数据分区——数据密集型应用系统设计读书笔记（2）

与分区相关的概念

分区的其它名字：shard，region，tablet，vnode，vBucket等。
定义：每一条数据（记录、每行或每个文档）只属于某个特定分区。分区可视为一个小型但完整的数据库。
目的：提高可拓展性，实现负载均衡。
历史：最初在20世纪80年代由Teradata和Tandem NonStop SQL等率先提出。目前被一些NoSQL数据库和基于Hadoop的数据仓库所重视（这就是说，分区适用于OLTP和OLAP）。
与数据复制的区别：数据复制指一个分区存在多个副本。这意味着一条记录属于唯一的特定分区，但同时保存在多个节点上以提高容错性。
倾斜：某些分区的数据量或查询负载大于其他分区。
系统热点：负载过大的分区称为系统热点。

设置分区的方法

基于关键字区间分区：依据数据的分布特征设置合适的关键字区间。
好处：便于区间查询。
缺点：导致热点。

基于关键字哈希值分区：利用哈希函数的特性使得数据均匀分布。
分区边界的选择：均匀间隔，伪随机选择（有时称为一致性哈希）。
一致性哈希：由Karger等人提出，最初用于CDN等互联网缓存系统。通过随机选择的分区边界来规避中央控制或分布式共识。此处的一致性指数据的均匀分布。由于实际效果不太好而较少使用。
缺点：丧失了良好的区间查询特性。
解决热点的简单方法：在关键字的开头或结尾处加一个随机数。缺点是增加了读取的复杂度。