惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

A
Arctic Wolf
WordPress大学
WordPress大学
月光博客
月光博客
J
Java Code Geeks
罗磊的独立博客
V
Visual Studio Blog
阮一峰的网络日志
阮一峰的网络日志
Y
Y Combinator Blog
GbyAI
GbyAI
The Cloudflare Blog
B
Blog
S
SegmentFault 最新的问题
T
Tenable Blog
P
Privacy International News Feed
爱范儿
爱范儿
V
Vulnerabilities – Threatpost
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
Scott Helme
Scott Helme
量子位
博客园 - 三生石上(FineUI控件)
The Hacker News
The Hacker News
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
Security Latest
Security Latest
D
Darknet – Hacking Tools, Hacker News & Cyber Security
C
Cybersecurity and Infrastructure Security Agency CISA
P
Proofpoint News Feed
P
Privacy & Cybersecurity Law Blog
G
GRAHAM CLULEY
C
CXSECURITY Database RSS Feed - CXSecurity.com
U
Unit 42
D
DataBreaches.Net
T
Threatpost
C
Cisco Blogs
Project Zero
Project Zero
K
Kaspersky official blog
MongoDB | Blog
MongoDB | Blog
C
Check Point Blog
A
About on SuperTechFans
The Register - Security
The Register - Security
C
Cyber Attacks, Cyber Crime and Cyber Security
S
Schneier on Security
L
Lohrmann on Cybersecurity
T
Threat Research - Cisco Blogs
I
InfoQ
Simon Willison's Weblog
Simon Willison's Weblog
F
Fortinet All Blogs
Recorded Future
Recorded Future
AWS News Blog
AWS News Blog
The GitHub Blog
The GitHub Blog
C
CERT Recently Published Vulnerability Notes

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Шесть основ бизнес-анализа: начинаем с вопроса «Кто в игре?» Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания Автономность как точка невозврата: кто будет субъектом в цифровом будущем Обучение ИИ в «диких» условиях: как рутинные действия превращаются в датасеты Как измерить LLM для задач кибербеза: обзор открытых бенчмарков Где хранить код? Сравнение GitHub, GitLab и Bitbucket Математика объясняет, почему нормальное распределение встречается повсюду Почему ваш FinOps не работает: 12 тезисов от практиков Как подписать проектную документацию УКЭП с использованием бесплатных лицензий Pilot Адаптивное администрирование Sigla Vision Я грузил уран в бочки, а потом 20 лет строил ИТ в атомной отрасли Чем позвонить с Эвереста? История и обзор спутниковой связи. Часть 2 Как языковая модель помогает контролировать качество инструктажей по охране труда в металлургии Как не передать на desktop свой IP в РКН Анатомия SAP Privileges: как устроено управление правами в macOS MoneyDev: Сказка про три главных слова Обновлённый токенизатор видео K-VAE 2.0 от Сбера Как сделать диспетчеризацию дома на 1284 квартиры почти бесплатно Как мы разогнали железную дорогу Мы дали агентам рутину. Теперь надо решить — что делать с освободившимся временем Токсичный контент, промпт-хакинг и защита ИИ — всё о Guardrails для LLM Умный город начинается с точного взгляда: как «Фалькон Тех» меняет пространство к лучшему Навайбкодил приложение для анализа графов Почему Дюну так интересно читать? Упрощаем работу с рутиной или как стать Гендальфом Белым Деконструкция Go: CPU, RAM и что там происходит. Go Assembler база. Часть 1.1 Какие профессии исчезнут из-за ИИ, а какие появятся? И что с этим делать Как мы построили IT-отдел, где хочется расти: архитектурные встречи, прозрачные метрики и книжные подарки Rufler: Делаем из Claude Code автономный рой через один YAML-конфиг Sing-box и белый список приложений Как построить надёжный обмен сообщениями в микросервисах: лучшие практики для enterprise OpenAI строит MLM-пирамиду, а McKinsey и Accenture помогают ей в этом Дом, который не построил Фишер (Часть 2) «Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки Мультимодальные модели – грубый и дорогой инструмент Разговоры ничего не стоят. Код тоже Проверки физических лиц: с кого начнет ФНС Топ-10 бесплатных нейросетей для создания видео в 2026 году Первые слои кода: как наши решения сегодня определяют архитектуру ИИ на десятилетия Разработка нового статического анализатора: PVS-Studio JavaScript Поиск уязвимостей ПО: базовый минимум или роскошный максимум Почему оценка персонала не работает как инструмент управления Как мы разработали ИИ-ассистента и сократили рутину продуктовой команды на 50% Как я ушел из найма, нажарил косточек и продал на маркетплейсах на 168 млн в год Когда 1С:ERP уже внедрена, а нормального производственного плана всё ещё нет Как я сделал Claude мультимодальным, подключив к нему Qwen Omni Как приглашение на вакансию мечты превращается в атаку Infrastructure as Code: философия и лучшие практики IaC Тестируем Yandex Code Assistant на задаче, в которой нужно хранить секреты nxs-universal-chart v3.0: новое поколение универсального Helm-чарта Callback Injection: Техника, которая отправила Microsoft Defender в глухой нокаут «Все идеи на стол»: митап как способ вывести проект из тупика Сегодня я узнал нечто новое о GPU благодаря багу в своей игре Как заставить LLM ̶ ̶г̶а̶л̶л̶ю̶ ̶ эволюционировать Карта событий как фундамент аналитики: практический кейс для E-commerce Что выбрать для AI: x86, ARM или RISC-V? Дайджест железа за март Роль соматических мутаций в развитии аутоиммунных заболеваний: путь к избирательной терапии Mythos от Anthropic — тревожный сигнал для всех, а не только для банков Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы Green-VLA: как мы собрали VLA-модель для реального антропоморфного робота и не потеряли обобщение Финансовая гонка вооружений: почему умные люди добровольно в ней участвуют Эра ИИ-агентов наступила: выбираем лучшего цифрового сотрудника # Практический опыт внедрения WinCC Redundancy на производственном предприятии Сделал MVP за 3 дня, а потом неделю прикручивал оплату. Оно того стоило? Физика против Маска: почему Starship V3 может оказаться ещё одной катастрофой Нефть Венесуэлы: крупнейшие запасы в мире, но не крупнейшая нефтяная держава JPA 4. Переосмысление Hibernate Почему зеркальная фотокамера Nikon D5 десятилетней давности идеально подошла для миссии «Артемида-2» Проект «Уровень-Спутник» или как мы сделали платформу для гидрологов «Замедлиться, чтобы ускориться»: почему ИИ повышает цену ошибок в требованиях и архитектуре Как с нуля поднять трафик IT-компании на 1657% при бюджете 55 тыс. и выжить Pixel-perfect Downsampling — идеальная отрисовка 50 миллионов точек без потерь
Как секционирование помогло оптимизировать базу 1С:ERP объёмом 16 ТБ и победить datetime2
vandreykov · 2026-06-18 · via Все публикации подряд на Хабре

Средний

5 мин

259

На одном из проектов заказчика объём базы 1С:ERP достиг 16 ТБ, а регистр накопления «СебестоимостьТоваров» вырос до 4 ТБ и 2 млрд строк. При таких объёмах оптимизация перестала быть опцией и превратилась в обязательную задачу.

Симптомы были типичными для системы, которая упёрлась в пределы физического хранения: запросы к себестоимости выполнялись десятки минут, расчёт себестоимости тормозил, а серверный диск работал на пределе возможностей.

Были применены стандартные подходы к оптимизации: работа с индексами и статистикой, а также дефрагментация. Существенного эффекта они не дали.

Для решения задачи использовалось секционирование (партиционирование) таблиц на уровне MS SQL Server. Но, как оказалось, у 1С и секционирования сложные отношения. 

Меня зовут Владимир Андрейков, я руководитель группы разработки в GRI. Эта статья — разбор практического кейса из проекта заказчика. Она будет полезна тем, кто работает с крупными внедрениями 1С:ERP и упирается в ограничения SQL Server при больших объёмах данных.

Схема секционирования: квартальные файловые группы + помесячные секции

При реализации секционирования учитывались два ключевых ограничения: объём данных и характер запросов. 

С учётом этих факторов была использована двухуровневая схема:

  • Каждый квартал — в своей файловой группе.
    Такой подход позволяет размещать архивные кварталы на более медленных дисковых подсистемах или даже отключать их физически.

  • Внутри квартала — ежемесячные секции.
    Поскольку большинство отчётов 1С использует месячные периоды, такой подход позволяет эффективно отсекать лишние данные на уровне секций.

Схема границ и функция секционирования были реализованы вручную средствами T-SQL. Однако основной сложностью стала не декларация структуры, а наполнение: перенос 2 млрд исторических строк в секционированную модель оказался нетривиальной задачей.

Даже операции уровня ALTER TABLE ... SWITCH в ряде случаев выполнялись часами, что делало классический подход непригодным для «живой» системы. Именно здесь начали проявляться первые неожиданные ограничения.

Подводный камень №1: datetime2 и неявное преобразование

После того как секционирование было настроено и данные распределены по файловым группам, ожидаемого прироста производительности не произошло.

На уровне наблюдений всё выглядело корректно, но запросы отчётов продолжали сканировать все секции. Диагностика с помощью
SET STATISTICS IO и анализа плана выполнения показала ключевую проблему: partition pruning фактически не работал.

Причина оказалась в несоответствии типов дат:

  • в стандартных таблицах регистров 1С поле _Period имеет тип datetime2(0) с точностью до секунд;

  • параметры, которые передаёт платформа через sp_executesql, передаются как datetime2(3) с точностью до миллисекунд. 

Именно здесь проявился ключевой эффект. SQL Server выполняет неявное приведение границ поиска к типу поля таблицы. А при секционировании по _Period это мешает partition pruning: оптимизатор не понимает, что можно обратиться только к одной секции, и обходит все секции.

Разница в скорости между ручным SQL-запросом с явным указанием datetime2(0) и штатным запросом от 1С могла составлять одну секунду вместо трёх минут.

Устранение проблемы

Тип поля _Period в таблицах регистра «СебестоимостьТоваров» был изменён с datetime2(0) на datetime2(3). При этом не потребовались ни отказ от виртуальных таблиц, ни переписывание запросов — тип в таблице был приведён к тому типу, который передаёт платформа.

После этого неявное преобразование исчезло, и секционирование начало работать корректно.

Важно: такая операция требует блокировки таблицы и перестройки всех связанных индексов. Для таблиц объёмом порядка 2 млрд строк её рекомендуется выполнять в периоды минимальной нагрузки.

Подводный камень №2: общий реквизит-разделитель

Следующее ограничение проявилось уже на уровне индексов и структуры доступа к данным.

В типовых конфигурациях 1С:ERP широко используется механизм общего реквизита-разделителя (например, «Организация» или «ОбластьДанныхОсновныеДанные»). Платформа автоматически добавляет этот реквизит первым полем во все индексы таблицы. 

Казалось бы, это логичный механизм изоляции данных. Но для секционирования это катастрофа:

  • Первое поле индекса — разделитель, а не период.

  • Секционирование выполняется по _Period, а индекс начинается с другого поля.

В итоге даже при идеальном партицировании по дате многие запросы всё равно сканировали несколько секций, потому что доступ к данным шёл через индекс, в котором период не на первом месте.

Без изменения этой части схемы добиться эффективной работы секционирования не удавалось. Для регистра «СебестоимостьТоваров» общий реквизит-разделитель был отключён. До этого он обеспечивал логическую изоляцию: разделитель гарантировал, что параллельные процессы не будут пересекаться в данных.

Но в связке с секционированием это стало ограничением: индексная структура начинала расходиться с моделью партиционирования, и оптимизатор снова терял возможность эффективно работать с секциями. То есть, возникал конфликт между прикладным механизмом изоляции и физической моделью хранения данных. 

В данном регистре разграничение доступа было реализовано на уровне прикладной логики. После отключения разделителя были перестроены кластеризованные индексы — и только после этого секционирование наконец «проснулось».

Как это реализовывалось технически

На практике вся миграция заняла около 48 часов активной работы и ещё примерно 1,5 недели фоновой обработки данных. Процесс выполнялся поэтапно, с последовательной проверкой результатов на каждом этапе. 

Сначала были созданы новые файловые группы — по одной на каждый квартал, начиная с 2022 года. Параллельно была настроена функция секционирования по _Period с месячными границами и выполнена её привязка к файловым группам через схему секционирования.

На этом этапе проверялось соответствие схемы секционирования характеру запросов и распределению данных между файловыми группами.

Далее на тестовой копии было проверено изменение типа _Period с datetime2(0) на datetime2(3). После подтверждения отсутствия регрессий и проблем с выборками изменения были перенесены в прод.

Отдельным шагом стало отключение общего реквизита-разделителя для регистра на уровне конфигурации 1С — как часть приведения физической модели данных в соответствие с моделью секционирования в SQL Server.

Фоновое копирование вместо SWITCH PARTITION

Классическая схема миграции через ALTER TABLE ... SWITCH PARTITION в нашем случае оказалась неприменимой. Основные ограничения — длительная монопольная блокировка и необходимость строгой подготовки партиций.

Для объёма в 2 млрд строк простой системы мог составлять десятки часов. В этих условиях применялась следующая схема:

  1. Были созданы пустые копии таблиц регистра с целевой структурой (уже секционированные, с нужными индексами).

  2. Было организовано фоновое копирование данных из исходных таблиц в новые (по 100–200 тысяч записей). Этот процесс занял около полутора недель и практически не влиял на основную работу системы, лишь незначительно увеличивая нагрузку на диск и транзакционный лог.

  3. После завершения копирования операции записи в регистр были временно остановлены (в ночное окно), после чего были перенесены накопившиеся изменения и выполнена замена таблиц.

В результате время монопольной блокировки базы на этапе подмены составило не более 30 минут вместо десятков часов при классическом SWITCH.

Такой подход потребовал дополнительного дискового пространства объёмом около 4 ТБ, однако позволил избежать длительного простоя системы.

Итог

После завершения работ физический объём базы остался прежним — 16 ТБ, но изменилось поведение системы под нагрузкой.

Ключевой эффект проявился не в «ускорении всего», а в перераспределении нагрузки и устранении неэффективных сканирований.

В результате:

  • время выполнения отчётов за текущий месяц сократилось с 2-3 минут до 3-5 секунд;

  • расчёт себестоимости перестал выходить за ночное окно;

  • нагрузка на дисковую подсистему стала прогнозируемой.

Вывод

Секционирование в 1С:ERP — рабочий инструмент, но его эффективность определяется не самим фактом partitioning, а согласованием трёх слоёв: типов данных, структуры индексов и поведения платформы.

Для корректной работы секционирования критическими оказались два фактора: несовпадение точности datetime2 и влияние общего реквизита-разделителя.

После их устранения секционирование перестало быть «теоретически правильной схемой» и стало работающим инструментом для обработки базы объёмом 16 ТБ.