分析分类
Store large datasets for analytics and reporting.
此功能处于测试阶段
预计会有快速变化、功能有限，并可能出现破坏性更新。随着我们改进体验并扩大访问，欢迎分享反馈。
🌐 Expect rapid changes, limited features, and possible breaking updates. Share feedback as we refine the experience and expand access.
分析桶可以在大规模数据集上进行分析工作流，同时保持你的主数据库优化用于事务操作。
🌐 Analytics buckets enable analytical workflows on large-scale datasets while keeping your primary database optimized for transactional operations.
为什么要用分析分类？ #
🌐 Why Analytics buckets?
Postgres 表是专门为事务型工作负载设计的，频繁进行插入、更新、删除以及低延迟查询。而分析型工作负载的需求则完全不同：
🌐 Postgres tables are purpose-built for transactional workloads with frequent inserts, updates, deletes, and low-latency queries. Analytical workloads have fundamentally different requirements:
- 处理大量历史数据
- 运行复杂查询和聚合
- 降低存储成本
- 防止分析查询影响生产流量
分析分区通过使用 Apache Iceberg 来满足这些需求，这是一种专门为高效管理大型分析数据集而设计的开放表格格式。
🌐 Analytics buckets address these requirements using Apache Iceberg, an open-table format specifically designed for efficient management of large analytical datasets.
理想的使用场景 #
🌐 Ideal use cases
分析分组非常适合：
🌐 Analytics buckets are perfect for:
- 数据仓库和商业智能 - 为BI工具构建可扩展的数据仓库
- 历史数据归档 - 以经济实惠的方式保留大量历史数据
- 定期更新的分析 - 保持近实时的分析视图
- 复杂分析查询 - 在大型数据集上执行复杂的聚合和连接
通过将事务型和分析型工作负载分开，Supabase 让你在不影响主要 Postgres 性能的情况下，搭建可扩展的分析管道。
🌐 By separating transactional and analytical workloads, Supabase lets you build scalable analytics pipelines without compromising your primary Postgres performance.