《数据密集型系统应用》笔记（五）
分区
大数据量的场景
[TOC]
分区与复制
某个分片的是主某些分片是从；
注意数据倾斜
skew
分区方案-键的范围
例如字典序
分区方案-键的散列
如何理解？ 对键值先进行hash 再分区
分片与次级索引
分片确实和二级索引是一个意思
文档ID分区
- 缺点是当业务语义时会带来乱序；比如red分在了两个分区
- 又叫分散/聚集（scatter/gather）
- MongoDB，Riak 【15】，Cassandra 【16】，Elasticsearch 【17】，SolrCloud 【18】和VoltDB 【19】都使用文档分区二级索引
关键词term二级索引
好处
- 读取效率，相同业务的聚合在一个分区；
坏处：
- 写入较慢；
分区再平衡 rebalance
目的： 1.减少数据倾斜 2.CPU扩容，增加吞吐； 3.存储扩容，增加数据容量； 4.故障；
方案一： 反面（bad)hash取模； 难以扩容，发生变化是需要大量数据进行迁移；
方案二： 固定数量分区； 然后分配槽位，这是redis集群的方式； 扩容时只需要迁移部分数据，并更新slot映射；
方案三： 动态分区； 按键的范围进行分区的数据库（如HBase和RethinkDB）会动态创建分区。 当分区增长到超过配置的大小时（在HBase上，默认值是10GB），会被分成两个分区， 这个方案类似是一致性hash
