Azure专用池：哈希分布+日期分区下分区切换高效运作的原理

首先要明确你误解的核心点：哈希分布和分区是正交的两层结构，并非你想的那样分区数据会被哈希打散到各个分布后无法统一处理。

当你的表按product哈希分布、date分区时，整个表会被拆分成多个独立的分布节点（比如Azure Synapse里默认是60个），每个分布节点内部本身就是一张按date分区的表。也就是说，2010年的数据并非散落在所有分布的各个位置，而是在每个分布里都有一个独立的、完整的2010年分区——每个分布只存储一部分product对应的2010年数据，但这部分数据在该分布内是作为一个单独的分区存在的。

分区切换之所以高效，核心原因是它本质是元数据操作，而非数据移动/删除操作，具体流程是这样的：

• 你需要先创建一个和原表结构完全匹配的空表：同样的哈希分布列、同样的分区方案、同样的聚集列存储索引。这个空表的每个分布里也会有对应的2010年空分区。
• 执行分区切换指令时，数据库引擎会并行在所有分布节点上操作：对每个分布来说，只是把原表中该分布的2010分区的元数据，和空表中该分布的2010分区元数据做交换——相当于把每个分布里的2010年数据的“归属权”从原表转移到了空表（或归档表）。
• 整个过程没有任何数据的扫描、移动或删除，只是修改了系统目录里的元数据指针，所以无论2010年的数据量有多大，操作都能瞬间完成。

你担心的“在所有分布中并行查询并删除数据”是完全不会发生的——分区切换从设计上就避免了这种重操作，利用分布和分区的分层结构，把全局操作拆解成每个分布内部的轻量元数据变更，再通过并行执行保证整体效率。

内容的提问来源于stack exchange，提问作者Tony