1 · 数据分区（Partitioning / Sharding）#

S 数据量太大一台机器放不下，或单节点吞吐不够 C 按某种规则拆分到多台机器上后，查询、索引、节点增减都变复杂 Q 怎么拆？拆了之后怎么查、怎么扩？ A 选合适的分区策略，处理好热点、再平衡和二级索引

1.1 · 分区策略

• 按范围分区（range）：key 按范围划分，支持范围查询；但可能热点不均
• 按哈希分区（hash）：key 哈希后分配，分布均匀；但丢失了范围查询能力
• 组合：先哈希确定分区，分区内按范围排序

1.2 · 热点问题

某些 key 被大量访问（如热门用户），导致单个分区压力过大 解决：在 key 后加随机后缀分散写入，读取时合并多个分区结果

1.3 · 分区再平衡（Rebalancing）#

节点增减时，数据需要重新分配：

• 固定数量分区：分区数远大于节点数，节点增减时只移动分区
• 动态分区：分区大了就拆，小了就合
• 一致性哈希：节点加入/离开时只影响相邻节点的数据

1.4 · 二级索引与分区

分区后，二级索引怎么办？

• 本地索引（document-based）：每个分区维护自己的索引；写入快，但查询需要 scatter-gather（等所有分区返回）
• 全局索引（term-based）：索引本身也分区；查询快，但写入需要跨分区更新