数据分区设计(0)-前言

对大数据集或非常高吞吐量，仅复制还不够，还需将数据拆分，成为分区（partitions），也称分片（sharding）1。

分区 (partition)，对应MongoDB、ES中的shard，HBase 的Region，Bigtable的tablet，Cassandra的vnode，Couchbase的vBucket。但分区 (partitioning)更普遍。

0.1 定义

每条数据（或每条记录，每行或每个文档）属于且仅属于某特定分区。每个分区都能视为一个完整小型数据库，虽然数据库可能存在跨分区操作。

0.2 目的

提高可扩展性。不同分区可放在一个无共享集群的不同节点。这样的一个大数据集可分散在更多磁盘，查询负载也随之分布到更多处理器。

单分区查询时，每个节点对自己所在分区查询可独立执行查询操作，添加更多节点就能提高查询吞吐量。大型复杂查询尽管比较困难，但也能做到跨节点并行处理。

分区DB在1980s由Teradata、NonStop SQL等产品率先推出，最近因NoSQL和基于Hadoop的数仓重新被关注。有些系统是为事务处理而设计，有些则用于分析：这种差异会影响系统运作方式，但是分区基本原理都适用于这两种工作方式。

• 本文先介绍分割大型数据集的方法，并观察索引如何与分区配合
• 然后讨论rebalancing，若想添加、删除集群中的节点，则须rebalancing
• 最后，概述DB如何将请求路由到正确的分区并执行查询

1. 一种故意将大型DB分解成小型DB的方式。和 网络分区（network partitions, netsplits） 无关，这是节点之间网络故障的一种。 ↩︎