在OceanBase中，分区表是应对大数据量、高频查询场景的核心手段，但分区表的设计合理性直接影响数据库的性能，甚至会出现“设计不当反而拖慢性能”的情况，想和各位大佬交流下分区表设计与性能优化的实战经验。我们目前的业务场景是：日均产生百万级用户行为数据，数据保留周期为1年，需要支持按时间范围查询（比如查询近7天、近30天的数据）、按用户ID精准查询，同时还有批量统计分析的需求，目前使用的是RANGE分区（按时间字段分区），但随着数据量的增加，出现了查询耗时变长、批量操作卡顿的问题。想请教大家几个具体问题：一是不同的分区方式（RANGE、LIST、HASH、KEY），分别适合哪些具体的业务场景？比如我们的用户行为数据，除了RANGE分区，有没有更合适的分区方式？二是分区键的选择技巧，该如何选择分区键，才能最大化提升查询效率？比如按时间字段、按用户ID、按业务类型，不同分区键的优缺点是什么？三是分区数量的合理控制，分区过多或过少会带来哪些问题？比如我们目前按天分区，一年365个分区，这个数量是否合理？四是分区表的索引搭配、SQL写法有哪些优化技巧？比如分区裁剪如何生效、避免全分区扫描、批量操作如何优化，还有分区表的归档和清理策略，大家是如何设计的？有没有具体的优化案例可以分享，比如优化前后的性能对比、排查过程等？