分布式数据库难题（一）：数据分区

1. 分区的目的

    面对海量数据或者非常高的查询压力，我们需要将数据拆分成分区，采用分区的目的主要是提高可扩展性，将数据和查询负载均匀分布在所有节点上。如果节点平均分担负载，那么理论上10个节点应该能够处理10倍的数据量和10倍于单个节点的读写吞吐量。而如果分布不均匀，则会出现某些分区节点比其它分区承担更多的数据量或查询负载，称之为写倾斜。

2. 常见的两种分区方法

    有两种常见的分区方法，分别是基于关键字区间的分区，另外一种是基于关键字哈希值分区，下面我们依次介绍。

2.1 基于关键字区间的分区

• 方法：为每个分区分配一段连续的关键字或者关键字区间范围（以最小值和最大值来指示）。如果知道关键字区间的上下限，就可以轻松确定哪个分区包含哪些关键字。分区边界可以由管理员手动指定或者由数据库自动选择。例如，我们可以选择时间戳作为关键字，这样就可以根据时间戳进行分区。
• 优点：每个分区内可以按照关键字排序保存，这样可以轻松支持区间查询。
• 缺点：某些访问模式会导致热点。例如关键字是时间戳时，分区对应一个时间范围。当处理某一天的请求时，会导致某个分区负载过高，而其它分区处于空闲状态。

2.2. 基于关键字哈希值分区

• 方法：找到一个合适的关键字哈希函数，为每个分区分配一个哈希范围（而不是直接作用于关键字范围），关键字根据其哈希值的范围划分到不同的分区中。
• 优点：可以很好的将关键字均衡分配到多个分区中，避免了热点