本文探讨了数据库分片中的静态分片与动态分片两种策略，并重点分析了静态分片的优点及其潜在的问题，特别是热点数据导致的负载不均衡问题。文章还介绍了如何利用大数定律来缓解这一问题，通过将数据均匀分布到不同的分片中以达到更好的负载均衡。
sharding 策略大抵有二：静态和动态、静态分片优点：简单、开发成本低、维护花费小
常见的静态分片方式有哈希函数和取模、但这样就暴露了一个缺点(PS:还有很多缺点呢)：
这个缺点是这样的：
采用静态分片、我们就无法自定义数据放到哪个分片、如果、存在一些数据比其他数据活跃
而且、很不凑巧、这些激进的数据都被分配到同一个分片、这时、头就大了
我们无法通过转移热点数据来平衡负载
此时、借助"大数定律"、什么是"大数定律"呢？一言譬之为：
"足够大的样本能几乎肯定反应总体的真实组成"、详尽原理大家自行Google
如果每个分片的数据量却分得比较小、根据"大数定律"、则会更容易将热点数据均摊到不同分片
当然、这样做可能会存在跨分片查询、取决于您如何tradeoff
常见的静态分片方式有哈希函数和取模、但这样就暴露了一个缺点(PS:还有很多缺点呢)：
这个缺点是这样的：
采用静态分片、我们就无法自定义数据放到哪个分片、如果、存在一些数据比其他数据活跃
而且、很不凑巧、这些激进的数据都被分配到同一个分片、这时、头就大了
我们无法通过转移热点数据来平衡负载
此时、借助"大数定律"、什么是"大数定律"呢？一言譬之为：
"足够大的样本能几乎肯定反应总体的真实组成"、详尽原理大家自行Google
如果每个分片的数据量却分得比较小、根据"大数定律"、则会更容易将热点数据均摊到不同分片
当然、这样做可能会存在跨分片查询、取决于您如何tradeoff
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
