sequoiaDB的高可用与扩缩容

协调节点要能正确的分发任务就得和编目节点去做通信。
编目节点主要是用于存储整个分布式的存储结构，节点重要参数等（元数据的信息）
做数据存储的是由数据节点组。（一个数据组最多有7个数据节点）

将一个集合中的数据划分成多个不相交的子集，再将这些子集切分到数据组（复制）里去，这种就叫做数据分区，这种不同的子集就叫做分区。逻辑上一个大的集合，按照一个字段或者多个字段的值，把一个大的集合划分成一个小的集合，然后再把这些小的集合存放到不同的区块上（物理机上不同磁盘或者是不同物理机上），好处是：带来水平扩展能力，提高IO访问速度的提升，带来管理和维护上的方便。
一个分区只能存在于一个复制组里，但是复制组里可以有很多的分区（可以移动）这样就达到并行 计算的功能，提高数据的处理性能和速度。

如果建立索引：正好可以检索到，直接命中选择该对象，如果检索条件不包含任何索引的索引字段中，就会进行全表扫描（这里如果是分布式，那么可以推给多个机器同时进行）

怎么去做数据分区？

作为数据划分的依据的字段是分区键

范围分区方式中，分区键就是用来划分分区范围的字段
散列分区中：分区键就是计算hash值的字段

散列分区：先对数据集合做一次散列计算，然后再根据Hash值进行分区（这种更加均匀）

分布类型
水平分区：就是将一个数据组里的数据放到几个数据组里

垂直分区：也就是外表看着是一个大表，其实底层是多个小表（子集合），主集合不存放数据，是子集合存放

垂直分区和水平分区的区别：
水平分区：把一个大的集合放到几个机器中用于实现多机器的并发运算，访问一个数据要找所有磁盘
垂直分区：将一个大的集合切分为若干个子集合，但是对外的接口还是主集合，访问一个数据只需要找特定的子集合

混合分区：
巨杉数据库的高可用
巨杉是通过异步日志同步来保证数据一致性的
主节点2轮收不到半数以上节点心跳就会降备
备节点2轮收到不主机点心跳就会发起选举投票，超半数节点同意才能当选主节点

选举算法：
如果组内拥有主节点，那么其他的从节点是无法要求选举的
如果数据组内要进行选取，必须满足存活节点大于1/2+1的要求
节点竞争看优先级（LSN，权重，NodeID），先找LSN最新的，然后是权重最高的，最后是NodeID最高的

这种情况A是不会重新当选主节点。

这种情况是选C节点

接下来是数据同步原理

注意：编目节点和数据节点统称为复制组

巨杉数据库的事务日志是由20*64M的文件构成，不会永久保存，而是当事务日志写满以后，从第一个文件那进行覆盖写入