Cómo crear particiones de tablas en Data Warehouse: paso a paso

João Barros 01 de October de 2026 4 min de lectura

Este tutorial muestra cómo crear y gestionar particiones de tablas en un Data Warehouse para mejorar el rendimiento de las consultas, el mantenimiento y la carga incremental. Explica por qué las particiones y guía mediante un ejemplo práctico en SQL para particionar una tabla de hechos por fecha.

Prerequisitos

Conocimientos básicos de SQL (SELECT, CREATE TABLE, INSERT).
Un motor de Data Warehouse que soporte particionamiento (ej.: Azure Synapse, SQL Server, Snowflake, BigQuery).
Una tabla de hechos con columna de fecha (ej.: order_date).

Paso 1: Por qué particionar una tabla en Data Warehouse

Particionar divide físicamente los datos según una columna (normalmente fecha). Esto reduce I/O en consultas que filtran por esa columna, acelera el mantenimiento (eliminar datos antiguos) y facilita las cargas incrementales. Errores comunes incluyen particionar por demasiadas columnas o por cardinalidad alta — elegir la columna correcta es crítico.

Paso 2: Elegir la estrategia de partición

Decida entre range partitioning (por intervalo de fecha), list partitioning o hash partitioning. Para hechos temporales, range por día/mes/año es lo más común. Ejemplo: particionar por month(start) permite eliminar whole partitions mensualmente, útil para retención y archivado.

Paso 3: Crear una tabla particionada (ejemplo en T-SQL)

A continuación hay un ejemplo simple en SQL Server / Azure Synapse que usa partition function y partition scheme para crear una tabla de hechos particionada por mes en la columna order_date.

-- Criar uma function de partição por mês (valores de corte: primeiro dia de cada mês)  CREATE PARTITION FUNCTION pf_OrderDate(datetime)  AS RANGE RIGHT FOR VALUES  ('2026-01-01','2026-02-01','2026-03-01','2026-04-01');    -- Criar um partition scheme que usa filegroups (exemplo simples com PRIMARY)  CREATE PARTITION SCHEME ps_OrderDate  AS PARTITION pf_OrderDate TO (PRIMARY, PRIMARY, PRIMARY, PRIMARY, PRIMARY);    -- Criar tabela de factos particionada  CREATE TABLE factOrders (    order_id BIGINT NOT NULL,    order_date DATETIME NOT NULL,    product_id INT,    quantity INT,    amount DECIMAL(18,2)  ) ON ps_OrderDate (order_date);

Paso 4: Cargar datos en modo particionado y carga incremental

Al cargar, dirija la carga a las particiones correctas. Para cargas incrementales, inserte solo datos del periodo objetivo. Ejemplo de carga de un mes:

-- Inserir dados apenas de abril 2026 (carga incremental)  INSERT INTO factOrders (order_id, order_date, product_id, quantity, amount)  SELECT order_id, order_date, product_id, quantity, amount  FROM stagingOrders  WHERE order_date >= '2026-04-01' AND order_date < '2026-05-01';

Paso 5: Gestionar retención eliminando particiones antiguas

Para eliminar datos antiguos de forma eficiente, haga SWITCH OUT o MERGE de la partición y luego DROP. Ejemplo: eliminar datos de enero de 2026.

-- Criar tabela temporária com mesma estrutura e sem constraints  CREATE TABLE factOrders_Archive (    order_id BIGINT NOT NULL,    order_date DATETIME NOT NULL,    product_id INT,    quantity INT,    amount DECIMAL(18,2)  );    -- Mover (SWITCH) a partição de janeiro para a tabela de archive (exemplo conceptual)  ALTER TABLE factOrders SWITCH PARTITION 1 TO factOrders_Archive;    -- Depois pode truncar ou arquivar a tabela factOrders_Archive  TRUNCATE TABLE factOrders_Archive;

Paso 6: Reorganizar y mantener particiones

Ejecute mantenimiento regular: rebuild/reorganize de índices por partición y actualizar estadísticas para mantener el rendimiento. Ejemplo de rebuild para una partición específica.

-- Rebuild do índice clustered na partição 2 (exemplo)  ALTER INDEX ALL ON factOrders REBUILD PARTITION = 2;

Verificar el resultado

Confirme que las particiones se están usando y que las consultas filtradas por date son más rápidas. Verifique metadatos de partición y tiempo de ejecución:

-- Listar partições e row counts (SQL Server)  SELECT p.partition_number, p.rows, rng.value AS RangeBoundary  FROM sys.partitions p  JOIN sys.indexes i ON p.object_id = i.object_id AND p.index_id = i.index_id  JOIN sys.partition_range_values rng ON rng.function_id = OBJECT_ID('pf_OrderDate')  WHERE OBJECT_NAME(p.object_id) = 'factOrders';    -- Teste de desempenho: comparar tempos de query com e sem filtro por order_date  SET STATISTICS TIME ON;  SELECT SUM(amount) FROM factOrders WHERE order_date >= '2026-04-01' AND order_date < '2026-05-01';  SET STATISTICS TIME OFF;

Conclusión

Particionar tablas en un Data Warehouse mejora drásticamente las consultas temporales y simplifica la retención. Próximos pasos: probar otras estrategias (hash, list), implementar particionamiento automático y monitorizar los planes de ejecución. Consejo: empiece con una granularidad mensual y ajuste según el patrón de consultas — ¿qué periodicidad tiene más sentido para sus informes?