分片

对于大型数据集或非常高的吞吐量的情况下，仅仅进行复制是不够的，我们需要将数据进行分区（partitions），也称为分片（sharding）。分区是一种有意将大型数据库分解成小型数据库的方式，它与网络分区（net splits）无关。分区(partition)，在 MongoDB,Elasticsearch 和 Solr Cloud 中被称为分片(shard),在 HBase 中称之为区域(Region)，Bigtable 中则是 表块（tablet），Cassandra 和 Riak 中是虚节点（vnode), Couchbase 中叫做虚桶(vBucket).但是分区(partition) 是约定俗成的叫法。

通常情况下，每条数据（每条记录，每行或每个文档）属于且仅属于一个分区，分区主要是为了可扩展性。不同的分区可以放在不共享集群中的不同节点上，对于在单个分区上运行的查询，每个节点可以独立执行对自己的查询，因此可以通过添加更多的节点来扩大查询吞吐量。大型，复杂的查询可能会跨越多个节点并行处理，尽管这也带来了新的困难。

分区数据库在 20 世纪 80 年代由 Teradata 和 NonStop SQL 等产品率先推出，最近因为 NoSQL 数据库和基于 Hadoop 的数据仓库重新被关注。有些系统是为事务性工作设计的，有些系统则用于分析：这种差异会影响系统的运作方式，但是分区的基本原理均适用于这两种工作方式。

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。一个节点可能存储多个分区如果使用主从复制模型，则分区和复制的组合如下图所示每个分区领导者(主)被分配给一个节点，追随者(从)被分配给其他节点每个节点可能是某些分区的领导者，同时是其他分区的追随者。大多数情况下，分区方案的选择与复制方案的选择是独立的。

Links

• https://blog.csdn.net/jiafu1115/article/details/53908715