Giải thích rõ ràng sự khác nhau giữa partitioning và sharding cho người khác nghe hiểu
- Thiết kế được shard key hợp lý cho 1 bài toán cụ thể, tránh hotspot
- Liệt kê được ít nhất 3 giải pháp rẻ hơn cần thử trước khi quyết định sharding