我也一直在研究这个问题，尽管到目前为止我是这个问题的参考，但我收集了一些关键的事实和观点，我想分享:

分区是将逻辑数据库或其组成元素划分为不同的独立部分。数据库分区通常是出于可管理性、性能或可用性的考虑，例如为了负载平衡。

https://en.wikipedia.org/wiki/Partition_(数据库)

分片是一种分区，例如水平分区(HP)。

还有垂直分区(VP)，将一个表分割成更小的不同部分。归一化还涉及到跨表的列分割，但是垂直分区不仅限于此，甚至在已经归一化的情况下还会对列进行分区。

https://en.wikipedia.org/wiki/Shard_ (database_architecture)

我真的很喜欢Tony Baco在Quora上的回答，他让你从模式(而不是列和行)的角度思考。他说……

“水平分区”，或分片，复制[复制]模式，然后根据一个分片键划分数据。

“垂直分区”涉及对模式进行划分(数据也随之进行划分)。

https://www.quora.com/Whats-the-difference-between-sharding-DB-tables-and-partitioning-them

Oracle的数据库分区指南有一些不错的数据。我从这篇文章中抄了几段。

https://docs.oracle.com/cd/B28359_01/server.111/b32024/partition.htm

何时对表进行分区

下面是一些关于何时划分表的建议:

大于2 GB的表应该始终被视为候选表 分区。 包含历史数据的表，其中新数据被添加到最新的分区中。一个典型的例子是一个历史表，其中只有当前月份的数据是可更新的，其他11个月的数据是只读的。 当一个表的内容需要分布在不同类型的存储设备上时。

分区修剪

Partition pruning is the simplest and also the most substantial means to improve performance using partitioning. Partition pruning can often improve query performance by several orders of magnitude. For example, suppose an application contains an Orders table containing a historical record of orders, and that this table has been partitioned by week. A query requesting orders for a single week would only access a single partition of the Orders table. If the Orders table had 2 years of historical data, then this query would access one partition instead of 104 partitions. This query could potentially execute 100 times faster simply because of partition pruning.

分区策略

范围 哈希 列表

你可以阅读他们的文字，想象他们的图像，这些图像很好地解释了一切。

最后，重要的是要理解数据库是极其资源密集型的:

CPU 磁盘 I / O 内存

许多DBA将在同一台机器上进行分区，这些分区将共享所有资源，但通过分割数据和/或索引来改进磁盘和I/O。

而其他策略将采用“无共享”架构，其中碎片将驻留在独立的计算单元(节点)上，拥有100%的CPU、磁盘、I/O和内存。提供它自己的一组优势和复杂性。

https://en.wikipedia.org/wiki/Shared_nothing_architecture

When talking about partitioning please do not use term replicate or replication. Replication is a different concept and out of scope of this page. When we talk about partitioning then better word is divide and when we talk about sharding then better word is distribute. In partition (normally and in common understanding not always) the rows of large data set table are divided into two or more disjoint (not sharing any row) groups. You can call each group a partition. These groups or all the partitions remain under the control of once RDMB instance and this is all logical. The base of each group can be a hash or range or etc. If you have ten years data in a table then you can store each of the year's data in a separate partition and this can be achieved by setting partition boundaries on the basis of a non-null column CREATE_DATE. Once you query the db then if you specify a create date between 01-01-1999 and 31-12-2000 then only two partitions will be hit and it will be sequential. I did similar on DB for billion + records and sql time came to 50 millis from 30 seconds using indices etc all. Sharding is that you host each partition on a different node/machine. Now searching inside the partitions/shards can happen in parallel.

水平分区的特殊情况下的分片，当分区跨越多个数据库实例时。如果一个数据库是分片的，这意味着根据定义它是分区的。

假设数据库中的一个表有100万行和100列 在Partitioning中，你可以将表分成2个或更多具有如下属性的表:

40万行(表1)，60万行(表2) 100万行60列(表1)和100万行40列(表2) 可能有很多这样的案例

这是一般分区

但Sharding仅指第一种情况，即我们根据行划分数据。如果我们将表划分为多个表，我们需要维护模式的多个类似副本，因为现在我们有多个表。

我也一直在研究这个问题，尽管到目前为止我是这个问题的参考，但我收集了一些关键的事实和观点，我想分享:

分区是将逻辑数据库或其组成元素划分为不同的独立部分。数据库分区通常是出于可管理性、性能或可用性的考虑，例如为了负载平衡。

https://en.wikipedia.org/wiki/Partition_(数据库)

分片是一种分区，例如水平分区(HP)。

还有垂直分区(VP)，将一个表分割成更小的不同部分。归一化还涉及到跨表的列分割，但是垂直分区不仅限于此，甚至在已经归一化的情况下还会对列进行分区。

https://en.wikipedia.org/wiki/Shard_ (database_architecture)

我真的很喜欢Tony Baco在Quora上的回答，他让你从模式(而不是列和行)的角度思考。他说……

“水平分区”，或分片，复制[复制]模式，然后根据一个分片键划分数据。

“垂直分区”涉及对模式进行划分(数据也随之进行划分)。

https://www.quora.com/Whats-the-difference-between-sharding-DB-tables-and-partitioning-them

Oracle的数据库分区指南有一些不错的数据。我从这篇文章中抄了几段。

https://docs.oracle.com/cd/B28359_01/server.111/b32024/partition.htm

何时对表进行分区

下面是一些关于何时划分表的建议:

大于2 GB的表应该始终被视为候选表 分区。 包含历史数据的表，其中新数据被添加到最新的分区中。一个典型的例子是一个历史表，其中只有当前月份的数据是可更新的，其他11个月的数据是只读的。 当一个表的内容需要分布在不同类型的存储设备上时。

分区修剪

Partition pruning is the simplest and also the most substantial means to improve performance using partitioning. Partition pruning can often improve query performance by several orders of magnitude. For example, suppose an application contains an Orders table containing a historical record of orders, and that this table has been partitioned by week. A query requesting orders for a single week would only access a single partition of the Orders table. If the Orders table had 2 years of historical data, then this query would access one partition instead of 104 partitions. This query could potentially execute 100 times faster simply because of partition pruning.

分区策略

范围 哈希 列表

你可以阅读他们的文字，想象他们的图像，这些图像很好地解释了一切。

最后，重要的是要理解数据库是极其资源密集型的:

CPU 磁盘 I / O 内存

许多DBA将在同一台机器上进行分区，这些分区将共享所有资源，但通过分割数据和/或索引来改进磁盘和I/O。

而其他策略将采用“无共享”架构，其中碎片将驻留在独立的计算单元(节点)上，拥有100%的CPU、磁盘、I/O和内存。提供它自己的一组优势和复杂性。

https://en.wikipedia.org/wiki/Shared_nothing_architecture

水平分区移动到另一个数据库实例*时将成为数据库碎片。

数据库实例可以在同一台机器上，也可以在另一台机器上。