-- Abordarea curată: anonimizare GDPR + index parțial pentru Postgres
-- 1. Index unic doar pentru userii activi
CREATE UNIQUE INDEX idx_users_active_email
ON users (email)
WHERE status != 'DELETED';
-- 2. Procedură de anonimizare ireversibilă la cererea userului
UPDATE users
SET
email = 'gdpr_erased_' || id || '@deleted.domain',
full_name = 'Utilizator Șters',
phone = NULL,
avatar_url = NULL,
status = 'DELETED',
deleted_at = CURRENT_TIMESTAMP
WHERE id = 4281;Toată lumea pune un deleted_at TIMESTAMP NULL în tabele și zice că a rezolvat problema. Am făcut și eu asta ani de zile, până am dat de primul audit serios pe un SaaS B2B cu vreo 400.000 de utilizatori înregistrați.
Atunci am realizat că soft delete-ul clasic e o bombă cu ceas din două direcții: integritatea constrângerilor unice din SQL și cererile explicite de ștergere pe GDPR ("dreptul de a fi uitat"). Dacă inspectorul sau avocatul clientului îți cere dovada că datele cu caracter personal au dispărut din sistem, un deleted_at = NOW() nu te salvează. Legal, datele sunt încă acolo, accesibile oricui are acces la dump-ul de backup sau direct la replica de citire.
Capcana unicității: emailul care nu mai poate fi refolosit
Cea mai rapidă palmă peste ochi o iei când un utilizator își șterge contul, apoi vrea să se înregistreze din nou cu același email peste două săptămâni. Dacă ai index unic pe coloana email, aplicația va arunca o eroare 500.
În Postgres poți fenta asta cu indecși parțiali (WHERE deleted_at IS NULL). Merge brici. Dar în MySQL problema e mai spinoasă, fiindcă NULL-urile în indecși unici se comportă ciudat, iar soluția clasică (să pui timestamp-ul ca parte din cheia compusă) devine un coșmar la migrare.
Și mai e o problemă de performanță: după 3-4 ani, tabelele tale devin 40% gunoi soft-deleted. Toate query-urile de business trebuie să care clauza WHERE deleted_at IS NULL. O uiți într-un join mai stufos? Felicitări, ai trimis un newsletter promoțional sau o notificare push către clienți care au plecat supărați.
Soluția hibridă: Date operaționale vs. Date personale
Ca să împac și departamentul legal și contabilitatea (care mă obliga să păstrez facturile 10 ani conform legii), am trecut la o arhitectură hibridă pe care o aplic acum din oficiu la orice schemă nouă:
- Hard delete pentru datele personale (PII): Când un utilizator cere ștergerea contului, suprascriu câmpurile critice din tabela
userscu date anonimizate:email = 'anon_' || id || '@deleted.local',name = 'Deleted User',phone = NULL,password_hash = 'N/A'. - Păstrarea ID-ului și a relațiilor: Facturile, comenzile și logurile de tranzacții rămân intacte, dar fac referință la un ID anonimizat. Integritatea referențială nu se rupe, graficele financiare nu se schimbă cu niciun cent.
- Tabel separat de arhivă pentru entități de business: Dacă utilizatorul vrea doar să șteargă o entitate din cont (un proiect, o listă, o sarcină), nu o ținem cu flag în aceeași tabelă. La delete, facem un
DELETE ... RETURNINGși inserăm direct într-o tabelă separatăprojects_archive. Tabela operațională rămâne mică, indexată impecabil și rapidă.
Trade-off-ul de care trebuie să fii conștient
Anonimizarea la hard delete e mai lentă pe moment. Nu e doar un banal UPDATE users SET deleted_at = NOW() WHERE id = 123. Trebuie să rulezi o tranzacție, eventual asincron printr-un worker, care trece prin profile, adrese de livrare, fișiere din S3 (nu uitați pozele de profil) și token-uri de sesiune.
Costă mai mult timp de development la început? Cu siguranță. Dar câștigi nopți liniștite când primești notificări de la avocați și o bază de date care nu se sufocă în înregistrări fantomă.
Voi cum abordați bătălia asta în producție? Mergeți pe anonimizare pe loc sau lăsați un cron job noaptea să facă curățenie generală?