大数据基础-原来这个“桶”也能路由分片

01 前言

我们先回忆在上文《大数据基础-3行代码实现最基本的路由分片(附代码)》的主要内容，我们介绍了哈希分片的第一类常见套路，hash取模法（即基础轮询），并在一定程度上进行延伸，引出加权轮询的概念。最后我们对基础轮训和加权轮询的优缺点进行考量，其虽然逻辑清晰、复杂度低，但是灵活性较差。当节点发生变化时，会导致映射关系全部打乱，已经分配的数据也需要根据新的映射关系重新分配。

那怎么样能改进基础轮询的痛点问题呢？

本篇我们就带着这个问题一步一步来深入到本篇的主题，哈希分片的第二类方法：虚拟桶。

 

02 解题—寻找核心问题点

来，我们先不着急于破题，首先分析下基础轮询，有关灵活性缺失的核心矛盾点：

1. 分片层和物理节点层重合。

2. hash取模的方法对取模数值非常敏感，牵一发而动全身。

 

03 破题—对症下药

• 解决层次模糊的问题

在通用的路由分片模型中，存在着Key-Patition映射和Partition-Machine映射，其代表着数据记录、分片、物理节点3个角色存在其中，因此对于基础轮询而言，其分层方式是有悖于通用的路由分片模型。我们需要对其进行层次拆分。如下图所示，将原本强耦合的两层拆分成弱耦