Como criar partições de tabelas em Data Warehouse: passo a passo

João Barros 01 de October de 2026 4 min de leitura

Este tutorial mostra como criar e gerir partições de tabelas num Data Warehouse para melhorar o desempenho de consultas, manutenção e carregamento incremental. Explica o porquê das partições e guia por um exemplo prático em SQL para partir uma tabela de factos por data.

Pré-requisitos

Conhecimentos básicos de SQL (SELECT, CREATE TABLE, INSERT).
Um motor de Data Warehouse que suporte particionamento (ex.: Azure Synapse, SQL Server, Snowflake, BigQuery).
Uma tabela de factos com coluna de data (ex.: order_date).

Passo 1: Por que particionar uma tabela em Data Warehouse

Particionar divide fisicamente os dados conforme uma coluna (normalmente data). Isto reduz I/O em consultas que filtram por essa coluna, acelera a manutenção (remover dados antigos) e facilita cargas incrementais. Erros comuns incluem particionar por muitas colunas ou por cardinalidade elevada — escolher a coluna certa é crítico.

Passo 2: Escolher a estratégia de partição

Decida entre range partitioning (por intervalo de data), list partitioning ou hash partitioning. Para factos temporais, range por dia/mês/ano é o mais comum. Exemplo: particionar por month(start) permite eliminar whole partitions mensalmente, útil para retenção e arquivamento.

Passo 3: Criar uma tabela particionada (exemplo em T-SQL)

Aqui está um exemplo simples em SQL Server / Azure Synapse que usa partition function e partition scheme para criar uma tabela de factos particionada por mês na coluna 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);

Passo 4: Carregar dados em modo particionado e carga incremental

Ao carregar, direcione a carga para as partições corretas. Para cargas incrementais, insira apenas dados do período alvo. Exemplo de carga de um mês:

-- 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';

Passo 5: Gerir retenção removendo partições antigas

Para eliminar dados antigos de forma eficiente, faça SWITCH OUT ou MERGE da partição e depois DROP. Exemplo: remover dados de janeiro 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;

Passo 6: Reorganizar e manter partições

Execute manutenção regular: rebuild/reorganize de índices por partição e actualizar estatísticas para manter o desempenho. Exemplo de rebuild para uma partição específica.

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

Verificar o resultado

Confirme que as partições estão a ser usadas e que as queries filtradas por date são mais rápidas. Verifique metadados de partição e tempo de execução:

-- 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;

Conclusão

Particionar tabelas num Data Warehouse melhora drasticamente consultas temporais e simplifica retenção. Próximos passos: testar outras estratégias (hash, list), implementar partição automática e monitorizar planos de execução. Dica: comece por uma granularidade mensal e ajuste conforme o padrão de consultas — que periodicidade faz mais sentido para os seus relatórios?