按节点比例分区：手动 or 自动再平衡

• 动态分区策略，分区数与数据集大小成正比，因为拆分、合并过程使每个分区的大小维持在固定的min和max之间

• 固定数量的分区方式，每个分区的大小与数据集大小成正比

两种情况下，分区数都和节点数无关。

Cassandra则采用第三种方案，使分区数与集群节点数成正比。即每个节点具有固定数量的分区。此时，每个分区的大小和数据集大小成正比，而节点数不变，但是当增加节点数时，分区将再次变小。由于较大数据量通常需大量节点来存储，因此这种方法也使每个分区的大小保持稳定。

当一个新节点加入集群时，它随机选择固定数量的现有分区进行拆分，然后拿走这些分区的一半数据量，将另一半数据留在原节点。随机选择可能产生不公平的分区分割，但平均分区数较大时（Cassandra默认每个节点有256个分区），新节点最终会从现有节点获得相当数量的负载。 Cassandra 3.0引入优化算法，可避免不公平的分割。

随机选择分区边界要求使用hash分区策略（可从hash函数产生的数字范围中设置边界）。这种方法也最符合一致性哈希的定义。

4.2 运维：手动 or 自动再平衡

动态是自动还是手动执行？

全自动的再平衡（即由系统自动决定，何时将分区从一个节点迁移到另一个节点，无须人工干预）和完全手动（即分区到节点的映射由管理员显式配置）之间有个权衡。如Couchbase会自动生成一个推荐的分区分配，但需管理员确认生效。

全自动再平衡更方便，正常维护之外操作工作很少，但可能不可预测。再平衡是个昂贵操作，因其需重新路由请求，并将大量数据从一个节点迁移到另一个节点。若出现异常，可能会使网络或节点的负载过重，并降低其他请求的性能。

自动平衡和自动故障检测相结合也可能存在风险。假设某节点过载，且对请求的响应暂时很慢，而其他节点得出结论：过载节点已失效，并自动平衡集群，转移其负载。客观上，这会加重该节点、其他节点和网络的负载，从而使情况更糟，甚至级联失效。

对此，再平衡过程中有人参与是更推荐做法。这比全自动响应慢一点，但可有效防止意外。