Партиционирование таблиц БД: реализация под ключ

Партиционирование таблиц БД: ускорение запросов и управление данными

Мы реализуем партиционирование таблиц баз данных. Проблема роста данных — одна из самых частых причин падения скорости. На прошлом проекте у клиента таблица events выросла до 500 млн строк, запросы висели по 30 секунд. Мы внедрили партиционирование по месяцам — время отклика упало до 50 мс, а стоимость хранения снизилась на 40% за счет архивации старых разделов.

На другом проекте таблица логов занимала 1.5 ТБ, после разделения по дням активный набор сократился до 50 ГБ, а TTFB упал с 3 секунд до 200 мс. Без партиционирования каждый SELECT сканирует всю таблицу, растут LCP и INP. Partition pruning отсекает ненужные разделы, ускоряя запросы в 5–20 раз в зависимости от селективности. Типичная выборка за последний месяц при range-разбиении по дате выполняется в 10 раз быстрее полного сканирования.

Наши инженеры имеют 10+ лет опыта в оптимизации баз данных и успешно реализовали более 50 проектов с партиционированием. Мы гарантируем корректную работу решения.

Какие проблемы решает партиционирование таблиц?

• Падение скорости: большие таблицы без партиционирования сканируют всё, растут LCP и TTFB. Запросы с фильтром по дате или категории — самые частые жертвы.
• Трудности с обслуживанием: очистка или архивация старых данных превращается в мучительное DELETE с блокировками.
• Высокие затраты на хранение: SSD дорог, а хранить всю историю на быстром диске нерационально.

Как мы внедряем партиционирование таблиц

Стек и инструменты

Типы партиционирования: сравнение

Конкретный кейс

Заказчик — маркетинговое агентство. Таблица событий — 500 млн строк, рост 10 млн в месяц. Запросы к статистике за последний год тормозили, бэкапы весили 200 ГБ.

Мы спроектировали range-партиционирование по created_at с месячными разделами. Подключили pg_partman: премейк 3 партиции вперед, retention 12 месяцев (автоудаление).

CREATE TABLE events (
    id          BIGSERIAL,
    user_id     INTEGER NOT NULL,
    event_type  VARCHAR(64) NOT NULL,
    payload     JSONB,
    created_at  TIMESTAMPTZ NOT NULL DEFAULT now()
) PARTITION BY RANGE (created_at);

CREATE TABLE events_2023_01 PARTITION OF events
    FOR VALUES FROM ('2023-01-01') TO ('2023-02-01');

-- pg_partman: создание расписания
SELECT partman.create_parent(
    p_parent_table => 'public.events',
    p_control      => 'created_at',
    p_type         => 'native',
    p_interval     => 'monthly',
    p_premake      => 3
);

Результат: запросы ускорились в 10 раз, размер продакшена — только актуальные 6 месяцев, старые данные в объектном хранилище.

Почему важен правильный выбор ключа партиционирования?

Partition pruning срабатывает только когда WHERE явно использует ключ. Типичная ошибка — оборачивать ключ в функцию: DATE(created_at) = '2023-01-15' — pruning отключается. Правильно: created_at >= '2023-01-15' AND created_at < '2023-01-16'. Мы проверяем это при тестировании.

Как выполнить миграцию без простоя?

1. Создаем новую партиционированную таблицу с тем же набором полей.
2. Копируем данные батчами по месяцам (отдельные INSERT).
3. Переключаем через транзакцию: ALTER TABLE events RENAME TO events_old; ALTER TABLE events_partitioned RENAME TO events; — секунды.
4. Удаляем старую таблицу после недели мониторинга.
5. Настраиваем pg_partman для автоматического управления.

Процесс работы

1. Аналитика — профилируем запросы, выявляем самые медленные, оцениваем объем данных и скорость роста.
2. Проектирование — выбираем ключ и тип партиционирования (range, hash, list), число разделов.
3. Реализация — пишем скрипты, настраиваем pg_partman, создаем исторические партиции.
4. Тестирование — проверяем partition pruning, замеряем производительность до/после.
5. Деплой — миграция по описанной схеме, в рабочее время или с минимальным окном.
6. Мониторинг — настраиваем алерты на пропущенные партиции и превышение порогов.

Сроки и что входит

Ориентировочные сроки: от 3 до 10 рабочих дней. Стоимость рассчитывается индивидуально.

Входит в работу:

• Документация схемы партиционирования
• Скрипты создания и управления партициями
• Настройка автоматического обслуживания (pg_partman или аналог)
• Инструкция по мониторингу и алертам
• Гарантия 3 месяца на корректную работу

Закажите консультацию по вашему проекту — мы проанализируем нагрузку и предложим оптимальное решение.

Типичные ошибки при партиционировании таблиц

• Неправильный ключ — pruning не работает, производительность падает
• Индексы созданы на родителе, но не на всех партициях (PG<11)
• Отсутствует премейк — новые партиции не создаются вовремя
• В MySQL уникальные ключи обязаны включать ключ партиционирования

Когда партиционирование не нужно

• Таблица меньше 10–20 млн строк — достаточно индексов
• Нет четкого ключа (данные без временной или категориальной метки)
• Запросы не фильтруют по ключу — выгоды не будет

Подробнее о партиционировании PostgreSQL — официальная документация

Свяжитесь с нами для бесплатной оценки вашего проекта. Мы проанализируем нагрузку и предложим оптимальное решение.

Услуги бэкенд-разработки: Laravel, Node.js, Go, Django, PostgreSQL

На production-сервере в 3:14 ночи очередь Laravel Jobs перестала обрабатываться. 40 000 необработанных задач в Redis. Причина: worker упал из-за memory leak в одном из Jobs (утечка через статическую переменную в Eloquent observer), supervisor не перезапустил его из-за misconfigured stopwaitsecs. Это не гипотетический сценарий — это вторник. Мы разбирали такой инцидент на проекте с нагрузкой 500 RPS: диагностика заняла 4 часа, фикс — 20 минут. Чтобы вы не теряли деньги на простоях, предлагаем услуги бэкенд-разработки с акцентом на production-grade надёжность. Оценим ваш проект за 2 дня.

Backend — это то, что работает когда никто не смотрит. Или не работает. Гарантируем, что у вас будет первый вариант.

Что мы делаем с первого дня правильно

Service Layer поверх Fat Controllers. Controller получает HTTP-запрос, валидирует его через Form Request, передаёт данные в Service, возвращает ответ. Бизнес-логика в Service, не в Controller. Это звучит банально, но большинство legacy-проектов — это контроллеры по 500 строк с SQL-запросами внутри.

Repository Pattern используем осторожно. Если вы просто оборачиваете Model::where(...) в метод репозитория — это бойлерплейт без пользы. Repository оправдан когда: нужно абстрагироваться от источника данных (БД + кеш + внешний API) или когда логика запросов достаточно сложна для изоляции.

Jobs, Events, Listeners. Всё, что можно сделать асинхронно — делаем асинхронно. Отправка email, генерация PDF, синхронизация с внешним API, пересчёт агрегатов — в Queue. Laravel Horizon для мониторинга очередей в Redis: видно throughput, failed jobs, время обработки по очередям.

Как Octane справляется с высокой нагрузкой

Laravel Octane с RoadRunner или Swoole держит приложение в памяти между запросами — убирает overhead bootstrap (загрузка конфигов, автозагрузка классов) на каждый HTTP-запрос. Прирост: 3–8x на синтетических бенчмарках, 2–4x на реальных приложениях. Важно: нельзя хранить состояние между запросами в статических переменных — это приводит именно к таким инцидентам, как в начале. Применяем это в проектах с >1000 RPS.

Что делать с N+1 запросами

N+1 — самая распространённая причина медленных страниц в Laravel-приложениях. Стандартная история: страница работала нормально на dev с 10 записями, на production с 10 000 — 8-секундная загрузка.

Laravel Debugbar в dev-окружении показывает количество запросов на страницу. Более 20 запросов на одну страницу — сигнал для audit.

Model::preventLazyLoading(! app()->isProduction());

Telescope для профилирования в staging: логирует все запросы, jobs, mail, notifications с детализацией по времени. Цифры: после внедрения eager loading время загрузки страницы падает с 8 с до 0.3 с — в 27 раз.

PostgreSQL: индексы, которые реально нужны

PostgreSQL 14+ — основная БД на всех проектах. Используем связку PgBouncer + PostgreSQL. Опыт 10+ лет, более 50 backend-проектов, 5 лет на рынке.

Как PostgreSQL помогает избежать медленных запросов

Composite indexes для частых WHERE + ORDER BY. Если у вас WHERE user_id = ? AND status = ? ORDER BY created_at DESC — нужен (user_id, status, created_at DESC). Индекс по (user_id) отдельно плохо помогает с сортировкой.

Partial indexes. Если 95% запросов идут по WHERE status = 'active':

CREATE INDEX idx_orders_active ON orders (created_at DESC)
WHERE status = 'active';

Индекс маленький, быстрый, покрывает основную нагрузку.

GIN-индексы для JSONB и массивов. @> оператор без GIN-индекса — seq scan. С индексом — быстро даже на миллионах записей.

GIN для full-text search. to_tsvector + GIN вместо LIKE '%query%'. LIKE без индекса — всегда seq scan. С pg_trgm extension и gin_trgm_ops — поддержка LIKE с индексом, полезно для CRM-поиска по частичному совпадению.

Connection pooling: почему важнее чем кажется

Rails, Laravel, Django открывают новое соединение с PostgreSQL на каждый PHP/Python процесс. На 100 воркерах — 100 соединений. PostgreSQL начинает деградировать от 200–300 активных соединений — overhead на управление соединениями становится значительным.

PgBouncer — connection pooler перед PostgreSQL. Режим transaction pooling: соединение с PostgreSQL занято только на время транзакции, между запросами возвращается в пул. 1000 приложений-воркеров → 20–50 реальных соединений к PostgreSQL. Это снижает latency на 40% и уменьшает затраты на хостинг на 30%.

Node.js с Fastify: когда это лучше Laravel

Node.js оправдан для:

• Realtime: WebSocket-серверы, Server-Sent Events, чат, live-обновления
• Streaming: большие файлы, видео, данные потоком
• High I/O concurrency: много параллельных запросов к внешним API без тяжёлой бизнес-логики
• Serverless: Lambda/Cloud Functions — Node.js стартует быстрее PHP

Fastify вместо Express: в 2–3 раза быстрее на benchmarks, встроенная JSON Schema валидация, лучшая TypeScript поддержка, plugin-архитектура.

Типичная архитектура realtime: Laravel — основная бизнес-логика и REST API. Node.js + Socket.io или ws — WebSocket сервер. Laravel публикует события в Redis Pub/Sub, Node.js подписывается и транслирует клиентам. Это разделение позволяет масштабировать WebSocket-сервер независимо от основного приложения.

Go: микросервисы и высокая нагрузка

Go используем для:

• Высоконагруженных микросервисов (> 10 000 RPS)
• Фоновых воркеров с жёсткими требованиями к latency
• Инструментов DevOps и CLI
• gRPC-сервисов в микросервисной архитектуре

Goroutines — дешевле OS-потоков в тысячи раз. 10 000 конкурентных соединений на Go — норма на одном сервере.

Но Go — не волшебная таблетка. Разработка медленнее чем на Laravel: больше бойлерплейта, нет ORM уровня Eloquent, обработка ошибок через if err != nil везде. Оправдан только когда производительность — реальное требование, не предположение.

Django и Python backend

Django с DRF (Django REST Framework) — для задач где нужен Python: ML-пайплайны, обработка данных, интеграции с AI-инструментами.

Celery для фоновых задач — аналог Laravel Queue, но сложнее в конфигурации. Celery Beat для cron-задач.

Django ORM vs raw SQL: ORM удобен для CRUD. Для аналитических запросов с несколькими JOIN, оконными функциями и CTE — connection.execute() с raw SQL читаемее и предсказуемее.

Redis: не только кеш

Redis в наших проектах выполняет несколько ролей:

Redis Cluster для горизонтального масштабирования. Sentinel для автоматического failover на standalone установках.

Деплой и инфраструктура

Docker + docker-compose — стандарт для локальной разработки и production. Каждый сервис в контейнере: PHP-FPM/Octane, Nginx, PostgreSQL, Redis, Queue Worker, Scheduler.

CI/CD через GitHub Actions:

1. Прогон тестов (PHPUnit / Pest, Vitest, Playwright)
2. Сборка Docker-образа
3. Push в Container Registry
4. Deploy: docker pull → docker-compose up -d на сервере, или Kubernetes rolling update

Zero-downtime deploy для Laravel: php artisan down --secret=TOKEN не нужен при правильной настройке. Стратегия: новый контейнер стартует рядом со старым, Nginx переключает трафик после health check, старый контейнер останавливается.

Мониторинг: Sentry для exception tracking с alerting в Slack/Telegram. Grafana + Prometheus (или Grafana Cloud) для метрик: CPU, memory, request rate, queue depth, database connection count. Алерт на: error rate > 1%, p99 latency > 2s, queue depth > 1000 jobs.

Что входит в работу под ключ

• Архитектурное проектирование (документация API, схема БД, диаграмма сервисов)
• Реализация по согласованному ТЗ с code review
• Настройка CI/CD, мониторинга, алертинга
• Нагрузочное тестирование (k6, wrk) с отчётом
• Передача исходников, доступов, инструкция по деплою
• Обучение команды заказчика (2-3 сессии)
• Гарантийная поддержка 1 месяц после сдачи

Ориентиры по срокам

Стоимость рассчитывается индивидуально после анализа требований к нагрузке, интеграциям и бизнес-логике. Типичный бюджет backend-проекта — от 500 000 до 2 000 000 рублей в зависимости от сложности. Свяжитесь с нами для бесплатного аудита вашего текущего backend — получите план оптимизации за 2 дня. Закажите консультацию.