UD5工具箱
Storage Buckets API 实验室 核心功能详解
分区策略模拟
支持四种主流分区策略的完整模拟：哈希分区采用高效的哈希算法将键均匀映射到各存储桶； 范围分区按照用户定义的键值区间进行数据划分；列表分区依据枚举分类进行分组； 无分区模式则将所有数据存入单一桶中作为性能基准。每种策略均采用符合规范的 Storage Buckets API 调用方式， 确保实验结果真实反映浏览器环境下的实际性能表现。
参数灵活调节
提供直观的参数调节界面，用户可自由设置分区数量（支持2、8、20三个档位，覆盖小型到中型分区场景）、 数据总量（1K、50K、100K三档，从轻量测试到压力测试）以及倾斜因子（均匀分布、40%倾斜、严重倾斜）。 参数变更后系统自动重新生成数据并刷新可视化，让用户即时观察不同配置下的数据分布变化。
数据分布可视化
内置交互式柱状图与热力图，实时展示各分区桶内的数据量分布。可视化模块清晰呈现不同分区策略下的数据均衡程度， 帮助用户直观识别数据倾斜问题。当倾斜因子较高时，热点分区的突出程度一目了然，为后续的分区优化决策提供 视觉依据。图表支持鼠标悬停查看详情，数据精确到每个分区的具体记录数。
查询性能对比
内置三种标准化查询操作——点查询（精确匹配单条记录）、范围查询（检索键值区间内的所有记录）、 全扫描（遍历分区全部数据）。每种查询在各分区策略下重复执行多次以取中位数，最终以分组柱状图呈现性能对比结果， 帮助用户建立分区策略与查询模式之间的性能关联认知。
统计分析面板
自动计算并展示六项关键统计指标：最大值、最小值、平均值、 标准差、热点风险评分和倾斜指数（基尼系数）。其中热点风险评分基于分区数据量 与平均值的偏差程度进行量化，倾斜指数则借鉴经济学中的基尼系数来衡量分配均匀性。这些指标为分区方案的评估提供了 客观、可量化的参考依据。
隐私安全保障
所有数据生成、存储操作和性能测试均在浏览器本地完成，不涉及任何网络请求或数据上传。实验数据存储在浏览器的 Storage Buckets API 或 IndexedDB 中，用户可随时通过浏览器开发者工具查看、清除。工具本身不收集任何用户行为数据， 充分尊重用户隐私，适合在企业内部和安全敏感环境中使用。