particioneringstechnieken

Particioneringstechnieken zijn methoden om een verzameling objecten, gegevens of taken op te splitsen in meerdere, niet-overlappende onderdelen volgens specifieke regels of criteria. Het doel is doorgaans de beheersbaarheid, de schaalbaarheid, de prestaties of de beveiliging te verbeteren. Toepassingsgebieden zijn onder meer database- en datawarehousing-systemen, besturingssystemen en geheugenbeheer, grafentheorie en combinatoriële optimalisatie, en diverse vormen van statistische analyse.

In databases en datawarehousing worden tabellen en bestanden vaak opgedeeld in partitities langs verschillende logica: range-partitioning, hash-partitioning, list-partitioning en combinaties daarvan. Range-partitioning splitst op basis van waardebereiken; hash-partitioning verdeelt op basis van een hash van de sleutel; list-partitioning gebruikt expliciete lidmaatschappen. Partitionering kan query-pruning versnellen, onderhoud vereenvoudigen en parallelle verwerking mogelijk maken.

In besturingssystemen en geheugenbeheer wordt partitionering toegepast bij onder andere fixed en dynamic partitions, paging en segmentatie, en geheugenbescherming. Doel is isolatie tussen processen en efficiënte toewijzing van geheugen. Problemen zoals fragmentatie kunnen ontstaan bij dynamische partitionering. Virtuele machines en containers gebruiken vaak aanvullende vormen van logische partitionering voor veiligheid en schaalbaarheid.

In grafen en combinatoriële optimalisatie is partitieering gericht op het verdelen van een graf in delen met zo min mogelijk verbindingen tussen delen en met een gebalanceerde grootte. Veelgebruikte algoritmen zijn onder meer Kernighan–Lin, Fiduccia–Meller en multilevel-methoden zoals METIS. In data- en machine learning-contexten wordt partitionering ook toegepast voor training- en testsets, cross-validatie en stratified sampling, om bias te voorkomen en representativiteit te waarborgen.