分区表不直接加速 GROUP BY，它靠让数据库少扫数据来间接提速——关键看 WHERE 条件能否触发分区剪枝；若查询未带分区键的确定性等值或范围条件（如 WHERE dt >= '2026-07-01'），则仍需扫描全部分区，GROUP BY 无法受益。
分区表不直接加速 GROUP BY，它靠让数据库少扫数据来间接提速——关键看 WHERE 条件能不能触发分区剪枝。
为什么加了分区，GROUP BY 还是慢？
常见错误是只建了分区，但查询没带分区键过滤条件。比如按 dt（日期）分区的表，执行 SELECT region, SUM(sales) FROM orders GROUP BY region，引擎仍得扫描所有分区，分区白建。
- 分区剪枝必须依赖
WHERE中对分区键的**确定性范围或等值条件**，例如WHERE dt >= '2026-07-01' AND dt -
GROUP BY字段本身是不是分区键不重要，但若两者组合使用（如WHERE dt BETWEEN ... GROUP BY region），且region上有索引，效果最好 - MySQL 8.0+、PostgreSQL 12+、SQL Server 2016+ 才原生支持高效剪枝；旧版本即使语法支持，执行计划里也常显示
type: ALL或Partition: all
怎么验证分区剪枝是否生效？
别信“建了就有效”，必须看执行计划。不同数据库命令不同，但核心都是找 Extra 或 Partition 字段：
- MySQL：用
EXPLAIN FORMAT=TREE或EXPLAIN PARTITIONS，确认partitions列只列出目标分区（如p202607,p202608），不是all - PostgreSQL：用
EXPLAIN (ANALYZE, VERBOSE)，看输出里是否有Partition Elimination提示，以及实际扫描的子表名（如orders_202607） - SQL Server：用
SET STATISTICS XML ON，在执行计划 XML 中搜索PartitionCount和ActualPartitionCount，二者应相等且远小于总分区数
分区数量和大小怎么设才不影响 GROUP BY？
分区太多会抬高调度开销，太少又起不到剪枝效果。实测下来，单个分区行数在 500 万–2000 万之间较稳，对应物理大小约 100–250MB。
- 查 MySQL 分区大小：
SELECT PARTITION_NAME, TABLE_ROWS, DATA_LENGTH FROM INFORMATION_SCHEMA.PARTITIONS WHERE TABLE_NAME = 'orders' - 查 PostgreSQL 分区大小：
SELECT pg_total_relation_size('orders_202607')，再结合\d+ orders看结构 - SQL Server 的
sys.dm_db_partition_stats.row_count是近似值，需配合DBCC UPDATEUSAGE校准后再判断 - 避免按
user_id % 100这类哈希字段分区后，再查WHERE status = 'paid'——无法剪枝，全扫照旧
真正容易被忽略的是：分区剪枝不是自动发生的，它完全依赖优化器能否从 WHERE 条件中推导出分区边界。哪怕条件写成 WHERE DATE(dt) = '2026-07-15'，也会因函数调用导致剪枝失效——必须用原生列做范围比较。
