= Мерење на перформанси

Анализирани се перформансите на база од податоци со две различни структури: **непартиционирана табела** и **партиционирана табела**. 

Конфигурација
 - 20 threads
 - 10s ramp-up time
 - 5 loops

Детална Анализа по Тип 

||= Тип на Тест =||='''Без Партиција (ms)'''=||='''Партиција (ms)'''=||=Промена=||
||= Q1 - Range Scan =||Avg: ~8,500ms||Avg: ~9,500ms||X||
||= Q2 - Aggregate =||33,362ms - 60,255ms||38,334ms - 51,123ms||X||
||= Q3 - Recent Data =||4ms - 617ms||2ms - 668ms||X||
||= Q4 - INSERT =||3ms - 171ms||2ms - 144ms||X||
||= Q5 - UPDATE =||79ms - 891ms||60ms - 868ms||X||
||= Q6 - DELETE =||22ms - 540ms||21ms - 398ms||X||

1. Вкупно Подобрување
Партиционираните табели покажуваат вкупно подобрување од 53.44% во просечното време на одговор и 95.33% подобрување во медијанот. Ова укажува дека партиционирањето значително ја подобрува вкупната перформанса на системот.

2. Операции на Читање се Побавни
Сите прашања (Q1, Q2, Q3) покажуваат влошување на перформансите на партиционирани табели. Најкритичен е Q3 (Recent Data) со деградација од 103.56%, што значи дека е двојно побавно. Ова сугерира дека партициониранието може да воведе дополнителен overhead за операции на читање.

3. Операции на Запишување се Подобрени
Операциите INSERT и UPDATE покажуваат скромно подобрување (15.93% и 6.67% соодветно). Ова укажува дека партиционирањето е поефикасно за операции на запишување отколку за читање.

Заклучок
Иако партиционирањето покажува вкупно подобрување од 53.44%, индивидуалните перформанси на прашањата покажуваат мешани резултати. Партиционирањето помага при операции на запишување (INSERT/UPDATE), но ги влошува сите операции на читање, особено прашањата за неодамнешни податоци.
За ова специфично работно оптоварување (ориентирано на читање со range scans), партиционирањето всушност ги влошува перформансите за најчестите шеми.