การแบ่งส่วนข้อมูลฐานข้อมูลคืออะไร

องค์กรใช้การแบ่งส่วนฐานข้อมูลเพื่อประโยชน์ต่อไปนี้:

ลดเวลาตอบกลับ

การดึงข้อมูลใช้เวลานานสำหรับฐานข้อมูลขนาดใหญ่ ระบบการจัดการฐานข้อมูล จำเป็นต้องค้นหาหลายแถวเพื่อดึงข้อมูลที่ถูกต้อง ในทางตรงกันข้าม ส่วนข้อมูลนั้นมีแถวน้อยกว่าฐานข้อมูลทั้งหมด ดังนั้นจึงใช้เวลาน้อยลงในการดึงข้อมูลที่ต้องการหรือเรียกใช้รันคิวรี่ฐานข้อมูลที่แบ่งส่วนแล้ว 

หลีกเลี่ยงปัญหาการหยุดชะงักของบริการทั้งหมด

ถ้าคอมพิวเตอร์ที่เป็นโฮสต์ฐานข้อมูลล้มเหลว แอปพลิเคชันที่ขึ้นอยู่กับฐานข้อมูลนั้นก็จะล้มเหลวเช่นกัน การแบ่งส่วนฐานข้อมูลป้องกันปัญหานี้โดยการกระจายส่วนของฐานข้อมูลลงในคอมพิวเตอร์ต่างๆ ความล้มเหลวของคอมพิวเตอร์เครื่องใดเครื่องหนึ่งจะไม่ชัตดาวน์แอปพลิเคชันเนื่องจากยังสามารถทำงานกับส่วนข้อมูลอื่นๆ ได้ โดยยังมักจะทำการแบ่งส่วนข้อมูลร่วมกับการจำลองข้อมูลข้ามส่วนข้อมูลด้วย ดังนั้น ถ้าหนึ่งส่วนข้อมูลใช้การไม่ได้ จะยังคงสามารถเข้าถึงข้อมูลและกู้คืนจากส่วนข้อมูลสำรองได้

ปรับขนาดได้อย่างมีประสิทธิภาพ

ฐานข้อมูลที่เติบโตขึ้นใช้ทรัพยากรการประมวลผลมากขึ้นและบรรลุขีดความจุสูงสุด องค์กรสามารถใช้การแบ่งส่วนฐานข้อมูลเพื่อเพิ่มทรัพยากรการประมวลผลมากขึ้นเพื่อรองรับการปรับฐานข้อมูล พวกเขาสามารถเพิ่มส่วนข้อมูลใหม่ที่รันไทม์ได้โดยไม่ต้องปิดแอปพลิเคชันสำหรับการบำรุงรักษา

วิธีการแบ่งส่วนฐานข้อมูลใช้กฎที่แตกต่างกันกับคีย์ส่วนข้อมูลเพื่อระบุโหนดที่ถูกต้องสำหรับแถวข้อมูลนั้นๆ ต่อไปนี้คือสถาปัตยกรรมการแบ่งส่วนข้อมูลทั่วไป

การแบ่งส่วนข้อมูลตามช่วง

การแบ่งส่วนข้อมูลตามช่วงหรือการแบ่งส่วนข้อมูลแบบไดนามิกจะแบ่งแถวฐานข้อมูลตามช่วงของค่า จากนั้นนักออกแบบฐานข้อมูลจะกำหนดคีย์ส่วนข้อมูลให้กับช่วงนั้นๆ ยกตัวอย่างเช่น นักออกแบบฐานข้อมูลจะแบ่งพาร์ทิชันข้อมูลตามพยัญชนะตัวแรกของชื่อของลูกค้า ดังต่อไปนี้ 

 

ชื่อ	คีย์ของส่วนข้อมูล
เริ่มต้นด้วย A ถึง I	ก.
เริ่มต้นด้วย J ถึง S	ข.
เริ่มต้นด้วย T ถึง Z	ค.

 

เมื่อมีการเขียนบันทึกลูกค้าไปยังฐานข้อมูล แอปพลิเคชันจะระบุคีย์ของส่วนข้อมูลที่ถูกต้องโดยการตรวจสอบชื่อของลูกค้า จากนั้นแอปพลิเคชันจะจับคู่คีย์กับโหนดกายภาพและจัดเก็บแถวไปยังเครื่องดังกล่าว ในทำนองเดียวกัน แอปพลิเคชันจะทำการจับคู่ย้อนกลับเมื่อค้นหาบันทึกใดโดยเฉพาะ

ข้อดีและข้อเสีย

ขึ้นอยู่กับค่าข้อมูล การแบ่งส่วนตามช่วงสามารถทำให้เกิดข้อมูลเกินพิกัดในโหนดกายภาพเดียวได้ ในตัวอย่างของเรา ส่วนข้อมูล (ที่มีชื่อที่ขึ้นต้นด้วย A ถึง I) อาจจะมีจำนวนมากกว่าส่วนข้อมูล C มาก (ที่มีชื่อที่ขึ้นต้นด้วย T ถึง Z) แต่อย่างไรก็ตาม การนำไปใช้จริงนั้นก็ง่ายกว่า

ส่วนข้อมูลแบบแฮช

ส่วนข้อมูลแบบแฮชจะกำหนดคีย์ส่วนข้อมูลให้กับแต่ละแถวของฐานข้อมูล โดยใช้สูตรทางคณิตศาสตร์ที่เรียกว่าฟังก์ชั่นแฮช ฟังก์ชั่นแฮชจะนำข้อมูลจากแถวนั้นมาละสร้างเป็นค่าแฮช แอปพลิเคชันจะใช้ค่าแฮชเป็นคีย์ส่วนข้อมูลและจัดเก็บข้อมูลไว้ในส่วนข้อมูลกายภาพนั้นๆ

นักพัฒนาซอฟต์แวร์ใช้ส่วนข้อมูลแบบแฮชเพื่อกระจายข้อมูลในฐานข้อมูลในหมู่ส่วนข้อมูลต่างๆ ยกตัวอย่างเช่น ซอฟต์แวร์แยกระเบียนของลูกค้าออกเป็นสองส่วนข้อมูลที่มีค่าแฮชเท่ากับ 1 และ 2 

ชื่อ	ค่าแฮช
จอห์น	1
เจน	2
เปาโล	1
แวง	2

ข้อดีและข้อเสีย

แม้ว่าการแบ่งส่วนข้อมูลแบบแฮชจะทำให้กระจายข้อมูลได้ทั่วถึงกันในส่วนข้อมูลกายภาพ แต่ก็ไม่ได้แยกฐานข้อมูลตามความหมายของข้อมูล ดังนั้น นักพัฒนาซอฟต์แวร์อาจประสบปัญหาการกำหนดค่าแฮชเมื่อเพิ่มส่วนข้อมูลกายภาพไปยังสภาพแวดล้อมการประมวลผลมากขึ้น 

ส่วนข้อมูลไดเรกทอรี

ส่วนข้อมูลไดเรกทอรีใช้ตารางการค้นหาในการจับคู่ข้อมูลในฐานข้อมูลเข้ากับส่วนข้อมูลกายภาพที่เกี่ยวข้องกัน ตารางการค้นหาเป็นเหมือนตารางบนสเปรดชีตที่เชื่อมโยงคอลัมน์ฐานข้อมูลกับคีย์ส่วนข้อมูล ตัวอย่างเช่น แผนภาพต่อไปนี้แสดงตารางการค้นหาสำหรับสีเสื้อผ้า

สี	คีย์ของส่วนข้อมูล
สีน้ำเงิน	ก.
สีแดง	ข.
สีเหลือง	ค.
สีดำ	ง.

เมื่อแอปพลิเคชันเก็บข้อมูลเสื้อผ้าในฐานข้อมูล แอปพลิเคชันนั้นจะอ้างอิงจากตารางการค้นหา ถ้าชุดเป็นสีฟ้า แอปพลิเคชันจะจัดเก็บข้อมูลไว้ในส่วนข้อมูลที่ตรงกัน 

ข้อดีและข้อเสีย

นักพัฒนาซอฟต์แวร์ใช้ส่วนข้อมูลไดเรกทอรีเพราะมีความยืดหยุ่น แต่ละส่วนข้อมูลเป็นตัวแทนความหมายของฐานข้อมูลและไม่ได้จำกัดโดยช่วง อย่างไรก็ตาม ส่วนข้อมูลไดเรกทอรีจะล้มเหลวถ้าตารางการค้นหาประกอบด้วยข้อมูลที่ไม่ถูกต้อง 

ส่วนข้อมูลภูมิศาสตร์

ส่วนข้อมูลภูมิศาสตร์จะแยกและเก็บข้อมูลฐานข้อมูลตามตำแหน่งทางภูมิศาสตร์ ยกตัวอย่างเช่น เว็บไซต์บริการหาคู่ ใช้ฐานข้อมูลเพื่อเก็บข้อมูลลูกค้าจากเมืองต่างๆ ดังนี้ 

ชื่อ	คีย์ของส่วนข้อมูล
จอห์น	แคลิฟอร์เนียเหนือ
เจน	วอชิงตัน
เปาโล	แอริโซนา

นักพัฒนาซอฟต์แวร์ใช้เมืองเป็นคีย์ส่วนข้อมูล โดยจะเก็บข้อมูลของลูกค้าแต่ละรายในส่วนข้อมูลกายภาพที่อยู่ทางภูมิศาสตร์ในเมืองที่เกี่ยวข้อง 

ข้อดีและข้อเสีย

ส่วนข้อมูลภูมิศาสตร์ช่วยให้แอปพลิเคชันสามารถเรียกข้อมูลได้เร็วขึ้นเนื่องจากระยะห่างระหว่างส่วนข้อมูลและลูกค้าที่ร้องขอ ถ้ารูปแบบการเข้าถึงข้อมูลส่วนใหญ่ขึ้นอยู่กับภูมิศาสตร์แล้ว วิธีนี้เป็นวิธีที่เหมาะสม แต่อย่างไรก็ตาม ส่วนข้อมูลทางภูมิศาสตร์ก็อาจส่งผลให้มีการกระจายข้อมูลที่ไม่สม่ำเสมอ 

การแบ่งส่วนฐานข้อมูลเป็นกลยุทธ์การปรับขนาดแนวนอนที่จัดสรรโหนดหรือคอมพิวเตอร์ที่จะแบ่งปันเวิร์กโหลดของแอปพลิเคชันเพิ่มเติม องค์กรได้รับประโยชน์จากการปรับขนาดแนวนอนเพราะเป็นสถาปัตยกรรมทที่มีข้อผิดพลาดน้อย เมื่อคอมพิวเตอร์เครื่องหนึ่งหยุดทำงาน เครื่องอื่น จะยังคงทำงานโดยไม่หยุดชะงัก นักออกแบบฐานข้อมูลจะเวลาดาวน์ไท์ได้โดยการกระจายส่วนข้อมูลกายภาพไว้ในเซิร์ฟเวอร์หลายเครื่อง 

อย่างไรก็ตาม ส่วนข้อมูลเป็นเพียงหนึ่งในกลยุทธ์การปรับขนาดฐานข้อมูลมากมาย เรียนรู้เทคนิคอื่นๆ และเข้าใจความแตกต่าง

การปรับขนาดแนวตั้ง

การปรับขนาดแนวตั้งเพิ่มพลังการประมวลผลของเครื่องเครื่องเดียว ตัวอย่างเช่น ทีมไอทีจะเพิ่ม CPU, RAM และฮาร์ดดิสก์ไปยังเซิร์ฟเวอร์ฐานข้อมูลเพื่อเพิ่มปริมาณการใช้งานที่เพิ่มขึ้น 

การเปรียบเทียบการเข้ารหัสฐานข้อมูลและการปรับขนาดแนวตั้ง

การปรับขนาดแนวตั้งมีค่าใช้จ่ายน้อย แต่มีข้อจำกัดในการใช้ทรัพยากรประมวลผลที่ไม่สามารถปรับขนาดแนวตั้งได้ แต่อีกด้านหนึ่ง การแบ่งส่วนข้อมูลซึ่งเป็นกลยุทธ์การปรับขนาดแนวนอนจะง่ายต่อการนำไปใช้จริงมากกว่า ตัวอย่างเช่น ทีม IT ติดตั้งคอมพิวเตอร์หลายเครื่องแทนการปรับรุ่นฮาร์ดแวร์คอมพิวเตอร์เก่า

การจำลองแบบ

การจำลองแบบเป็นเทคนิคที่สร้างสำเนาที่แน่นอนของฐานข้อมูลและเก็บไว้ในคอมพิวเตอร์หลายเครื่อง นักออกแบบฐานข้อมูลใช้การจำลองแบบในการออกแบบ ระบบการจัดการฐานข้อมูลแบบเชิงสัมพันธ์ที่มีความผิดพลาดต่ำ เมื่อหนึ่งในคอมพิวเตอร์ที่โฮสต์ฐานข้อมูลหยุดทำงาน แบบจำลองอื่นๆ จะยังคงทำงานอยู่ การจำลองแบบเป็นแนวทางปฏิบัติทั่วไปในระบบคอมพิวเตอร์แบบกระจาย

การเปรียบเทียบการแบ่งส่วนฐานข้อมูลและการจำลองแบบ

การแบ่งส่วนฐานข้อมูลไม่ได้สร้างสำเนาของข้อมูลเดียวกัน แต่เป็นการแยกฐานข้อมูลหนึ่งออกเป็นหลายส่วนและเก็บไว้ในคอมพิวเตอร์หลายเครื่อง ซึ่งแตกต่างจากการจำลองแบบ การแบ่งส่วนฐานข้อมูลไม่ได้ทำให้เกิดความพร้อมใช้งานสูง การแบ่งส่วนข้อมูลสามารถใช้ร่วมกับการจำลองแบบเพื่อให้ได้ทั้งขนาดและความพร้อมใช้งานสูงได้

ในบางกรณี การแบ่งส่วนฐานข้อมูลอาจประกอบด้วยการจำลองแบบของชุดข้อมูลใดข้อมูลหนึ่ง ยกตัวอย่างเช่น ร้านค้าปลีกที่ขายสินค้าให้กับลูกค้าทั้งสหรัฐอเมริกาและยุโรปอาจเก็บแบบจำลองของตารางการแปลงขนาดบนส่วนข้อมูลคนละส่วนสำหรับทั้งสองภูมิภาค แอปพลิเคชันสามารถใช้สำเนาที่คัดลอกไว้ของตารางการแปลงเพื่อแปลงขนาดได้โดยไม่ต้องเข้าถึงเซิร์ฟเวอร์ฐานข้อมูลอื่นๆ 

การแบ่งพาร์ทิชัน

พาร์ทิชันเป็นกระบวนการของการแยกตารางฐานข้อมูลออกเป็นหลายกลุ่ม โดยแบ่งออกได้เป็น 2 ประเภท คือ 

• การแบ่งพาร์ทิชันแนวนอนที่แยกฐานข้อมูลเป็นแถว
• การแบ่งพาร์ทิชันแนวตั้งที่สร้างพาร์ทิชันต่างๆ ของคอลัมน์ฐานข้อมูล 

เปรียบเทียบการแบ่งส่วนฐานข้อมูลและการแบ่งพาร์ทิชัน

การแบ่งส่วนฐานข้อมูลเป็นเหมือนการแบ่งพาร์ทิชันแนวนอน ทั้งสองกระบวนการแยกฐานข้อมูลออกเป็นกลุ่มแถวที่ไม่ซ้ำกันหลายกลุ่ม การแบ่งพาร์ทิชันจะเก็บกลุ่มข้อมูลทั้งหมดในคอมพิวเตอร์เครื่องเดียวกัน แต่การแบ่งส่วนฐานข้อมูลกระจายไปทั่วคอมพิวเตอร์หลากหลายเครื่อง

AWS เป็น แพลตฟอร์มการจัดการข้อมูลระดับโลกที่คุณสามารถใช้เพื่อสร้างกลยุทธ์ข้อมูลที่ทันสมัย ด้วย AWS คุณสามารถเลือกฐานข้อมูลที่สร้างตามวัตถุประสงค์ ที่เหมาะสม บรรลุประสิทธิภาพในระดับที่เหมาะสม เรียกใช้ฐานข้อมูลที่มีการจัดการอย่างเต็มรูปแบบ และมีความพร้อมใช้งานและความปลอดภัยสูง

เริ่มต้นการบริหารจัดการข้อมูลบน AWS ด้วยการสร้างบัญชี AWS วันนี้