第六章：分区

1. 分区的目标

分区（Partition/Sharding）通过把大数据集拆到多节点，实现容量与吞吐的横向扩展。复制解决“可用性”，分区解决“规模化”，两者通常组合使用。

2. 键值分区策略

2.1 范围分区（Key Range）

按连续键区间分配分区，天然支持范围查询，但容易出现时间戳写入等热点。

2.2 哈希分区（Hash）

按哈希值打散键，负载更均匀，但范围查询通常需要 scatter/gather，查询代价上升。

2.3 复合键折中

常见做法是 (partition_key, clustering_key)：

• 前缀键决定分区，保证均衡。
• 后缀键在分区内排序，保留局部范围查询能力。

2.4 热点治理

单个热点键无法靠哈希自然消除。可对热点键加随机后缀分裂写入，读取时再聚合，但会提升读路径复杂度。

3. 分区与二级索引

3.1 本地索引（Local Index）

每个分区仅维护本地索引，写入成本低。缺点是按二级条件查询时需要广播到全分区。

3.2 全局索引（Global Index）

索引本身也分区，按索引项直达目标分区，读性能更好。代价是写入需要跨分区更新，常依赖异步维护并接受短暂不一致。

4. 再平衡（Rebalancing）

4.1 目标约束

• 负载均衡。
• 迁移期间持续可读写。
• 数据迁移量最小化。

4.2 常见策略

4.2.1 避免 hash(key) mod N

节点数变化会导致大量键重映射，引发全量迁移风暴。

4.2.2 固定分区数

预先创建较多分区，扩容时迁移分区归属，适合运维可控场景。

4.2.3 动态分裂合并

分区超阈值自动分裂，低负载时合并，适合数据规模持续变化场景。

4.2.4 按节点比例分区

每节点维护近似固定数量分区，扩缩容时保持管理开销稳定。

5. 请求路由

5.1 路由模式

• 任意节点接入后转发。
• 独立路由层代理。
• 客户端持有分区元数据直连。

5.2 元数据一致性

分区映射可由 ZooKeeper/etcd 等协调服务维护，也可走 gossip 协议最终收敛。

5.3 并行查询执行

跨分区查询通常采用并行 fan-out，再在协调节点聚合结果。此时要重点关注：

• 最慢分区拖尾（尾延迟放大）。
• 去重与排序的内存压力。
• 分页一致性语义。

6. 设计建议

• 若范围查询是核心需求，优先范围分区并配合热点治理。
• 若写入均衡优先，采用哈希分区并接受范围查询代价。
• 再平衡策略应先于上线确定，避免扩容期重构成本。