数据分区设计(1)-分区与避免热点

分区一般和复制协作：每个分区的多个节点都有副本，即某条记录属于特定分区，而同样内容会存储在不同节点，以提高系统容错性。

一个节点可存储多个分区。如图-1，主从复制模型和分区组合时数据的分布情况。每个分区都有自己的主副本，如被分配给某节点，从库副本被分配给其他节点。所以，一个节点可能是某些分区的主副本，同时也是其他分区的从副本。

上一篇文中讨论的复制内容都适用于分区数据的复制。分区方案选择通常独立于复制，因此本文不再讨论复制。

2 KV数据分区

海量数据想切分，如何决定在哪些节点存储哪些记录？

分区的目标：将数据和查询负载均匀分布在各节点。若每个节点平均分担数据和负载，则理论上10个节点能处理10 倍的数据量和10 倍于单节点的读写吞吐量（暂忽略复制）。

但若分区不均，则会导致某些分区节点比其他分区有更多数据量或查询负载，即倾斜，导致分区效率大幅下降。极端的，所有负载压在一个分区节点，其余9个节点空闲，系统瓶颈就是这最忙节点。这时的高负载分区即是系统热点。

2.1 避免热点

最简单的，将记录随机分配给所有节点：

• 这能在所有节点比较均匀分布数据
• 但缺点：试图读取特定数据时，不知保存在哪个节点，必须并行查询所有节点

可优化该方案。假设数据是KV，即总能通过K访问记录。如在一本百科全书，可通过标题查找一个条目；而所有条目按字母序排序，因此能快速找到目标条目。