分区

分区与复制

分区通常与复制结合使⽤，使得每个分区的副本存储在多个节点上。 这意味着，即使每条记录属于⼀个分区，它仍然可以存储在多个不同的节点上以获得容错能⼒。

键值数据的分区

我们可以做得更好。现在假设您有⼀个简单的键值数据模型，其中您总是通过其主键访问记录。例如，在⼀本⽼式的纸质百科全书中，你可以通过标题来查找⼀个条⽬;由于所有条⽬按字⺟顺序排序，因此您可以快速找到您要查找的条⽬。

根据键的范围分区

需要使⽤除了时间戳以外的其他东⻄作为主键的第⼀个部分。 例如，可以在每个时间戳前添加传感器名称，这样会⾸先按传感器名称，然后按时间进⾏分区。 假设有多个传感器同时运⾏，写⼊负载将最终均匀分布在不同分区上。 现在，当想要在⼀个时间范围内获取多个传感器的值时，您需要为每个传感器名称执⾏⼀个单独的范围查询。

根据键的散列分区

⼀旦你有⼀个合适的键散列函数，你可以为每个分区分配⼀个散列范围（⽽不是键的范围），每个通过哈希散列落在分区范围内的键将被存储在该分区中。

负载倾斜与消除热点

如今，⼤多数数据系统⽆法⾃动补偿这种⾼度偏斜的负载，因此应⽤程序有责任减少偏斜。例如，如果⼀个主键被认为是⾮常⽕爆的，⼀个简单的⽅法是在主键的开始或结尾添加⼀个随机数。只要⼀个两位数的⼗进制随机数就可以将主键分散为100钟不同的主键,从⽽存储在不同的分区中。

分⽚与次级索引

次级索引是关系型数据库的基础，并且在⽂档数据库中也很普遍。许多键值存储（如HBase和Volde mort）为了减少实现的复杂度⽽放弃了次级索引，但是⼀些（如Riak）已经开始添加它们，因为它们对于数据模型实在是太有⽤了。并且次级索引也是Solr和Elasticsearch等搜索服务器的基⽯。

按⽂档的⼆级索引

在这种索引⽅法中，每个分区是完全独⽴的：每个分区维护⾃⼰的⼆级索引，仅覆盖该分区中的⽂档。它不关⼼存储在其他分区的数据。⽆论何时您需要写⼊数据库（添加，删除或更新⽂档），只需处理包含您正在编写的⽂档ID的分区即可。出于这个原因，⽂档分区索引也被称为本地索引（local index）（⽽不是将在下⼀节中描述的全局索引（global index））。

根据关键词(Term)的⼆级索引

我们将这种索引称为关键词分区（term-partitioned），因为我们寻找的关键词决定了索引的分区⽅式。例如，⼀个关键词可能是： 颜⾊：红⾊ 。关键词(Term) 来源于来⾃全⽂搜索索引（⼀种特殊的次级索引），指⽂档中出现的所有单词。